一.   引 论

企业数字化转型，是一个涉及数字经济内涵和外延，关联企业研发、生产、供应、营销、核算等在线场景，并贯穿大数据分析和运用的动态概念。对这个概念的准确理解，需要在解析大数据构成的基础上对数字经济作出符合实际和分析逻辑的界定。经济学者关于数字经济的理解，大都着眼于企业数字化操作层面，尽管这样的理解对企业数字化转型的分析有一定的理论性，但它尚未达到一般理论要求。其实，无论对数字经济基本要素和交易平台的解释，还是对分析工具和交易场景的解说，如果我们将数字经济看成是一种可通过微观经济理论来描述的市场模式，则需要结合大数据、互联网和人工智能等的融合，将企业投资经营的综合场景、企业掌握新科技的条件配置，以及企业运用新科技竞争等放置在统一框架来分析，这样才有可能接近或达到微观经济理论的分析要求。

数字经济内涵主要有两大块：一是企业投资经营是如何利用信息通信技术、互联网交易平台、人工智能技术等，另一是大数据怎样成为数字经济运行的基本要素。显然，这两大块内容都与大数据构成有关。数字经济外延，可理解为厂商与厂商、厂商与消费者在大数据、互联网和人工智能等综合场景下的生产和消费边界。这一综合场景既是大数据的产物，也是人们搜集、加工和处理大数据需要借助的平台和手段，因此，大数据、互联网和人工智能等融合下的生产和消费活动，可解释为企业与企业、企业与消费者之间以大数据表征的行为互动（下文将会涉及数字经济这一基础理论问题）。换言之，我们对数字经济的解说，应该以这种融合的综合场景并紧扣企业搜集、加工和处理大数据来定义。^①基于此，我们给出以下可供学术界探讨的定义：数字经济是企业在大数据、互联网和人工智能等综合场景下，以大数据为基本要素、以互联网为交易平台、以人工智能技术为操作手段的能够大大提升生产效率和优化产业组织结构的市场运行模式。我们在这里把大数据理解为企业投资经营的基本要素，实际上是不完全同意将大数据解释为“关键生产要素”的观点。

数字经济之所以可看成是市场运行模式，一方面是由其内涵和外延的性质规定，另一方面则是因为它是大数据、互联网和人工智能等融合所催生的一种新的市场制度安排。从大数据构成、进而从微观经济分析角度来看待企业数字化转型，可考虑从以下几个方面展开：（1）跳出仅仅将大数据看成是分析工具的视域，通过解说企业投资经营的大数据构成以及企业的大数据分析和运用，说明大数据成为企业投资经营基本要素的可能性；（2）基于大数据构成，通过企业应对不同类型大数据的能力来展现企业不同的科技层级，论证企业数字化转型的阶段性；（3）通过企业数字化转型过程的经营模式变化，解说企业投资生产什么、投资生产多少等基本问题；（4）研究企业数字化转型中产量、价格、竞争、垄断等的形成，对数字化转型中的产业组织变化作出分析性解释。对企业数字化转型的分析性分析，是一种研究层级较高的理论分析，不同于纯粹以数据说话的描述性分析，它要求研究者重点关注企业数字化转型的运行机理。

企业数字化转型的运行机理，主要针对企业投资经营方式以及由此引致的产业组织变化而言。诚然，数字化转型中的生产效率提升，也有值得探究的经济机理，但由于效率提升主要反映生产过程投入产出的技术运用，注重微观经济学基础理论层面的研究时，不一定需要对之展开详尽的机理分析。追溯一下涉及企业数字化转型的研究文献，我们发现国内学者的研究大都集中在具体生产环节、金融运行、就业结构、就业质量、国际贸易等数字化治理和赋能等方面。^②21世纪起，西方未来学家倡导大数据、互联网和人工智能等相融合所兴起的科技人文主义，认为万事万物都可通过大数据分析而成为一种解析因果链的“算法”^③，并有学者把人的行为划分成不同的动态数据流。^④在此影响下，一些经济学家曾在投资经营和产业组织等方面涉及企业数字化转型的机理分析^⑤，但他们有关企业数字化转型的研究，没有明显跳出描述性范畴。

经济理论界关于数字经济的相关研究出现这样的情况，或许是以下原因使然：（1）在理论上没有严格区分产业数字化与数字产业化^⑥，研究重点偏向于数字产业化；（2）注重于数字经济运行的结果分析，淡化了数字经济运行的机理研究；（3）对企业数字化转型的分析，限定在微观经济学的现有分析框架，没有针对数字化转型中企业投资选择、产量和价格确定、竞争和垄断、产业组织变动等作出新探索。事实上，企业依据大数据规划投资经营的起点和过程都与数字化转型密切相关，经济学家需要分析企业数字化转型来探索数字经济运行。同时，关于数字经济现状及结果的分析，现有文献主要是围绕近十年来的逐年数字经济产值变动及其占国民生产总值比率等展开。^⑦我们姑且不评论这些研究的描述性特征，单从它们较少涉及企业数字化转型的手段、程序和过程等考察，可以明显看出的事实是，这些研究在很大程度上绕避了对企业数字化转型的理论分析。

