郑建明：人工智能数据挖掘与教育供给侧结构性改革

 

郑建明 对外经济贸易大学国际商学院教授

点此查看完整报告

点此查看精彩观点

一、“大智移云物区”、数字经济与数字化转型

（一）“大智移云物区”与数字经济时代的到来

我国数字经济的发展是一个顺势而为的历程。2020年11月20日，国家主席习近平在亚太经合组织第二十七次领导人非正式会议上提出，数字经济是全球未来的发展方向。根据国际数据公司IDC预测，2025年全球数据量将达163ZB，2019至2023年大数据的市场收益复合年均增长率达到13%左右，全球大数据产生的收益达到3100多亿美元。

数据已经成为创造和捕获价值的新经济资源。数据控制对于将 数据转化为数字智能具有重要的战略意义。但事实上，在全球“数据价值链”中，价值和数据都集中在少数几个全球性平台和其他领先的跨国公司手中。很多国家只能成为这些数字平台的原始数据提供者，同时不得不为平台所有者利用这些数据产生的数字智能付费。

联合国发布的《2019年数字经济报告》中指出，根据定义的不同，数字经济的规模估计在世界国内生产总值的4.5%至15.5%之间，其中中美两国合起来约占世界总量的40%。也就是说，在数字经济方面呈现出中美主导的“双寡头”格局。

《中国互联网发展报告2020》中指出，2019年中国数字经济规模达35.8万亿元，占GDP比重达36.2%。数字经济结构持续优化升级，产业数字化增加值占数字经济比重达80.2%，在数字经济发展中的主引擎地位进一步巩固，向高质量发展迈出新步伐。

2020年9月，中国互联网络信息中心（CNNIC）发布的第46次《中国互联网络发展状况统计报告》中可以看到，我国发展数字经济的基础非常雄厚，网民规模达到9.4亿，互联网普及率已经达到67%，城乡数字鸿沟显著缩小，城乡地区互联网普及率差异为24.1%，成为精准扶贫和扶贫攻坚战的一个重要的抓手。很多地方贫困的原因就是网络覆盖不到，缺乏网络信息传输的途径，所以很多很好的绿色农产品卖不出去。而现在实现网络全覆盖后，一些优质农产品就走到了村外、乡外、县外甚至省外的世界。

此外，我国形成了一系列基于互联网的商业模式，比如在线教育用户规模达3.81亿，在线医疗用户规模达2.76亿，远程办公用户规模达1.99亿。这些网民慢慢形成了互联网的红利和互联网商业模式。

现在我国主要发展的是工业互联网，5G终端连接数已超过6600万，三家基础电信企业已开通5G基站超40万个，工业互联网领域已培育形成超过500个工业互联网平台。未来工业互联网会有进一步的发展，成为未来新的投资热点。

除此以外，网络视频的用户规模达到8.88亿，网络新闻的用户规模达到7.25亿，占网民整体的77.1%。可以看到，现在互联网大大改变了大家的生活。

之前大家认为发展比较滞后的在线政务公共服务，现在用户规模也达7.73亿，已经不再是短板。所以，我国产业链、价值链的完整性是世界上独一无二的，而且已经形成了O2O闭环和综合配套，为高质量发展和产业转型升级也打下了良好的基础。

在这种情况下，企业的发展越来越倚重于数字化的转型，根据IDC在2018年所做的调查，中国TOP1000大企业有70%以上把数字化转型作为公司战略核心，也就是说数字化转型变成了公司战略层面的东西，其重要性不言而喻。在2019年至2022年期间，IDC预测企业数字化转型支出将会超过1万亿美元，至2022年中国GDP的65%将与数据有关。2020年8月，赛迪智库软件与信息服务业研究所数字化转型研究团队的《数字经济新业态新模式发展研究报告》中预测，我国制造业2019年数字化转型支出超过2200亿元。

为什么企业在数字化转型方面舍得花这么大的价钱呢？因为数字化转型使资源要素重新配置，生产制造更加智能，专业分工更加精细，经济效益更加显著。企业通过数字化转型对价值链进行重新定位，并力求提升价值链地位。2017年10月，世界经济论坛发布了的《第四次工业革命对供应链的影响》白皮书显示，数字化转型将使制造业企业成本降低17.6%、营收增加22.6%，使物流服务业成本降低34.2%、营收增加33.6%，使零售业成本降低7.8%、营收增加33.3%。也就是说，数字化转型起到降本增收的作用。

