数字时代的学科构建与研究范式

数字时代的经济学和公共管理学科体系建设

江小涓[1]

我们已经进入数字时代，经济社会正在快速全面数字化。社会实践中，生产要素构成、资源配置方式、经济运行逻辑、政府治理模式等都已经发生重要变化。数字技术的迅速发展和广泛应用对现有经济学和管理学学术体系带来不小的冲击，现有体系在一些方面已经不太适用，无法有效描述和分析许多重要的与数字相关的经济和治理问题。数字技术的广泛深入应用已显著影响了经济理论的底层结构、经济各方面的逻辑关系和许多重要领域的问题的性质，“数字”和“数据”早已不是短期或偶然的“外部冲击”，更不是可以忽略的边际变量。构建数字时代经济发展与治理的学术体系，需要将数据和数字形态的产品与服务内化于知识体系的全链条之中，并清晰刻画和计量，需要重新思考和定义数字时代公共治理涉及的“公共利益”和“外部性”等问题的性质和治理目标。“数字时代的经济学和公共管理学科体系建设”这个题目宏大，理论研究和讨论的涉及面广，任务艰巨繁重，笔者仅结合教学和科研工作中的体会，谈几点初步思考和若干观点。

一、“数据要素市场”问题

大家都主张将数据作为生产要素，对此笔者也赞同。但是在实际做研究时，由于数据要素具有的特点，很难将其放到传统生产要素的分析框架中进行分析。一是多主体可以主张权利。数据的生产、加工、传输和应用过程中涉及多个不同的主体，如数据生产者、数据持有者、数据加工者、数据传输者、数据应用者等。各方面也都认同数据产权有多种形态，如知识产权、财产权、控制权、管理权、使用权和收益权等。再考虑到数据的无形特征和能够不断聚合、分解、挖掘等特征，使数据产权的确权问题很难处理，即使相似的知识产权框架也难以应用。目前政策层面对这个问题的处理方法是“回避”，中央层面《关于构建数据基础制度更好发挥数据要素作用的意见》以及广东、上海等地出台的法规，不约而同地暂时搁置了对数据权属的全面定义，而是强调了数据的使用权和经营权，目的是推动数据的开发利用和流通交易（江小涓和白京羽，2023）。[2]在政策文件中可以这样处理，但在学术体系中这是一个缺陷，即逻辑不彻底和框架不完善。二是数据可以复用。数据用多少次都依然存在，也可以被多个组织或个人共享。经济学研究稀缺资源的配置效率问题，数据的复用性使它的稀缺性发生改变。数据要素可以重复使用就能够多次创造价值，因此有观点认为需要将数据要素视为公共品，带来社会总福利的增加。这些特点和观点都使数据难以放到传统要素的框架中去处理。三是数据价值快速折旧。数据和其他要素相比的一个特点是有大量的数据“存量无用”，例如当消费者的行为数据被作为平台智能推送广告的数据时，去年的数据没有什么用处，每个人的习惯都在改变之中，从经济学的角度看就是存量数据无用或者快速折旧。

所以我们可以沿着“数据要素”这个思路去思考，但很可能需要思考和重新定义“要素产权”“要素市场”“资源配置”这些基本概念的前提和规定，寻求更完善和有效的分析框架。

这里举一个例子，智能化生产过程使一个生产过程有两组产出：数字形态与实体形态，即所谓的数实孪生。图1中，左侧是实物产出，右侧有很多数据内容产生，数据、数据机理模式、数字孪生体、数字元宇宙模块等，那么右侧是新增加的生产要素，还是新产出的数据产品？如何测度其价值？传统的投入产出表如何调整？这些问题令人困惑。笔者记得20世纪70年代联合国用一个宽泛的概念定义“服务贸易”时，时任美国统计学会会长曾说过：这个定义对赞同服务贸易发展并强调其重要性的学者来说是“天使”，对统计学家来说则是“恶魔”（大意如此）。当下数据被定义为“生产要素”，统计学者或许有相似体会。

