彭文生 发表于 2020-09-21    来源于：彭文生 6park.com


来源： 中金点睛



中金研究团队在首席经济学家、研究部负责人彭文生博士的带领下，对数字经济这一意义重大、影响深远的课题从宏观经济、行业及投资等维度进行了全方位的研究。全课题成果近20多万字，下面是课题研究成果的概要版，全文版见中金近期推出的主题研究报告。



前言



1918-1920年，罕见大流感造成全球数千万人死亡。2020年，似曾相识的疫情再次来袭，但疫情对人类造成的生命损失已经减弱了很多。这是多种力量的共同结果，从经济层面看，数字经济的作用不容忽视。例如，全民居家的大隔离中，线上娱乐、线上社交等有效缓解了隔离对民众心理的负面影响；云会诊、AI图像诊断等提高了医护人员的战疫效率；线上办公，在一定程度上缓解了疫情对正常生产秩序的冲击。




一、数字经济：下个十年



上述积极作用在很大程度上得益于数字经济的无接触特点。长期以来，人类作为社会性动物，社会活动基本上建立在人与人直接接触基础上。由于病毒传播也依赖于人与人密切接触，无接触的数字经济在人类对抗病毒时便有了得天独厚的优势。这种特点可能会对人类社会组织模式产生革命性影响。正如本报告的“未来畅想篇”所描绘的，未来或是这样的：伴随着人工智能、量子计算的颠覆性进展，几十万年以来未曾质变的“自然人”渐行渐远，“数字人”成为人类参与社会互动的基本形式，甚至会实现“数字化永生”。



当然，这样一种质的跃变不会一蹴而就，仰望星空的时候我们也要脚踏实地。就当下而言，最重要的问题是，数字经济会在未来几年大发展吗？尤其是，无论是因为人为的疫苗，还是自然的群体免疫或者病毒均值回归的变异，即使像1918年大流感那样可怕的瘟疫，终将会过去。这是否意味着当前数字经济的蓬勃发展将是昙花一现？我们的答案是否定的。



2019年年底，我发了题为《下个十年：数字经济》的文章，提出：展望未来10年，人口老龄化和金融周期下半场调整将带来经济增长下行压力，也必将影响经济结构。这两种力量已经发生了，相关的研究和讨论也很多，总体来讲难以乐观。前瞻来看，现在的关键问题是，什么是影响中国经济未来10年发展的具有系统重要性而大家的理解和认识还很不够的新增因素？我认为是数字经济。




二、中国数字经济：两头弱、中间强



今年，我们统筹整个中金研究部的力量，从宏观、中观、微观，实体到金融、经济分析到投资建议等多个维度对数字经济发展进行了系统性研究，形成了这篇总计六章的报告。前面提到的“畅想篇”是第六章的主题，这一章主要从未来学家视角为我们勾勒一幅数字经济社会可能的远景。就像五十年前看现在，我们看数十年后的数字经济场景，也颇有些科幻感觉。



“脚踏实地”的研究工作主要由其他几章承担，其中，第二、三、四这三章从产业角度对数字经济进行剖析。行业层面，中国数字经济呈现 “两头弱、中间强”的特征，平台经济跻身世界一流，偏硬的核心层以及产业数字化还有很大发展空间。尤其是半导体问题，伴随着世界大变局日益突出。半导体之外，核心层还有什么不足和优势？未来会是怎样的发展路径？这是第二章重点讨论的问题。



第三章聚焦于应用层，尤其是平台经济。一批平台企业崛起带动了中国数字经济发展，疫情下的社交隔离使平台经济再次加速。为什么平台经济有如此大的魅力？行业又在酝酿着什么样的监管风险？下一个平台经济的巨头会出现在什么领域？我们将在这一章中进行详细分析。



第四章聚焦于产业数字化，即数字经济对实体行业的赋能、改造与升级。与平台经济相比，产业数字化进程却慢许多。对于实体传统产业，数字经济究竟是破坏式创新，还是升级加速器？有哪些投资机会值得挖掘？这是第四章的落脚点。



对于数字经济下股市投资机会更加系统性的分析，呈现在第五章中，主要探讨四个问题：如何理解当前数字经济的高估值？数字红利的企业表现是什么？如何影响资产定价？数字浪潮中的大趋势及投资展望如何？




三、宏观视角：赋能人还是替代人



与前述产业和投资层面的研究相比，业内对数字经济宏观含义的探索相对少一些。部分原因可能是存在一些令人费解的宏观悖论，以美国为例，过去十余年数字经济快速发展，美国劳动生产率增速却是下降的，这与技术进步提升生产率的通常认知相悖。如何理解？



我们在第一章的宏观分析中对这种现象进行了解读，一个视角是劳动力产业结构配置。技术进步快的行业效率提升，供给增加，由此导致的“剩余劳动力”转向效率低、供给不足的行业，后者在经济中的比重上升，整个经济加权平均的劳动生产率增速就会相对较低。实际上，关于数字经济宏观层面的含义，劳动力视角的分析是关键，数字革命导致的结果是机器替代人还是赋能人？在第一章中，我们将以此为切入点，对产业结构、国际贸易、收入分配和数字鸿沟等关系内外循环的问题做一些分析。



内循环方面，未来十年最确定的趋势可能是人口红利渐行渐远，劳动力供给下降的问题日益突出。无论是机器替代人，还是机器赋能人，都有利于减缓老龄化对经济增长的负面影响，但结构含义有很大不同。基于资源禀赋的差异（中国劳动力成本较低、人口密集度较高），比较中美数字经济发展过程，中国更多呈现机器赋能人、劳动友好型特征，美国更多是机器替代人、资本友好型特征。