 

（二）企业数字化转型的演进特征

企业数字化转型与传统的价值链重构不一样，它是全要素、全流程、全链条的优化重组，我们概括为“三全”。具体来看：

演进的第一个特征是要素驱动从技术中心向数据中心转移。

演进的第二个特征是流程变革从共性环节向全流程渗透。以前我们进行数字化突围主要找这些核心的痛点，进而开展集中的攻关。比如芯片，发挥我国社会主义制度集中力量办大事的政治优势，集中攻关。

现在是从终端服务环节入手推动线上“数字化突围”。利用电子商务平台拓展线上经营、精准营销、O2O服务，协同办公、移动商务，探索了可操作性强、可复制性程度高的实践路径，推动相关业务系统向云平台迁移，采购云化服务。

演进的第三个特征是价值创造从提质增效向开放共享升级。数据的价值在于什么地方？在于共享。很多全球数字经济的领先企业为什么将开源源代码开放共享？因为只有开放共享之后数据才能产生更大的价值，表面上看是利他的，但实际上是利己的。因为这些企业即使开放共享后，数据的控制权还是牢牢掌握在自己的手中，这种共享产生的价值大部分是归自己所有。我们现在强调推动产品与服务、硬件与软件、应用与平台趋向交融，促进产业链各环节及不同产业链的跨界融合，搭建形成开放合作的价值共创生态圈。讲究的生态企业，对于价值链的概念在淡化，对于生态圈的概念在强化。

在共创生态圈的机制下，各企业作为利益相关者可以构建以生态圈为核心的业态和商业模式，提供更高效的个性化的服务。这个生态圈的概念能够解决个性化需求和共性需求之间的矛盾，为什么？它能把个性化需求里面很多共同的流程整合在一起，起到规模化生产的作用，这就是工业互联网的价值所在，它可以最大限度地缓和或匹配大规模生产和个性化需求之间的矛盾和固有冲突，使这种冲突降低到最低，这对社会的福利也是一种增长和提升。

（三）“大智移云物区”的发展态势

1.“大”和“移”

大数据和移动互联方面，2019年全球移动数据流量为190EB，全球大数据市场收入490亿美元，已经形成产业化。

2.“智”

人工智能方面，呈IBM、Google、Honeywell“三强争霸”，同时这三方在争夺“量子霸权”，截至2020年底，IBM有 18 台量子计算机，Google有5台，Honeywell有6台。我国在量子计算方面发展也很快。

3．“云”

2019 年云存储数据量首次超过设备存储，这意味着人类越来越依赖云存储。

4.“物”

根据《2020年物联网模组行业研究报告》，预计2020年物联网连接数为281亿，收入规模高达7.1万亿美元。根据梅特卡夫定律，网络节点增长带来网络价值平方增长，同时单节点价值增长，进一步带来节点数增长。

5.“区”

根据Gartner发布的2020年区块链报告，区块链在促进信息互联网向价值互联网变革过程中的重要价值已受到普遍认同，核心技术框架已基本形成。2020年4月，区块链作为基础设施被纳入“新基建”，5月，央行数字货币内测及试点，10月，央行数字货币正式在深圳落地。

（四）我国对“大智移云物区”与数字经济的政策推动

2017年7月20日，国务院印发《新一代人工智能发展规划的通知》（国发〔2017〕35号）。该文对新时代下数字经济发展的环境作了系统的阐述，核心体现在“五新”上，即人工智能会催生新技术、新产品、新产业、新业态、新模式。

同年党的十九大报告提出，“经济结构不断优化，数字经济等新兴产业蓬勃发展。”“推动互联网、大数据、人工智能和实体经济深度融合”。也就是说，党的十九大报告在《新一代人工智能发展规划的通知》的基础上提出了发展路径，就是人工智能与实体经济的深度融合。

 

2018年3月5日，《政府工作报告》提出，“实施大数据发展行动，加强新一代人工智能研发应用”。

2018年12月，中央经济工作会议把5G、人工智能、工业互联网、物联网定义为“新型基础设施建设”。

2020年4月20日，国家发改委进一步明确，“新型基础设施建设”包括信息基础设施、融合基础设施和创新基础设施三方面。具体包括5G基建、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网。