“数据要素市场”是一个有“中国特色”的理论和实践问题。如果跳开从“要素市场”这个角度的“中国式”思考，数据权属问题同样复杂，比照现有权利类型都有错位。如果想将其定义为人格权，那么数据不仅包括个人数据，还包括非个人数据（如工业数据等），更复杂的是许多数据是多种来源数据的混合体，非个人数据和混合数据明显不具有人格属性，因此人格权无法覆盖数据权范围。如果想将其定义为物权，而物权具有明确的排他性，数据之上可以同时承载多方主体权利、不具有排斥他人权利的属性。比如个人在使用App（应用程序）时产生的数据，个人和App企业均可对其主张相应的数据权利。就连各方认为最相似的知识产权，也存在明显的不匹配性，例如知识产权中的著作权强调表现形式的独创性，专利权强调发明创造，而数据权属显然无法与知识产权相契合。毫无疑问，数据是一种新型权利，但如何从学术规范的角度定义其属性，目前仍是一个没有共识的问题。

二、数字时代服务业性质改变问题

认为服务业效率低，是经济学由来已久的主流观点。以亚当·斯密为代表的古典学派就认为，那些能有效使用技术设备、吸引投资和带来财富积累的产业才是生产性的，主要指制造业。而服务业是非生产性的，包括公务员、军队、律师、医生、艺术家、家仆和其他私人服务等，这些职业的共同特点是不能应用先进技术扩大生产和积累财富。[4]在斯密时代及稍后，这个观点非常流行。[5]维克托·富克斯（Victor Fuchs）是现代服务经济理论的重要开创者，他在1968年出版的专著《服务经济学》已经成为服务经济研究的经典之作。[6]他强调服务业效率较低，并将其归为技术、劳动力素质和资本密集度等因素所致。[7]

威廉·鲍莫尔（William Baumol）1967年发表的一篇论文成为迄今最著名的服务业研究经典文献。[8]他提出了“两部门宏观经济增长模型”。在他的分析中，按照生产率增长速度高低将经济分为“进步部门”和“停滞部门”，前者以制造业为代表，由于使用高效率的机器设备，劳动生产率持续提高。而在很多服务部门，服务过程需要服务提供者直接参与，劳动节约型技术应用空间较小，劳动生产率提升缓慢，被认为是“停滞部门”。[9][10]因此，服务业比重上升意味着资源更多地配置在低效率部门，这会带来经济增长速度的下降。

然而，在网络技术和数字技术的加持下，服务业一个日益增加的部分呈现规模效率和分工效率。从规模效率看，网络技术的广泛链接能力，使许多服务摆脱了“在场”这个特点的约束，改变最显著的是文化产业，线上音乐早已成为音乐服务的主要形态。再如话剧是一种现场观赏人数长期增长缓慢的文化产品，而2022年7月北京人艺的《茶馆》线上直播的观赏人数超过千万。特别是服务业分工的日趋广泛深入，促使服务业整体效率显著提高。

而生产者服务业同样极大地得益于网络和数字技术的发展。生产者综合服务平台可以汇聚海量全品类生产者服务，服务提供商和服务需求方无论身在全球任何地方，都能相互识别和产生交易。再如全产业链定制服务，消费者需求具有个性化偏好，生产者希望提供多元化定制服务，但长期以来这种意愿缺乏技术支撑。数字技术提供连接巨量消费者和生产者的能力，各方需求特点和供给能力都能在平台上呈现。平台同时提供智能化海量匹配能力，消费端搜索技术使消费者能够选择感兴趣的产品和服务，生产端个性化定制和智能分发技术精准满足消费者需求。在这个过程中，数字技术将链路中的每个节点都变得可视可算可交互，为平台提供了海量个性化全程协同能力（江小涓，2017）。[11]再如物联网提供的远程实时检测、监控和维护系统，使机器设备的售后服务体系及时高效。对以上变化的分析已有很多，但是在整体上重构服务经济学术体系和理论分析框架依然任重道远（如图2所示）。

三、数字时代产业组织创新问题

产业组织是公认受数字经济影响最突出的领域。一方面，各种交易成本的降低是数字技术最直接的影响。企业与市场边界不仅快速调整，而且形态发生改变，分工倾向于极致且高度弹性化。另一方面，大企业或大型网络组织管理成本极大降低，大企业与多元、个性、精准特点相容，垂直一体化和网络化生产组织迅速发展。目前看，两种形态并行推进，带来我们还不熟知的产业组织形态。这里列举一些典型领域。