外循环方面，疫情对制造业贸易形成了一定威胁，数字经济加速发展却展示了服务业可贸易性增强的广阔前景。展望未来，数字经济发展将降低制造业的可贸易性（机器替代人），增加服务业的可贸易性（机器赋能人），有可能成为外循环新动向，服务贸易有望成为提升生产率的新动力。对中国来讲，如何促进已有先发优势的平台经济的跨境业务发展是尤其值得重视的问题。




四、数字经济下的一些冷思考



以上六章是这篇报告的主要内容，重点从经济和市场角度对数字经济进行系统剖析，揭示了未来发展的巨大潜力及其影响，总体来讲，偏正面的观察和结论较多，对负面的影响分析不深。这样一场深刻的数字革命显然不会只有帕累托式改进，只是人们对问题和风险的认知还存在较大的分歧。爱因斯坦有句名言，“提出问题往往比解决问题更重要”，就数字经济而言，有四个方面的问题值得我们关注和思考。



1、新的垄断问题。数据是数字经济时代的核心生产要素，数据的采集、加工与使用具有明显的规模经济与网络经济性，低甚至零边际成本意味着创新创业的门槛较低，但先发企业能够凭借自我增强的大数据优势来实现与固化垄断地位。按照熊彼特的创新理论，垄断和创新有天然的联系，没有垄断的收益就难有创新的动力，但到了一定规模后是否阻碍竞争就有争议了。尤其是平台型企业往往跨产品跨市场补贴经营，传统的评判垄断的标准，比如是否提升消费者面临的价格、是否提升某个产品的市场份额等不再适用。巨无霸的数字经济企业可以凭借大数据资源垄断构筑起自我强化的进入壁垒，不但潜在竞争者难以短时间突破，甚至还能够对公权力形成威胁。



以Facebook的Libra计划为例。根据2019年1季报披露，每月有23.8亿用户频繁使用Facebook的网络产品，远超出了一个主权国家覆盖的范围。以至于即便Facebook宣称Libra要挂钩美元，美国国会依旧对其抱有谨慎态度。近些年欧美对FAAG等数字经济龙头发起反垄断调查，但对这种新型垄断究竟采取体制规制（regulation）还是行为监管（supervision），讨论还很不充分。



2、新的贫富分化问题。虽然数字经济的发展在现阶段在中国有劳动友好型的一面，但中国也难以避免数字经济加大收入分配差距的共性的一面，数字技术使得明星企业和个人可以用低成本服务大市场，少数人和企业赢者通吃。美国有学术研究显示，过去40年劳动者之间收入差距的扩大，主要反映（同一行业内）受雇企业之间的差别，而不是职业之间的差别。这背后一个重要的相关问题是数据产权没有明确界定，相关企业对大数据资源免费的、排他性占有，实际上是独占了关键资源的垄断租金。如何界定大数据产权归属？对于这种垄断租金，应该采取管制方式，还是征税方式？如果征税，如何确定税基、税率？数字经济越壮大，这些问题越不容忽视。



与此同时，数字经济也丰富了应对贫富分化的政策工具：数字移民和数字货币。解决区域发展不平衡的传统办法通常是劳动力转移，或者产业转移。数字经济创造了一个新思路，即“数字转移”。例如，大企业将客服中心布局在欠发达地区，劳动力无需转移就可以享受发达地区的辐射带动，可以看作是“数字移民”；数字新基建催生了网络直播、云旅游等方式，将欠发达地区的风土人情、青山绿水等特色资源“运输”到发达地区，“产业数字化转移”增加了当地人收入。



数字货币方面，中国人民银行DCEP重点在于发展电子支付手段，但从长远看，数字货币的发展可能对现有金融体系产生颠覆性的影响，促进普惠金融、降低金融的顺周期性，有利于结构性导向的财政政策更有效发挥作用，更好地平衡效率与公平的关系。



3、新的国际冲突风险，可能来自三个方面：服务贸易、国际征税以及数据主权和安全。第一个容易理解，就像制造业贸易量扩大后会产生国际摩擦，服务贸易量扩大也可能带来纠纷，中国需要积极参与适应数字经济时代的国际贸易规则的变革。



税收方面，针对数字经济绕开现行征税准则的逃、避税问题，国际上讨论比较多的替代性方案是基于用户征税，这需要进行国际协调，以确定各国所属的应税税基。在世界大变局背景下，国际协调难度正在变大。



更大的国际冲突风险可能来自于国家安全或者说数据主权问题。美国和印度近期对中国的平台企业的不友好做法，固然存在政治层面的原因，也反映了一个问题：大数据归属是否涉及到主权甚至是国家安全问题？近期，中国更新了《中国禁止出口限制出口技术目录》，新增了“基于数据分析的个性化信息推送服务技术”，似乎也印证了大数据及相关技术对于国家安全的重要性。



4、社会治理面临的挑战和机遇。“数据饥渴”症容易造成过度采集、数据滥用和管理失控等侵犯消费者隐私的问题，2018年，媒体披露一家数据分析公司利用Facebook泄露的5000万用户信息，在2016年美国大选期间精准定位目标选民。近期，苏州文明码也引起社会对个人隐私数据应该如何使用的讨论。



从经济层面看，对保护个人隐私也有很大争议。有观点认为过于严格的个人隐私保护不利于数字经济发展、降低社会福利；另一派则认为，如果不保护隐私，消费者将被相关企业实施价格歧视，数字经济或压榨所有的消费者剩余。因此，从公平角度看，立法保护隐私数据是必要的；从效率角度看，隐私保护的关键可能在于度，甚至需要设计状态依存的保护制度。