对企业数字化转型展开经济学分析的要点，可考虑在解构大数据构成的基础上，通过分析大数据如何成为基本要素，论证企业运用大数据和人工智能技术等的数字化转型过程。大数据之所以能够成为企业投资经营的基本要素，一是基于学界已认识并高度重视的现实，即大数据在生产技术、工艺流程、运营管理等方面会显著提升边际生产效率；另一是基于学界尚未充分关注但客观存在的前景，即企业会依据大数据和人工智能技术等进行市场决策。现有的理论文献赞成大数据已成为企业投资经营的基本要素的观点不多，大部分学者还是将大数据看成是分析工具。关于企业依据大数据和人工智能技术进行市场决策的理论分析，牵涉对经济学的理性选择理论、厂商理论、产业组织理论等具有一定分析难度的相关理论评说，这便给学界对“大数据成为企业投资经营基本要素”的理论论证带来了一定的困难。从经济学的分析逻辑看，企业数字化转型的主要标志，应是企业运用大数据和人工智能技术等来决策产供销活动的全面展开。也就是说，企业数字化转型可在很大程度上通过企业决策过程的分析来揭示。

二.   大数据成为企业投资经营基本要素的经济学思考

微观经济学的历史使命是解决企业如何进行市场选择和竞争，以说明特定市场结构或产业组织运行。企业市场选择和竞争最需要说明的，是企业以什么为依据以及采取何种手段来合理配置资源。很明显，当选择依据和手段发生变化，企业竞争路径就会发生变化，而竞争路径发生变化，企业投资经营的基本面就会发生转型。在大数据、互联网和人工智能等相互融合的综合背景下，企业数字化转型便是这种基本面变化的具体表现。另一方面，互联网和人工智能的技术底蕴是大数据，企业以互联网为运营平台，运用人工智能等进行投资经营，实际上是以大数据为基本要素的市场选择和竞争，而产业组织在大数据、互联网和人工智能等融合背景下发生的重塑，无疑是企业以大数据为基本要素进行投资经营的结果。不过，认识到大数据是企业数字化转型的基本要素是一回事，在理论上完成这一基本要素的论证则是另一回事。我们完成这一分析论证，要对大数据构成展开基础理论层面的分析。

一   大数据构成的复杂性可通过大数据的静态和动态两种属性来解析

大数据的静态属性，是既定时空上的数据及结构的性质规定；大数据的动态属性，指不同时空上的数据及结构的变动情形。从大数据的静态属性考察，一方面，大数据=数字化数据+非数字化数据，这是针对人类一切活动及自然界一切现象都可以表征为大数据而言；另一方面，大数据=行为数据流+想法数据流，则是针对人类的行为活动而言。^⑧从大数据的动态属性考察，大数据=已发生的历史数据+正发生的现期数据+将要发生的未来数据。就历史数据、现期数据、未来数据与其他类型数据的交叉而论，它们既可以是数字化数据，也可以是非数字化数据，既可以是行为数据流，也可以是想法数据流。大数据构成的如此复杂关系，会给经济理论研究带来困难，这种困难主要体现为对企业运用人工智能技术匹配各种类型大数据，进而对投资经营决策如何作出一般性分析。如果我们能展开这样的一般性分析，就有可能完成对大数据成为企业投资经营基本要素的论证。

企业投资经营的大数据构成之所以是一种复杂存在，是因为：（1）企业产供销活动具有极强的不确定性，历史经营产生的大数据通常不会出现重复，企业难以用当下经营产生的大数据来推演未来数据；（2）企业运用人工智能等手段匹配数字化数据或匹配行为数据流的技术，并不能匹配非数字化数据或匹配想法数据流；（3）企业具备了搜集、加工和处理自身产供销大数据的能力，远非意味着具备了搜集、加工和处理消费者选择活动的大数据能力。大数据成为企业投资经营基本要素的标志，是企业能够运用人工智能技术来匹配各种类型的大数据，并据此作为投资和生产什么以及投资和生产多少的依据。经济学者要完成对大数据成为企业投资经营基本要素的分析性论证，可考虑在大数据、互联网和人工智能等相互融合背景下，对企业匹配大数据的技术条件配置、技术层级、投资经营决策能力等作出解析，这些解析可在一定程度和范围内展现出经济学的一般分析性。