首先是制造业分布式生产体系的产生。诸如“云工厂”、项目制式众包分工、开放式协作创新和网络化多主体协同等提法，大致都描述了这种分工产生的新的产业组织类型。这是由于在数字时代，许多产品技术迭代快，品类更新快，特别是对有些时尚品的需求速涨速消。传统以企业为中心的生产组织形态由于设备能力和员工技术固化，调整余量小，适应性差，面临新的挑战。数字平台能够链接大量企业、产线、设备、仓库和员工等，形成巨大产能池，按订单实时匹配各种资源，迅速组织起以产品为中心的分布式制造产线。这是一种在数字时代之前基本不存在的产业组织形态，学术界对这方面的分析还很不够。

以“云工厂”为例，这是一种通过平台承接订单并拆解制造过程分派给不同企业，针对每个订单组建个性化“云产线”的分布式协同生产模式。以宁波的协同制造平台“生意帮”为例，平台上有数以万计的小微工厂，有数十万台套各种设备，平台能够实时监控各生产设备的声音、电流、压力、温度等10余项指标以确保生产过程和产品质量稳定。接到订单后，平台将任务分解为多个零部件或多道工序，调用平台上此时闲置可用的设备和人力，组织起特定的生产线和产业链，这些设备和人力分布在不同企业中，生产完成后如无后续订单，产线就解散，有新订单时再重组新的生产线和产业链。现在在许多快消品领域，这种以产品为中心实时组织灵活生产线的模式已经成为重要的产业组织方式（江小涓和靳景，2022）。[13]其本质是以企业为中心的生产组织改变为以产品甚至以工序为中心的生产组织。

其次是分布式服务业生产体系的形成发展。数字技术使分布于不同空间中的服务片段能够在时间上同步，并在数字平台上共享，各部分进程的同步可视化协调使分工成为可能。由此带来的分工效率促进了服务业新业态、新模式的不断出现。[14]再以文化产业为例，前面《茶馆》的例子是远程可服务，但仍然是一组提供者（演员）在同一个空间提供完整的服务产品。而在数字技术支撑的分工形式下，多位身处异地的乐手共同演奏一首乐曲、合成一台音乐会成为可能，类似于将一个产品的不同零部件布局到不同的地点去制造。一个经典的案例发生在2018年（如图3所示），六位分布在世界各地的乐手同步演奏了一首乐曲，这首曲子可以在任何地点收听，不仅传输的总距离超过了2万千米，而且每一位乐手传输的距离都不一样，但在低时延高保真5G网络的加持下，分布在世界各地的听众获得的收听效果没有任何违和感，品质与现场相差无几。

四、研发和创新的产业组织新形态

这个问题本质上也是产业组织问题，但学术界的关注和分析较少，在这里特别强调一下。

一是分布式软件开放模式。这种模式也被称为开源模式。现在大数据和智能产业更多采用开源（open source）模式，开源起源于软件，指任何人都可以被授权自由地使用、复制、传播和改动的软件，并且其源代码是开放和共享的（Levy, 1984；金芝等，2016）。[16][17]开源模式可以汇聚众智、多方协同、开放共享、持续演化（Grand et al. ,2004）。[18]开源项目拥有海量数据，大量自动化协作工具，大范围连接产品、企业和产业，形成网状产业生态，构建大规模生产和应用场景，本质上是分布式的技术研发与应用。现在，全球97%的软件开发者和99%的企业使用开源软件，全球70%以上的新立项软件项目采用开源模式。区块链项目几乎全部开源，通过全球开发者的接力贡献快速发展和迭代。随着5G及相关技术迅速发展，“万物连接”成为趋势。开源分布式研发在更多领域快速部署，在产业互联网、车联网、云计算等领域重新进行研发和资源配置，支持多方协同创新协作生产，加快了技术和产品的迭代速度。2021年8月，全球领先的人工智能公司英伟达宣布向数百万用户开放Omni verse平台，为元宇宙的建立提供模拟和协作基础。该平台广泛连接软件公司与应用场景，采用开源标准支持包含数十亿设备的3D工作流程，行业设计师、艺术家和审核人员可随时随地通过该开源平台，在共享的虚拟世界中实时合作。截至2021年8月，有超过500家公司和5万多名专业用户在该平台上开发应用。在实践中，人们并不难理解互联网和数字时代的软件和技术开源的内在动力。万物互联时代，开源分布式研发能够不断扩大产业生态圈。然而，使用经济学理论中有关研发的传统框架分析开源模式，在权益分布、激励机制、信用赋能等许多方面都遇到逻辑不自洽的问题。