总之，数字经济在改变我们工作和生活的方式，这篇报告就其在经济和金融层面的影响，力图提供一个有体系的分析和探讨。数字经济方兴未艾，对很多问题的思考需要根据形势发展深入推进，我们将持续跟踪研究。



中金公司研究部负责人、首席经济学家
彭文生
2020年9月于北京
---------------




第一章 数字经济的宏观及理论分析


疫情加速全球数字经济发展



进入21世纪，数字经济迅速发展，并以在线交易、物流跟踪、移动支付、远程交流等多种形式便利着人们的生产生活，在国民经济中的重要性越来越高。2020年初，新冠疫情的爆发更加速了这一趋势。疫情期间，为了控制新冠病毒传播，各国政府几乎都对人员的流动和聚集进行了不同程度的限制。高峰时，全球同时有接近1000个城市实施社交隔离，有超过250个城市采取了封城的举措。在社交接触受限的情况下，许多企业被迫将与员工和客户的互动转移到线上进行，数字化运营成为这些企业维持业务至关重要的方式。为了拓展生存空间，许多企业更显著加速了他们的数字化战略布局。一项针对全球2569家企业的调研发现，本次疫情将全球的数字化进程至少提前了5-7年。



数字经济的特征


数字经济的三重划分



在文献中[1] ，对数字经济认可度较高的一种刻画方法是按其组成划分成三个层次进行诠释。数字经济的第一层叫核心层，包括硬件、软件以及信息和通讯技术（ICT）等。第二层叫狭义的数字经济，还包括基于数据、信息网络和数字技术应用的新商业模式，例如数字服务、平台经济，以及共享经济、零工经济等介于平台经济和传统经济之间的模式。狭义的数字经济中包含了最具代表性的平台经济，它也是数字经济最核心的商业模式。第三层是广义的数字经济，覆盖的范围还涉及了与传统的制造业、服务业的数字化相关的电子商业，还包含了新出现的万物互联（IoT）、工业4.0、精准农业等，反映了经济生活的各个层面所参与的数字化转型。






中国数字经济的区域和国际特点



从区域发展的角度来看，中国数字经济具有两个鲜明的特点。



第一，全国广义数字经济发展并不均衡，经济越发达的省份，数字经济发展越活跃。根据中国信通院的数据测算[2]，2019年全国各省广义数字经济增加值占GDP的比例处于16%到53%之间，经济越发达的地区，数字经济占GDP的比重越高。整体来看，东部沿海经济带和长江经济带数字经济的比重要高于中西部和东北地区。而在东部地区，长三角和粤港澳地区各省的数字经济发展相对均衡，但京津冀地区的数字经济活动则主要集中在北京和天津。



第二，全国各省数字经济核心层GDP占比分化较大，但非核心层分布却相对均衡。这个特点与数字经济各层次不同的发展要求密切相关，或许可以为欠发达地区如何侧重发展数字经济提供指引。就数字经济核心层而言，它是数字经济中的“重资产”层，与数字技术的基础设施研发和制造密切相关。发达地区在发展核心层上先天具备更好的基础设施支持，容易形成竞争优势。但数字经济非核心层对传统“重资产”要素依赖度较低，反而是欠发达地区的一些具有差异性和创新性的“轻资产”要素，相对稀缺，更容易形成竞争优势。利用这些要素，欠发达地区可以拉近与发达地区数字经济发展方面的差距，甚至还能实现局部反超。
 




从国际发展角度来看，特别跟美国相比，中国数字经济整体还呈现“中间强，两头弱”的特点。中美是数字经济规模最大的两个经济体，其数字经济发展各具特色。比较而言，美国在核心层和广义数字经济方面占据优势，但中国部分数字平台的发展更快。根据联合国贸易和发展会议估算[3]，2017年中国数字经济核心层总量占GDP比重为6%，低于美国的6.9%，规模上每年少了近7千亿美元，这可能反映了美国在数字经济核心层研发方面的优势。但是在电商以及数字金融等平台经济方面，中国的发展则快于美国。2019年中国电子商务交易额达5.1万亿美元，是美国的8.4倍[4]。从增速来看，2011年至2019年，中国电商平台交易规模年复合增长率23.3%，远高于美国的14.7%。中国的移动支付规模也大于美国，2018年中国移动支付规模为4140亿美元，而美国仅为640亿美元，不到中国的六分之一。我们认为这可能反映了中国在数字经济的商业应用上，具有应用场景多、市场规模大、创新阻碍小的优势。



不过根据中国信息通信研究院的测算，中国的广义数字经济规模却远小于美国。2018年，中国广义数字经济占GDP比重为34.8%，而美国达到了60.2%；从数字经济的内在结构来看，美国非核心层数字经济规模达10.8万亿美元，高于中国的3.8万亿美元，同样美国非核心层数字经济占广义数字经济比重为87.7%，也高于中国的76.5%，这说明美国各行业与数字化融合的程度较好，同时也说明中国在广义范围的数字经济中，还有较多的发展潜力。




数据——数字经济的微观基础



作为新生产要素，数据对数字经济生产有三个层面的含义：一是同传统生产要素一样，数据质和量的提升可以提高数字经济产品的质量和数量；二是数据同传统要素一样，不仅本身可以参与产出分配，同时还会影响各要素之间的替代关系，进而改变劳动与资本间的收入分配关系；三是数据具有迥异于传统要素的属性，这构成了数字经济区别于传统经济特征的微观基础。