我们知道，数字经济的核心要素就是数据要素。因此2020年5月11日发布的《中共中央 国务院关于新时代加快完善社会主义市场经济体制的意见》提出，加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值。

2020年10月29日，党的十九届五中全会通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中提出，“发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。加强数字社会、数字政府建设，提升公共服务、社会治理等数字化智能化水平。建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，推动数据资源开发利用。扩大基础公共信息数据有序开放，建设国家数据统一共享开放平台。保障国家数据安全，加强个人信息保护。提升全民数字技能，实现信息服务全覆盖。积极参与数字领域国际规则和标准制定”。

2020年中央经济工作会议提出，强化反垄断和防止资本无序扩张，专门解决数字经济方面的一些垄断的问题。同时还提出健全数字规则，完善平台企业垄断认定、数据收集使用管理、消费者权益保护等方面的法律规范。要加强规制，提升监管能力，坚决反对垄断和不正当竞争行为。金融创新必须在审慎监管的前提下进行。

2020年12月，国家发改委、中央网信办、工信部、国家能源局联合印发《关于加快构建全国一体化大数据中心协同创新体系的指导意见》。这是中央政府职能部门发布的第一个关于加快构建全国一体化大数据中心协同创新体系的正式文件，标志着中国进入数字经济时代。

（五）“大智移云物区”重新定义了贸易

比如数字服务贸易、电子商务等，也就是说，数字贸易逐渐纳入全球的多边贸易体系。

同时，“大智移云物区”也重新定义了货币。比如2020年10月，中国央行数字货币正式落地。数字货币从理论上来讲可以提高交易的便利程度，降低交易成本，减少信息不对称。

二、人工智能与数据挖掘

（一）人工智能与大数据挖掘效果

人工智能是大数据挖掘的利器，它能解决大数据、大容量、大速度的问题。因为人类智能的内存有限，运行的速度有限。而人工智能能大大弥补人类智能在这两个方面的短板。所以从理论上来讲，它是进行数据挖掘很好的助力。但实际上，利用人工智能炒股效果却非常不好。

2017年10月18日，全球第一只应用人工智能进行投资的ETF基金——AI Powered Equity ETF（代码：AIEQ）在纽交所上市。其使用IBM的Watson系统的认知和大数据处理能力，来分析美股的投资机会。

AIEQ身上有很多让人类羡慕的特性，比如365天每天24小时始终在工作；同时分析6000多只美国挂牌股票；每天分析上百万条相关的公告文件、财报、新闻及社群文章；利用量化择时、量化选股、因子分析、事件驱动等N种量化模型选股；不断地深度学习，数据处理得越多，选股能力就会更强大等等。

但实际效果怎么样呢？截至2020年11月，AIEQ的股价仅上升了42%左右，而美股纳斯达克指数大盘上升了接近79%，也就是说，它跑输了30多个点，所以它的股价上涨远远低于大盘的上涨。

那么为什么人工智能下象棋、围棋很好，炒股却一塌糊涂？因为机器人没有办法像人类一样，对一些定性的主观的事物进行判断。

（二）人类智能与人工智能的边界

人类智能最后的领地，第一是感情，但这点现在已经被突破了，机器可以通过相应算法训练感情；第二就是职业判断。

我认为，人工智能和人类智能的边界在不同的数据挖掘的路径中是不一样的。比如，基于信息本身的平面挖掘，肯定人工智能是强势的。但如果是基于传导机制的链式挖掘，即前后关系变成因果关系的判断，人工智能的优势就会弱化很多。

 

三、相关的管理、会计、法律问题

（一）管理问题

管理的问题是数据价值的开发和产权保护问题。

1. 数据泄露损失

根据IBM统计，2019年全球数据泄露平均损失392万美元，也就是说数据泄露损失是非常严重的问题。

2．隐私权侵权

比如很多手机APP会超范围或在用户不知情的情况下收集个人信息，这就侵犯了个人的隐私权。

3．数据产权的争端

比如在数据链条中，数据的上游有没有权利关闭数据下游，或数据下游有没有权利去分享数据上游的数据等问题。数据产权的争端是基于数据产业链、价值链必然产生的问题。

4．数据开放共享

现在存在的主要问题是，政府和企业之间共享的权利不对称。政府收集企业的数据比较容易，但企业使用政府的数据难度比较大，如果政府之间信息不共享，就会形成孤岛。这种情况的核心问题在于数据透明度与数据安全的两难权衡，因为数据越透明、越共享，就越不安全；如果要体现安全就要加大对数据的掌控，然而掌控力度越大分享力度就越小。