二是分布式产品研发模式。以前大企业有研发中心，中小企业可能聘请专业研发机构提供服务。有了数字平台之后，分布式研发机构快速发展。在数字时代，技术迅速迭代且要求广泛链接以获取数据，创新需要更加广泛的协作性。[19]同时，技术降低跨界跨地域链接成本，易于形成全球创新网络。近些年，数字化分布式研发与创新网络快速发展，平台汇聚大量研发资源，在研发项目分包和分布式开展的基础上，各个主体之间依托平台协同合作、并联推进，用户也可以深层参与，提高了研发活动的专业化程度和效率水平。以国内某专业数字研发平台为例，截至2023年2月，平台拥有超过32万人的工程师分散在世界各地，合作企业数超过1.7万家，平台拥有3个国内研发中心和6个海外研发中心。平台接到每项研发任务后，将其分解为不同模块，每个模块组织最合适的团队接包。例如平台要为客户开发发动机异型钢盖自动化产线，涉及17道以上的工序和产品开发，平台将每道工序进一步分解为113个模块，分配给来自中国上海、青岛、深圳、北京、苏州、南京和德国的32位工程师协同完成，总设计时间比常规研发设计缩短了近2/3。再如图4所示的智慧档案机的设计研究，由项目经理拆解为档案抓取装置、通信装置、车体动力装置、导向控制与安全装置、完整车体组装5个子项目，分别由位于德国和中国深圳、北京、上海和山东的4个机构和近15位研究人员参与研发协作。

三是开放型科学组织体系。当代科学研究对于未知的探索范围越来越广泛和深入，科学项目在投资强度、学科交叉、实验成本、参与人员等方面提出了更高的要求，以国际合作开展的大科学项目成为探索知识边界、解决全球重大科学问题的重要平台。目前，在天文学、高能物理、生命科学、空间科学等领域，向多国科学家开放的国际大科学项目成为推动重大科学发现的主流模式。例如有17个国家共同投资和运转的平方公里阵列射电望远镜项目，其接收面积达1平方公里，比当前同类设备的灵敏度提高100倍，搜寻速度提高1万倍，将有机会揭示宇宙最基本的科学问题。我国是“平方公里阵列天文台”的签署国，这表明我们对全球科学事业发展的开放胸怀和贡献（江小涓，2021）。[20]科学研究的开放合作还体现在数据开放方面。全球著名的人工智能研究机构DeepMind使用AlphaFold2模型，将人类98.5%的蛋白质进行预测。DeepMind将这些发现做成了数据集免费开源，供全球科研人员使用，受到世界科技界的肯定和赞扬。

自新型冠状病毒全球大流行以来，对于病毒科研资料与数据的开放和共享成为特殊时期科学研究的一个关键特征，一系列的开放工具平台建立起来供世界各国的科研工作者使用，在新冠疫情的应对中发挥直接作用。对及时发现毒株变异、预测疫情流行和采取应对措施发挥了极为重要的作用。2021年11月，来自博茨瓦纳和南非的科学家在同一天内将存在变异情况的基因测序数据上传至GISAID（全球共享流感数据倡议组织）数据库，引起科学界的迅速关注。随后，从发现序列异常到世界卫生组织将这一变异宣告为第五个关注变体即“奥密克戎”（Omicron）仅过去不到三天。