数据作为生产要素，它的特殊属性是数字经济表现出与传统经济不同特征的微观基础。在新冠疫情中，数据的无接触属性被充分展现，它背后代表的是数字技术发展导致的远程沟通交流成本降低。而在其它不同的属性之中，还有三大属性值得关注。



（一）非竞争性



数据第一个重要的属性是非竞争性，即单个使用者对数据的使用并不会损害其他使用者对数据的使用。这让数字服务或数字商品等依赖于数据的数字经济模式也具有了非竞争性的特点。这种非竞争性不仅体现在物理空间上，也体现在时间上。例如传统的餐馆中若客人满了，其他客人就需要排队等待，或者承担餐馆拥挤的不便利，这就构成了物理空间的竞争性。但数字经济中，数据的非竞争性可以降低物理空间的竞争性。比如正常情况下，一个人使用ZOOM会议软件并不会影响其他人的使用，也不会增加其他人使用的边际成本。类似的，数据的非竞争性也会带来数字经济在时间上的非竞争性，比如人工客服一次往往只能服务一个客户，但是由于算法的非竞争性，AI客服就不存在这样的限制。



有人说数据是当代的石油，是重要的生产要素，这话只对了一半。数据是生产要素，可以影响经济活动的效率和经济结构，从这个意义上讲，数据和石油具有相似性，但数据和石油还有其它根本性的差异。石油开采出来后，使用了一桶，世界石油总量就少了一桶，别人无法使用，但数据可以快速批量复制，同时它的使用并不会导致数据量减少的问题。数字经济中很多产品以数据为基础，数据的非竞争性也让这些产品同样具备了非竞争性的特点。



（二）零边际成本带来规模经济



数据的另一个属性是复制成本低，甚至是零边际成本，这为数字经济带来了规模经济效应。规模经济在经济学教科书中往往指当生产规模变大时，生产的平均成本下降，平均生产效率因此得到提高。传统经济活动也有规模经济效应，例如一家汽车制造厂，当汽车年产量从10万辆提高到100万辆时，分摊到每辆车的固定成本可能就会下降许多。不过传统经济的规模效应是有限的，因为一台机器的使用率是有限的，要多生产汽车，就必须要增加更多的厂房，购买更多的机器设备。然而数字经济不一样，例如微信的服务器能同时服务几亿人甚至几十亿人[5]，开发微信应用的成本可能很高，但复制和安装微信应用的成本非常低，所以规模效应非常大，这就体现了所谓的零边际成本的优势。



传统经济的边际成本会随着产量和规模的扩大而下降，但难以降到零，甚至到达一定限度后成本还会上行，规模效应也会受限，但数字经济中，由于数据的复制成本很低，所以基本不存在这样的限制。



（三）网络效应带来范围经济



数据还有一个重要的属性，就是数据本身具有正的外部性，即随着数据量的增大，数据的边际价值会增加，其中的一个体现就是数字经济的网络效应。所谓网络效应，指的是某一件商品或服务的价值会随着使用人数的增加而增加。这个概念早期发源于固定电话的使用，固话用户人数越多，使用固话服务的吸引力也就越大。有别于传统商业模式服务单边市场，数字经济中很多商业模式可以服务多边市场，典型的例子包括社交平台、电子商务平台等。对于这些商业模式而言，市场各边使用的人越多，平台的价值就越大，就更容易吸引用户加入，进而使得这些商业模式的跨产品补贴、甚至免费服务成为可能。仍然用微信举例，我们使用微信是因为身边的朋友、同事、亲人都在用，联系起来方便，但如果某个社交软件使用人数很少，那么即使免费对很多人而言也没有吸引力。



网络效应不仅会让相关数字商业模式的体量迅速扩大，还会带来范围经济效应。所谓范围经济效应，指的是企业同时生产多个产品时，其边际利润比单独生产一个产品要大。比如说早期亚马逊网站的主要业务是图书销售，通过收集挖掘读者反馈的信息，亚马逊网站能够找到当前读者最喜欢的书的种类和作家，因此可以签约最受市场欢迎的作家，让自己进入发行商领域。进入亚马逊购书的读者越多，亚马逊越能收集数据以降低与读者之间的信息不对称，从而使其更容易出版受读者欢迎的图书，因此获得范围经济（需求方的范围经济）。再比如说使用微信某种服务的人数越多，将该种服务扩展到另外一种满足客户需求的服务的成本就越低，也会带来范围经济效应。因为随着微信用户人数的上升，利用客户使用不同服务的信息，在不同服务线上做针对性产品的推广，可以降低各个服务运营的成本。这些都是需求端的网络效应给数字经济带来范围经济的例子。



从土地、到生产性资本、再到数据，人类生产活动中使用的生产要素的接触性和竞争性越来越弱，而生产要素所能产生的规模经济、网络效应和范围经济效应却越来越强。比如传统的生产要素，土地（也就是空间），一个人占用的空间越大，其他人占用的空间就越少，竞争性最大。生产性资本的竞争性比土地小，比如同一台机器设备可以多个人轮班用，提高了使用率，但这种非竞争性的潜力有限。而反观数据要素，数据使用的竞争性最小，但是带来的规模经济、网络效应和范围经济效应却最大。这里的一个重要含义就是数字经济的生产效率提升潜能要高于传统经济。



平台经济——新商业模式



平台经济是数字经济中最具代表意义的新商业模式，是数字经济价值创造的重要推手。我们这里讲的平台经济，是指依托于数据收集、数据分析等数字硬件和技术之上的数字平台经济，它可以降低物理空间的限制，联结更为广泛的人群。