（二）会计问题

第一，数字经济改变了企业的主体形态，使企业的边界逐渐模糊甚至产生了无边界的企业和虚拟企业，这个时候怎么界定会计主体就成为了问题。

第二，各企业加速进行轻资产智能化的转型或者数字化的转型，企业的产品生命周期越来越短，很多数据的生命周期只有几秒钟，导致企业的生命周期也会越来越短。企业生命周期越来越短，会挑战持续经营假设（持续经营假设是指被审计单位在编制财务报表时，假定其经营活动在可预见的将来会继续下去，不拟也不必终止经营或破产清算，可以在正常的经营过程中变现资产、清偿债务）。

第三，数字资产的计量是用货币计量还是用数量计量的问题。如果用货币计量该怎么体现？是用历史成本法还是用公允价值？如果用公允价值数据资产或者是数字资产，很多是没有现实的市场价格可供参考的，这种情况下就只能通过类似的资产，作为一个替代价格或者可比价格。如果市场上连这种替代性的资产都没有，这个时候用什么来呢？只能用模型来进行推测。所以这种情况下资产的估值越来越依赖职业判断，因为不同的模型算出来的结果还不一样。

（三）法律问题

即“一民两法”（《中华人民共和国民法典》《中华人民共和国数据安全法（草案）》《中华人民共和国个人信息保护法（草案）》）的规范和落地问题：

第一，“一民两法”现在强调对数据权属的规范，忽略了对数据挖掘行为的规范。

第二，我们传统的司法行为主要以事实行为为证据，现在数字经济下很多数据的证据甚至推测的证据能不能算有效司法证据？这需要有待进一步的确认。

四、教育供给侧结构性改革

教育供给侧结构性改革对人工智能方面影响最大的是会计与金融的融合，这个融合体现在培养高位人才的一些要求，新复合型人才既要懂人工智能、懂科技，又要懂金融、懂战略，归纳为十六个字，即“会计为表、金融为里，战略为本，科技为气”。

也就是说，现在企业会计编报表越来越次要，分析报表越来越重要。并且除了对数据进行挖掘，对公司战略的制定和风险管理也越来越重要。

在此背景下，2018年教育部开始对人工智能学科和专业建设加快了推进。现在中国的人工智能整体实力已经领跑全球了，人工智能论文发表数量全球第一，企业数量、融资规模全球第二，但是美中不足的是论文的影响力指标稍微落后一点。

2020年2月21日，教育部公布2019年度普通高等学校本科专业备案和审批结果，新增备案专业数量最多的人工智能，共有180所高校新增，其他新增的部分专业与人工智能相关度较高。说明人工智能专业以及交叉学科成为我们教育供给侧改革的主流方向和主要实施路径。

随着产业数字化带来的数据基础的日益成熟，人工智能在营销、金融、数字政府、零售、医疗等行业落地持续推进。如何产业落地成为人工智能的主要命题。

人工智能技术无法直接解决业务需求，需根据具体业务场景和目标，形成可规模化落地的产品与服务。人工智能在数据、算法业务场景理解、服务方式、产出投入等方面面临挑战。

 

针对我国人工智能产业发展瓶颈，《新一代人工智能发展年度报告（2019-2020）》建议：

充分利用新基建机遇，协调推进各类数据中心、5G网络部署，全面提升端侧的数据计算、采集及传输能力，为传统产业全面向数字化转型打造坚实的泛在计算基础。

加快我国开源开放生态体系研发与应用推广，建设可跨硬件和算法平台、兼容国内外主流开源平台的开源开放体系。

鼓励人工智能产业人才引入、知识产权质押融资、贸易便利化等领域政策先行先试，加快融入国际产业链。

加强对人工智能专业学科指导建设，按照“厚基础”“重交叉”“宽口径”思路，培育一批专业技能扎实、科学素养高、动手实践能力强、具备开阔产业应用视角和国际前瞻视野的人才。鼓励高校内部整合或者多个高校联合形成人工智能学科群，培育更多符合产业高质量发展所需的复合型人才。

（根据宣讲家网报告整理编辑，

未经许可，不得印刷、出版，违者追究法律责任）

责任编辑：马中豪

文章来源：http://www.71.cn/2021/0223/1118702.shtml