五、数字时代的公共治理问题

第一，数字技术导致政府与市场的边界出现变化。自市场经济出现以来，市场与政府的关系一直是制度设计与演进中的核心问题。长期以来，政府干预市场与社会活动的依据之一是市场主体的活动存在外部性，这类问题由于损益计算不能具体化，因此市场不能解决，必须由政府进行干预。例如企业污染排放引起的负外部性和非竞争产品带来的正外部性，都表明需要政府干预才能提高资源配置效率和提升社会福利。然而在数字时代，使用数字技术可以将有些外部性问题“内部化”，例如排放问题，由于网络广泛连接，海量算力和颗粒状信息可获得，负外部性可以计算和量化到个体，确保排放者付费，将外部问题内部化。再如有些公共品可以将正外部性“内部化”，从而具有了商业价值，私人部门愿意提供，例如公共媒体频道虽然不可收费却能广泛获客，带来广告价值和数据价值，因此市场主体愿意提供。还有，政府调控产业的一个重要依据是分散的市场主体信息缺失，行为有盲目性和缺乏预见性。现在大型平台和数据类企业拥有更实时精准的“全局”数据，智能技术正在迅速形成更强大的预见能力，这类产业政策存在的合理性是什么？因此，数字时代公共治理中“公共性”的边界会持续发生变化，需要恰当的学术理论分析和政策建议。

第二，数字平台带来的监管挑战。数字平台规模很大，市场控制力和社会影响都很大，是否需要监管和如何监管是社会普遍关注的问题，但是监管面对许多难题。一是大而管不了，一些消费者日常使用的大平台，出了问题肯定不能对其一关了之，有问题要整改但不得停运。二是快而跟不上，平台上的商户、商品和服务数量巨大，以百万、千万计，而且更新极快，外在监管力量完全跟不上。三是深而看不透，大平台都是上千项多层次投资项目及其他利益关联，不细查深查不易看透看准。四是新而看不懂，不同平台商业模式不同，相似平台也有很大差异，如视频平台哔哩哔哩、抖音、快手还有小红书，其经营模式有较大差别，而且各自都在持续创新，外部监管者对此看明白并理解到位已经很不容易，实施及时、到位、合理、恰当的监管的确有很大难度。因此，面对平台、数字技术，监管的理念和操作都要与时俱进，“长期稳定不变”和“全面完善普遍适用”等观念需要调整，看到趋势性的苗头就应该及时敏捷出台监管政策，并随形势变化及时修改完善和迭代升级，甚至可以一事一议，一个平台一策。总之，应对多变的数字世界，监管自身也需要不断创新，需要更新理念和方式。监管方式呈现从单一主体监管向多元主体合作监管转变，多种监管方式出现，形成政府、自律组织、消费者组织以及公民等多个监督主体共同协调运作的格局。时代已经改变，要全景式地理解变化，在新秩序结构中，寻求各种市场秩序、各类监管之间的最优组合，做到维护市场有序运转、多种主体利益平衡和整体社会效益的最大化。[21]

六、大数据和智能技术的两面性问题

一是大数据应用的多面性问题。从算法匹配供需双方的能力看，诸如“信息茧房”这种观点是将其视为一种负面应用。的确，大数据可以实时多元和深度探测个体的偏好与倾向，从而决定推送的各种信息，例如新闻推送和广告投放等。长期如此，会将个体锁定在某些特定的信息场景中，信息偏向很可能进一步强化认知偏向和价值偏向。但反过来思考，在如此海量信息的场景下，如果没有算法来智能匹配供需双方，那么彼此发现、交易和受益的成本会极高。从多源异构数据的挖掘能力看，相关方面可以分析挖掘人、车、时空、文件、事件等安全相关要素的潜在关联，从而看到人与事的时间与空间关联，例如在帮助分析医保诈骗事件时，这种异构数据的比对很有用。但是对数据的过分和不当使用，也可以形成对个人隐私和商业秘密的侵害，例如信用评级机构和招聘机构，如果挖掘个人信仰、肤色、种族、性别、婚姻状况、居住地点等信息并给予差异化对待，就是对人类价值观的伤害。