多边市场与价值创造



平台经济与传统经济最大的区别在于，平台经济是多边的，而传统经济是单边的。平台经济是为了满足多边的客户群体而存在的，所以平台经济创造价值，就是依靠将不同的个体和机构汇集起来，并且让他们相互交换价值，这与传统的单边商业模式有所不同。





传统的单边商业模式依赖于生产厂商将一种商品推销至消费群体。比如面包作坊要创造价值，就需要烘焙面包并销售给需要面包的人群，汽车厂商要创造价值则需要制造汽车并销售给需要汽车的消费群体。传统的商业模式中，价值创造是线性的、单向的，依赖于生产一种商品或服务，并把它们销售给客户，从而获得收益。从生产者到消费者这个路径非常直接，商品在上游被生产，在下游被消费。



与之不同的是，平台经济的商业模式更多起到的是促进价值相互交换的作用。平台经济模式需要同时迎合多个用户群体的需求，这些用户群体在某种程度上相互需要，并且依赖平台将他们聚集在一起，最终完成价值交换，甚至由于网络效应，平台使用人数越多还会吸引更多的人使用这个平台。在这里，平台经济的价值创造不是线性的，也不是单向的——它是网络化的、相互的。



数字平台有不同的分类，根据业务的不同，数字平台大致可以分为三种类型：交易平台、创新平台以及两者结合形成的混合平台。





创新平台一般提供了一个通用的技术平台，以便其他个人和机构在此基础上开发相应的产品或服务。例如智能手机，其产品和服务大多是由第三方公司在谷歌的Android系统或苹果的iOS系统基础上开发提供。交易平台则提供了一个参与者进行商品、服务或信息交换的中介。平台参与者越多、功能越齐全，其影响力也就越大。交易平台主要通过收取一定的交易费或广告费来盈利。混合平台则同时包含创新平台和交易平台的特征。在过去的十年里，有越来越多创新平台成功地将交易平台整合到它们的商业模式中，例如苹果的 Apple Store，在提供创新平台的同时也为一些游戏或者功能应用生产商提供了交易平台。



受益于平台经济的价值创造模式，平台型企业近十年飞速成长。从2009年到2019年，全球市值最大的十家上市公司里，平台企业已经从最初的2家上升到8家，而平台企业在这10大企业的市值占比更是从原先的20%左右扩张到90%，远超传统企业的成长步伐。



平台经济之所以可以越来越壮大，一个重要的原因就是，在网络效应的驱动下，一个对用户有价值的生态系统可以随着用户的增多而变得对用户更有价值。平台一边的用户越多，该平台对其他用户群体就越有价值。这种动力使得平台能够以传统的、单边的企业无法做到的方式扩大规模。平台的增长主要通过在生态系统中增加参与者（数据要素的增多），而非通过增加物理资源或直接的劳动力资源。




平台经济的宏观影响



平台经济的快速发展呈现出“垄断化”和“生态化”等特征，并会对隐私保护和劳动力市场等宏观层面产生较大影响。



所谓平台的“垄断化”是指平台网络效应的不断增强将会对用户产生“锁定效应”，提高用户转移时的社交和财富成本，从而使得个别平台垄断市场，导致“赢者通吃”的局面。当前，平台经济中的巨头企业已经具有了较大的用户体量和较强的网络效应，随着其技术的进步，对用户偏好把握的精准程度不断提升，为用户创造的价值越多，其“锁定效应”也就越强。在这种情况下，其领域中的其他企业由于难以为用户提供足够的网络效应而日渐式微，最终退出市场或被兼并，导致平台领域出现巨头独大、赢者通吃的局面。



而平台的“生态化”则是指平台企业将其核心产业或技术的关联产业都纳入到平台中，为这些产业提供支持并获得反馈，从而形成一个价值网络，匹配多种交易关系，发挥多元主体之间的互补作用。在平台发展到一定阶段后，利用范围经济效应打造一个全方位的平台生态将会为平台经济提供新的、动态的经济增长点，并推动平台规模的不断扩张。例如，以云计算平台为基础，亚马逊将电子商务、生活娱乐、金融、营销管理等产业都纳入到其大平台中，呈现出生态化发展的特征。



“垄断化”和“生态化”的发展趋势本质上是平台边界的扩张和集中特征的加强，在提高生产效率的同时，也可能威胁市场的自由竞争和用户的个人隐私，这对市场监管和隐私保护提出了要求。在市场监管上，网络效应使得多边市场与单边市场存在着本质的区别，传统的市场监管已经无法适应，需要新的标准和手段对平台型垄断进行判断和处理。在隐私保护上，平台用户规模越大，业务范围越广，掌握的用户数据也就越多越详细，此时，用户的隐私权保护、用户数据的归属和使用等问题的讨论就会变得越发有意义。



此外，平台经济也会在组织结构、工作方式、竞争水平、工作内容方面对劳动市场产生影响。从组织结构来说，自我雇佣形式将会进一步发展。平台经济所提供的众多可交易机会进一步降低了个人向市场提供服务的成本。从工作方式上说，平台经济将推动远程办公与远程服务的发展，并且通信技术的不断发展将使得跨地区与跨国工作成为可能。从竞争水平上说，平台经济将会增加低门槛职业的竞争，但这会使职业中原有的从业者面临更大的竞争压力，从而造成贫富差距加大的问题。而从工作内容上说，一些机械化的工作可能消失。



我们之所以特别关注平台经济，因为平台经济是数字经济的典型代表，是数字经济价值创造的重要源泉，为理解数字经济发展的宏观含义提供了机理支持。那么讨论完数字经济的数据微观基础，以及数字经济最具典型意义的平台经济商业模式，我们就可以描绘出数字经济发展的宏观含义。



对冲人口老龄化


中国老龄化问题影响深远



老龄化是主要经济体未来面临的重要人口挑战，也是影响未来宏观经济的一个重要力量。人既是生产者又是消费者，但在不同的年龄阶段呈现的特征不同。一个人在幼年和老年阶段主要是消费者，其消费量大于生产量，在青年和壮年阶段则是生产者，其生产量大于消费量。如果每年的人口出生率和人均寿命不变，人口对经济的影响就是平衡的。经典的人口经济学告诉我们，如果青年和壮年人口相对比例变动不大，老龄人口的增多会降低社会的储蓄率，从而带来社会的自然利率上行。



中国的老龄化问题越来越严重，中国的劳动年龄人口增长率在2007-2008年以后开始下降，生产者对消费者的比例在2017-2018年见顶并开始下落。从社会平均的角度看，生产的人少，消费的人多，生产弱于消费的供给短缺压力增大，将导致通胀上升、储蓄减少，从而将带动中国利率水平的抬升。





不过与中国老龄化进程加剧相对应的是中国的数字经济占GDP的比重正在不断上升。数字经济的发展，伴随着的是技术进步以及商业模式的创新，它们是否可以抵消劳动年龄人口下滑的影响，进而对冲老龄化的冲击呢？此外，技术进步如果带动劳动生产率上升，是否还意味着未来的劳动力需求会下降、工资下行压力会变大，甚至出现机器替代人并引发大规模失业的问题？这些问题对我们思考未来经济发展的路径，具有重要含义。




劳动生产率：机器替代人还是赋能人



历史上，从两百年前的李嘉图到一百年前的凯恩斯，经济学家一直都担心机器替代人。经济学里有个专有名词叫“技术性失业”（Technological Unemployment），即技术进步所导致的失业。这种担心贯穿于历史，一直存在争议。



在当下我们如何来看待这个问题呢？这次百年一遇的新冠疫情中，数字经济的快速发展带给我们一个重要启示，就是机器既可以赋能人，也可以替代人。机器对人的赋能，体现在很多领域。比如餐饮外卖行业，如果没有数字技术、智能手机、GPS定位等技术支持，外卖员的配送效率就会非常低；再比如这次疫情下的远程教育、远程办公、远程医疗等无接触经济，并没有替代老师、白领工人和医生，而是对他们进行了赋能。数字技术使得我们在疫情冲击、社交隔离的情况下，还可以维持一定的经济活动，所以它和人是互补的。当然机器也可以替代人，比如无人物流、无人配送、正在发展的无人驾驶等。



数字经济在中美，替代人和赋能人的程度并不一样，这跟中美的禀赋差异相关。美国数字经济的发展，更多的是机器替代人，通过资本深化替代就业。中国数字经济的发展，则更多的是机器和劳动力互补，对劳动力是友好的。美国的劳动力替代型数字经济体现为常规性、简单重复的工作，比如一些制造业流水线能被机器代替，同时甚至有一些不是很简单的、重复性的工作，也能够被机器替代。中国的劳动力互补型数字经济则体现在一些非常规的服务上，比如说外卖、送货员、专车司机、视频主播等等。



中美两国的数字经济赋能为什么有差异？主要是供给端和需求端禀赋不同造成的。从供给端来讲，根本原因是中国劳动力相对较多，劳动力成本比美国低。即使在数字经济中，劳动力成本、重要生产要素的价格仍然是影响经济发展模式的决定性因素。机器作为可贸易品，在套利行为驱动下，全球的价格会趋同。但劳动力的可贸易性却相对较低，因此在美国，人工较机器的价格相对较高，因此更多地用机器替代劳动力具有合理性；而在中国，人工较机器相对便宜，因此使用机器替代劳动力反而不具有经济性，所以机器使用与劳动力更多表现为互补关系。



从需求端来讲，中美两国还有一个禀赋差异就是人口数量和密度不同。中国城市的人口数量多、密度高，在人口密度高的地方，数字技术与劳动力结合更容易达到合适的成本收益比。以外卖为例，在美国可能要开车半小时以上才能送达一单，成本收益比并不划算，但在中国，一个外卖员服务一栋楼，可能就足以覆盖成本。所以人口密度高、大城市多，也是中国数字技术和劳动力可以互补的原因，让机器跟劳动力结合起来，进而提高生产效率。





中国的数字经济发展如果可以提升生产率并与劳动力互补，那么至少可以通过两个方面来对冲人口老龄化。首先，如果数字技术发展可以为劳动力赋能，老龄人口的就业就会得到更多支持，有助于延迟社会退休时间，可以减缓社会储蓄下降的速度；其次，生产部门劳动生产率的提高还会增加社会总产出，也会提高社会的储蓄率。这两个方面，都会扩大社会总产出，提高社会储蓄率，并降低市场利率，这就起到了对冲劳动年龄人口下降的影响。



但是数字经济发展对冲老龄化不是一蹴而就的，机器不是人，不产生最终的消费需求，如果效率提升不是通过机器赋能人而是替代人来实现，将会加大收入分配差距，降低消费需求，可能扩大代际之间的差异。另外，生产效率的提升还会降低家庭生育偏好[6]，如果缺少干预，数字技术的快速发展有可能会加剧中国人口学意义上的老龄化问题。