二是人工智能与人类价值观判断的差别。现在有一种说法是，不受人类主观影响的算法代表着更加公正。在当今社会，算法处理问题的速度非常快，我们认为“算法客观可靠，不会受人类主观性的影响”。这无疑是一种对技术客观性的理想追求。智能辅助办案系统、在线非诉讼纠纷解决等都是大量借助信息数字和智能技术，程式化、代码化地处理案件，意在创造技术规制条件下更具客观性、更为阳光化的纠纷解决情境，从而规避人性局限和排除人为因素的影响，努力做到标准一致、客观公正和“同案同判”，推进了智慧司法和法律服务的普惠效能。但是2019年3月法国出台了相关法律，禁止多种我们“赞赏”的大数据在司法领域的应用，其中一种是一致性分析：不得将特定法官办案数据进行大数据对比，分析特定法官特定案件与整个司法系统的一致性状况。这个决定涉及的理念很重要，一致性分析会使所有判决向平均结果靠拢，将多种倾向博弈产生的“平均数”固化为不可演进的绝对值。如果某种违法行为的判刑区间是三至七年，法官有酌情自由裁量权。但是有了所谓的大数据系统，法官搜一下别人怎么判，发现平均判刑五年，自己也判五年，因为取平均数会带来最少的争议和质疑。这听上去好像变得更加公正了，但是这种状况会使社会通过价值观改变和社会博弈产生的演进停滞。如果随着时间推移，多数法官都向三年这个轻判方向靠拢的话，就表明社会是有新的共识在形成，即“这个罪没有那么重”；相反，当所有的判案都向判七年靠拢的时候，表明社会认为“这是个重罪”，这种演进是人类社会最重要的进步方式之一，却会随着所有人在网上查询之后取平均数而停滞。随着人工智能的快速发展和应用，这种情况在社会问题领域将是一个普遍的大问题。

七、数字时代的科技伦理问题

所有的科技都有负面作用。在每一次两面性突出的技术出现时，都引起了社会极大的担心，例如核技术、克隆技术和基因技术，这些技术的发展和应用始终伴随着社会的担心和不同的声音。不过在人工智能出现之前，科学共同体的力量、国家规制的力量和国家间合作的力量共同发挥作用，其负面性并没有成为突出问题。以核技术为例，科学共同体发挥的作用有：1955年的《罗素-爱因斯坦宣言》（The Russell-Einstein Manifesto）提出谨慎使用“核技术”,1957年的“帕格沃什科学和世界事务会议”致力于防范核武器对人类的毁灭；国家间合作发挥的作用有：核国家承担不扩散核武器义务，允许无核国家获取和平核能技术等一系列国际规范，推动形成了《不扩散核武器条约》、《全面禁止核试验条约》、联合国核裁军谈判机制、全球核安全峰会等约束机制。

但是数字技术、人工智能技术不同，这类技术的应用泛在而无形，同时又在急速发展。目前看，社会缺乏约束数字技术发展方向的平衡力量和思考时间，特别是数字技术与其他技术的结合，例如与生命科学结合之后，有能力迅速改变人类自身的生理、生活、认知和繁衍，很多变化是不可逆的，我们不应该把这样的变化交给市场竞争和社会博弈来解决。在这个时代，信息公开和公众参与比以往更重要，所有民众都有权对这种问题发声：我们要不要这种结果，我们要不要这样的改变。

从目前的发展态势看，人工智能快速发展使非人类参与的决策逻辑步步强化。确立数字正义下的社会秩序成为紧迫问题。权力主体、技术主体、市场主体、社会主体以及公民个人对数据、算力和算法掌握能力的差别，会破坏各方已经形成的制衡关系。数字鸿沟、算法黑箱、算法歧视、数据画像等，改变了政府与社会、群体与个人、自我与他人的关系，自由、平等、权利、公平等价值诉求及其现实利益也随之面临重大调整。同时，重构数字时代个人权利与义务的均衡也成为新的突出问题，传统的自由、平等、民主等权利和法制、责任、公德等义务的平衡，在数字时代都有新的内涵和实现方式。个人在网络空间信息获取、契约签订执行和民主参与等方面权利拓展的同时，也要面对隐私缩减、信息混杂、确定性消减等方面的问题。全社会需要共同努力，按照数字时代的特点重新构建社会秩序，新平衡的建立要考虑数字技术文明与传统人文价值两个方面。

总之，中国是数字消费大国，是产业数字化大国，是数据生产和应用大国，在理论研究、学术体系构建以及人才培养等方面应该有突出贡献。适应数字时代的经济学与公共管理学术体系的构建有滞后有错位，需要付出努力，提升理论与实践的匹配度。这个领域含有大量高浓度的学术理论问题，我们在这个领域从事教学研究工作，既肩负时代重任又面临广阔创新空间。希望各位同行共同努力，推动中国数字经济和数字治理学术理论水平的提升，走向全球学术界前沿，并为国家数字经济发展和数字问题治理提出有学理支撑的战略和政策建议。

[1] 江小涓，中国社会科学院大学教授，中国数字经济发展和治理学术年会主席团主席。

[2] 江小涓，白京羽.构建数据基础制度体系的有力举措[N].人民日报，2023-01-09（09）.