为什么 “劳动生产率”增速在放缓？



现在大家都在讲数字技术的进步、智能手机通信的改进，人工智能、机器替代或者赋能人，从直觉上讲，社会生产效率肯定是提高的。但是在下图中，美国经济分析局计算的美国劳动生产率增速在过去10年甚至20年来却在下降，这和我们直观感受非常不一致。为什么根据数据计算出来的劳动生产率增速是放慢的呢？





诺贝尔经济学奖获得者Robert Solow在1987年讲过一句话，“You can see the computer ageeverywhere but in the productivity statistics...”。为何直观感受和宏观数据会有偏差？一般有三种解释。



一种解释是GDP的统计误差。在数字经济时代，GDP作为反映我们生活水平、价值创造、速度提升的指标，它的误差越来越大。因为GDP统计的是一种市场交易行为，但数字经济时代有一些市场交易行为没有价格，或者说价格是零，即零边际成本。尤其是一些无形资产创造的价值，例如知识产权、创新、品牌和新的商业模式，都很难被衡量。在传统经济中GDP比较容易统计，如厂房、机器设备、交易、制造业等显然都是以货币来衡量的。



第二种解释是通用技术（GeneralPurpose Technology, GPT）影响经济、渗透经济需要时间。过去人类发明电以后，电力对整个经济活动的渗透持续了几十年的时间，体现在劳动生产率方面是一个渐进的过程。也就是说，现在数字经济对劳动生产率的影响可能还没体现出来，未来才能观察到。



还有第三种解释，认为某个或某些领域的技术进步可能导致整个经济的劳动生产率增速放慢。这个听起来有点悖论，不同于我们的直观感受，这就是经济学里讲的鲍莫尔病（Baumol’s Disease）。美国经济学家鲍莫尔在1967年的一篇论文中提出一个问题：“当经济体中某一个部门的劳动生产率提升，例如汽车制造行业中机器替代人提高劳动生产率，那么这个行业是否会出现剩余的劳动力呢？”鲍莫尔认为如果这个部门生产的产品需求是无限的，那这个部门的效率再提高，也没有剩余劳动力。但一般来讲，人们对某种商品或产品的需求总是有限的。需求有限就导致劳动生产率提高快的部门产生了剩余劳动力，这些剩余劳动力就会流向劳动生产率低的部门。因为劳动生产率低的部门生产的产品供不应求，导致越来越多的人流向劳动生产率低的部门工作，反而带动劳动生产率低的部门在整个经济体中的占比上升。鲍莫尔并不是说生产效率高的部门产量没有快速上升，但鲍莫尔认为这些部门产品的相对价格在下降。这样我们在计算宏观的劳动生产率时，发现它反而可能是降低的，这就是鲍莫尔病。




数字经济减缓通胀压力



另外数字经济发展，在提高生产端效率的同时，还会加大市场竞争，有可能催化低通胀环境。数字经济影响通胀的渠道主要可以归纳为以下三个：



第一，数字技术进步，推动了数字经济核心层硬件制造成本的降低，从而降低数字经济产品供给成本。随着技术进步，半导体芯片的运行速度、数据通信的效率都在快速提升，与之对应单位数据的采集、传输和分析的成本迅速下行，这降低了相关数字经济产品的供给成本。随着数字经济在国民经济中的占比提升，其对宏观通胀的下行推动作用也会越来越明显。



第二，数字经济有助于提升供给端的生产效率，当供给增速快于需求时，市场均衡价格会被拉低。通过创新经济模式以及融合数字化技术更新，数字经济不断提高着供给端的生产效率。当供给增长主导市场供求关系时，均衡价格就会降低，从而带来低通胀环境。



第三，数字经济的发展加剧了商品生产端和销售端的竞争，抑制了商品价格上涨的动力。数字经济拉近了商品生产者和消费者的距离，消费者可以轻易地通过各类比价软件找到电子商务平台中最物美价廉的商品。商品生产者之间、零售商之间所面临的竞争，无论是深度还是广度都较以往明显加大，这加剧了市场的优胜劣汰，降低了商品价格上涨的势头。



根据上述的讨论，中国数字经济的发展，既可以赋能劳动力，带来生产效率的提升，同时还会引入竞争降低通胀上行压力，一定程度上可以抵消中国人口老龄化对宏观经济的影响。



服务贸易将成新增长点


什么是服务业可贸易



在经济学里我们谈到国际贸易，通常会把商品和服务分为两类，一类是可贸易品，另一类是不可贸易品。一般来说商品是可贸易的，比如中国制造的冰箱、空调、手机可以出口到欧洲，欧洲制造的飞机可以出口到中国。



但服务业一般被认为是不可贸易的，因为服务业的活动往往需要人和人之间的互动，而人是不能自由跨境流动的。但数字经济的应用，降低了远程交流沟通的成本，使得过去需要人与人之间的互动才能完成的工作或交易，在无接触的情况下也能实现。这一次新冠疫情的冲击，更让这一特点突显出来。数字经济部分克服了人员不能流动的障碍，意味着服务业可贸易程度上升，未来数字经济的发展很可能突破我们过去的传统认知。




重新思考服务业的角色



服务业的可贸易性让我们重新思考服务业在经济发展中的角色。制造业的效率高来自于贸易品的生产效率提升快，效率提升快又来自于竞争充分。中国生产的华为手机要想销往世界，就要面对全球的竞争对手，想要取胜就必须降低成本、提高质量。与此同时，在更大规模的市场中，如果企业的生产效率高，那么它就会领先其他竞争对手，并能享受规模经济，从而更好地发展。