[3] 江小涓，靳景.数字技术提升经济效率：服务分工、产业协同和数实孪生[J].管理世界，2022,38（12）:9-26.

[4] Smith, A. , An Enquiry into the Nature and the Causes of the Wealth of Nations, Opening sentence of Ch. V, Book I.转引自让-克洛德·德劳内，让·盖雷.服务经济思想史：三个世纪的争论[M].江小涓，译.上海：格致出版社，上海人民出版社，2011.

[5] “这是一个长长的名单”，由保罗·斯图登斯基（Paul Studenski）列出。参见让-克洛德·德劳内，让·盖雷.服务经济思想史：三个世纪的争论[M].江小涓，译.上海：格致出版社，上海人民出版社，2011:6-22.

[6] 维克托·R.富克斯。服务经济学[M].许微云，万慧芬，孙光德，译.北京：商务印书馆，1987.

[7] Victor R. Fuchs. The Service Economy [M]. Columbia University Press, 1968.

[8] Baumol, W J. Macroeconomics of Unbalanced Growth: The Anatomy of Urban Crisis [J]. American Economic Review, 1967,57:415-426.

[9] Baumol W J, Blackman S A B, Wolff E N. Unbalanced Growth Revisited: Asymptotic Stagnancy and New Evidence [J]. American Economic Review, 1985,75:806-817.

[10] Baumol, W. J. , Blackman, S. A. B. , Wolff, E. N. Productivity and American Leadership [M]. Cambridge: MIT Press, 1989.

[11] 江小涓.高度联通社会中的资源重组与服务业增长[J].经济研究，2017,52（3）:4-17.

[12] 江小涓.高度联通社会中的资源重组与服务业增长[J].经济研究，2017,52（3）:4-17.

[13] 江小涓.高度联通社会中的资源重组与服务业增长[J].经济研究，2017,52（3）:4-17.

[14] 这方面的细分讨论较多，较为概括性的国内研究参见：江小涓.高度联通社会中的资源重组与服务业增长[J].经济研究，2017（3）；江小涓.网络空间服务业：效率、约束及发展前景[J].经济研究，2018（4）；江小涓.网络时代的政府与市场：边界重组与秩序重构[J].比较，2019（101）；谢康，吴瑶，肖静华.数据驱动的组织结构适应性创新：数字经济的创新逻辑（三）[J] .北京交通大学学报（社会科学版）,2020（4）.国外论述参见：A. Goldfarb, C. Tucker. Digital Economics [J] . Journal of Economic Literature, Vol. 57, No. 1,2019:3-43.

[15] Prelude in C Minor BWV 847 for Six Instruments by Sansar [Z/ OL].2019.

[16] Levy, Steven. Hackers: Heroes of the Computer Revolution [M] . NY: Anchor Press/ Doubleday, 1984.

[17] 金芝，周明辉，张宇霞。开源软件与开源软件生态：现状与趋势[J].科技导报，2016,34（14）:44-50.

[18] Grand S, Krogh G V, Leonard D, et al. . Resource Allocation beyond Firm Boundaries: A Multi level model for Open Source Innovation [J]. Long Range Planning, 2004,37（6）:591-610.

[19] 2010年，全球38.7%的技术发明来自个人发明，61.3%的发明来自团队合作发明；2017年，个人发明占全球发明的比重下降到32.3%，有67.7%的发明来自协作创新。参见：世界知识产权组织（WIPO）.创新版图：地区热点，全球网络[R].2019-11-18.

[20] 江小涓.以开源开放为抓手形成科技与产业新优势[N].人民日报，2021-08-31（09）.

[21] 江小涓，黄颖轩.数字时代的市场秩序、市场监管与平台治理[J].经济研究，2021,56（12）:20-41.