因此对于可贸易品的行业来说，贸易带来竞争，并带来技术外溢，带来新的思维、理念和技术，其成熟业态更可能向头部集中。与之形成鲜明对比的是，不可贸易品因为市场规模小、竞争有限，效率提升比较慢，也没有规模经济，技术外溢也有限。比如在北京的服务业，就只能服务北京当地，甚至只能服务北京某一个小区，对于效率提升的需求不足。所以如果服务业从不可贸易转变为可贸易，或者可贸易性增强，那对未来的经济发展模式和经济结构的影响将非常深远。




服务贸易可以推动劳动生产率提升



传统的教科书认为农业、工业生产效率提升速度快，而服务业效率提升速度很慢，所以服务业很难成为一个新的增长点。但如果服务业可贸易性增加，将会提升整体劳动生产率。



公共政策在这其中能够发挥重要作用。一方面，它可以通过推进数字经济的基础设施建设等措施提升服务业的可贸易性。这次疫情带来的影响之一，就是促使各国政府加大宽带、5G等数字基建以提升效率。另一方面，公共政策还可以促进竞争，减少垄断，降低服务业与数字经济融合的速度。这些政策可能会促进一些互联网平台企业更为开放，比如美国的Facebook、谷歌，中国的腾讯、阿里等等。这些企业现在已经具有一定垄断地位，未来他们会是促进服务业发展的创新者还是成为创新的阻碍者，就要看公共政策如何引导。




经济发展模式之辩



回头看，中国等东亚国家追赶发达国家的成功经验是什么？制造业和国际贸易可能是实现追赶的主要载体。制造业的可贸易性带来规模经济和生产效率提高，从而能够吸收低技能劳动力并推进城镇化，同时通过参与全球产业链，带来新的技术、新的理念。那么这一套经验未来对其它欠发达国家是否还会适用呢？



前文提到数字经济能提升服务业的可贸易性，但数字经济也可能会降低制造业的可贸易性。如果数字技术、人工智能的进步，使得制造业的生产环节能够完全被机器替代的话，那么美国的制造业企业不需要搬迁到中国或者东南亚国家，在本土就可以用机器来生产，因为制造业生产离消费者越近，运输成本就越低，并且可以根据消费者需求而迅速做出生产调整，效率越高。所以数字经济发展可能的一个颠覆性影响，是制造业可贸易性的下降。



现在关于落后国家如何追赶发达国家，有两派观点。一派是比较悲观的，认为机器替代人或成为趋势，劳动力成本在制造业的差异不是问题，制造业将会回流。这也就意味着非洲、中东等落后国家或地区将很难通过复制中国的发展模式来实现经济快速增长。这些落后国家面临的不是中等收入陷阱的问题，而是低收入陷阱的问题。当然也有比较乐观的一派，认为虽然制造业回流、制造业可贸易性下降，但是服务业可贸易性上升，那些落后国家的低劳动力成本仍然有优势。印度就是靠低劳动力成本提供服务出口来实现发展的，未来落后国家追赶发达国家可以学习印度经验，靠服务业参与全球市场竞争。



其实不仅仅是国与国之间，地区之间的经济发展模式选择也一样，比如中国的上海和贵州、东部和西部。我们过去说随着经济的发展，东部的劳动力成本越来越高，我们把制造业转移到中部和西部。但如果未来机器替代人了，制造业还会继续留在东部。那西部靠什么来发展呢？答案是服务业。服务业的可贸易性，是值得我们思考的一个重大的宏观议题。



分配关系面临重塑


鲍莫尔病：低生产率部门重要性上升



技术进步使得低生产率部门在收入分配环节上的比重上升，这看起来似乎是个悖论，但其实是有合理性的。这背后的原因就是进步部门劳动生产率提升，产量增加，但需求有限，由此就导致剩余劳动力从进步部门转移到低生产率部门。过去在织布机得到应用前，纺织行业雇佣了大量劳动力，但技术进步提高了生产效率，织布就不需要那么多人了，剩余劳动力就转移到其他部门。农业生产也一样，过去中国农村需要大量劳动力在田里耕作才能解决全国温饱问题，后来技术进步和劳动生产率提高，剩余劳动力就转移到了制造业。但制造业也一样，冰箱的生产效率提高了，人们对冰箱的需求又是有限的，剩余劳动力就继续转移到低生产率部门，主要是服务业。所以无论是中国还是美国，服务业在经济中的重要性上升，都与收入分配是有关系的。



上文提到对就业的担心，其实就是收入分配的问题。数字经济的发展，到底未来哪些行业、哪些人更多地受益？数字经济提升的效率，到底哪些人能够享受，哪些人不容易享受？按照上文的逻辑，就可能不是我们想象中的那样——技术进步快的部门可以享受技术进步带来的效益。比如说，冰箱、汽车生产的效率提升很快，但不代表冰箱或者汽车制造业的工资就能上升，反而是那些低生产率部门的工资上升，因为这些部门效率低，生产供不应求。而生产率提升快的部门，由于业务收入上升，将增加对所有商品的需求，那些低生产率部门的商品由于供给不足，价格上升会更快，进而提高了低生产率部门工资。




替代还是赋能影响要素分配



上文提到了，美国的资本相对便宜，而中国的劳动力相对便宜。所以美国的数字经济呈现更多的是机器替代劳动力，所以在经济上对劳动力不利，对资本有利。中国的数字经济更多呈现机器与劳动力互补，所以在经济上对劳动力有利，反而对资本不利。我们可以从宏观数据上来验证这一判断。



我们看到，过去20年美国的劳动报酬占GDP的比重下降，但资本回报率是上升的，当然全球金融危机等因素导致期间有些波动。所以过去20年美国股市大牛市其实是有基本面因素支撑的，也就是美国的资本回报率在上升。