二   经济学可在对大数据进行分类的基础上展开企业投资经营分析

大数据分析之于企业投资经营的高效率，从短期看，主要表现为企业能够知晓产品或服务的产量和价格走势，能够较为清楚地了解产品或服务所对应的社会有效需求；从长期看，主要表现为企业能够预测产品或服务的行业或业态前景。这种对短期和长期企业投资经营的大数据分析，是微观经济学创新数字经济理论的症结所在。在数字经济运行和发展中，企业对产量和价格、社会有效需求、行业或业态前景的把握和预判，是由大数据分析和人工智能技术运用的程度和范围决定的；企业通过科技手段从大数据中获取有效信息的多寡及其准确性，直接决定着大数据成为投资经营基本要素以及企业数字化转型的成色。^⑨这是一个涉及大数据构成，从而关系到对企业数字化转型进程进行讨论的基础理论问题。关于这个问题，我们可以通过分析企业科技层级变动对不同类型大数据的匹配能力变化来展开研究。

企业搜集、加工和处理产供销过程中的大数据，数字化数据是主要匹配对象，但从大数据的高层级匹配讲，会涉及对非数字化数据的搜集、加工和处理。这里有两个问题值得说明：一是企业运用人工智能技术匹配大数据的科技水平不同，决定它们搜集、加工和处理数字化数据的能力会不同；另一是只有在科技水平达到相当高度时，企业才有能力搜集、加工和处理非数字化数据。同理，对于历史数据、现期数据和未来数据的搜集、加工和处理，也存在类似的情形。关于企业科技水平差异如何影响数字化转型问题，我们将会在一些场合展开分析性描述。在此，我们有必要先通过企业对数字化数据的搜集、加工和处理，分析大数据成为企业数字化转型之基本要素的可能性。

企业投资经营的数字化数据，主要包括固定资产投资、流动资产经营、资产权益和负债、原材料、中间品、质量监管、产品销售、上交税额、融资数量和规模等，这些数据在财务报表中反映为成本、价格、盈利等内容。在实际操作中，企业通过大数据分析和运用人工智能等科技手段进行投资经营，不仅可以合理配置资源以提高生产效率，也可以相对准确地预测产品或服务的社会需求。微观经济学需要说明的是，当绝大部分企业都以大数据分析和人工智能技术为主要竞争手段时，大数据就会成为微观经济学分析意义上的企业数字化转型的基本要素。对这种解析义更深邃的解说，还可通过企业搜集、加工和处理非数字化数据进一步论证。企业产供销所面临的非数字化数据，主要指企业投资经营与消费者偏好、认知、期望等相关联的数据，它的物质载体是诸如图书、图片、图纸、视频、影像等。如果企业通过人工智能手段能够搜集、加工和处理这些非数字化数据，即能够把这些非数字化数据转化为作为决策依据的数字化数据，则企业便能够更好地合理配置资源，更好地规划产品生产和提供服务以满足社会的有效需求，从而使大数据成为企业投资经营的基本要素变成现实。

三   对大数据成为投资经营基本要素的学理论证，在于说明企业运用大数据分析可以准确把握投资和生产什么以及投资和生产多少的资源配置问题

大数据作为一种不同于劳动、资本、土地等的基本要素，是以正在形成的大数据、互联网和人工智能等的相互融合场景为前提，它是新科技全面渗透企业投资经营的结果。大数据作为基本要素之依据的前提条件，是企业能够对一切影响投资经营的大数据进行搜集、储存、整合、分类、加工和处理，即必须能够运用人工智能等新科技手段把企业一切活动以及影响企业行为的活动统统“破译”为算法。显然，企业要达到这样的高层级科技水平，不仅要能够应对数字化数据和历史数据，而且要能够搜集、加工和处理非数字化数据、现期数据、未来数据，甚至要能够搜集、加工和处理行为数据流和想法数据流。从目前企业的科技层级看，要达到这样的科技层级还有很长的路要走，具体地讲，要依靠人工智能技术的充分发展。因此从这个意义上讲，认为现阶段大数据已成为投资经营的基本要素，还只是一种理论推论，不过，这样的推论有助于我们建立一种深入探索企业数字化转型的理论基础。

企业借助互联网、社交媒体、传感器、定位系统等新科技平台、手段和方法来搜集投资经营大数据，存在着新科技层级高低的约束，这种约束主要反映在企业对人工智能技术的掌握和运用的程度和范围上。因为，大数据的搜集平台、手段和方法要依赖人工智能技术，而大数据的加工和处理更离不开高层级人工智能技术运用。企业要获取有关产品和服务之社会需求的精准信息，必须能够在搜集所有影响投资经营大数据的基础上，通过对大数据的加工和处理来实现。在通常情况下，企业掌握和运用了人工智能技术，便具备了搜集、加工和处理数字化数据的基本能力，便可以运用大数据分析和人工智能技术来规划后续期产品或服务的品种和数量。但是，对后续期产品或服务之品种和数量的规划能否达到准确性，取决于企业运用人工智能等新科技手段对所有影响投资经营大数据的搜集、加工和处理，这便涉及企业对大数据构成所派生的不同类型数据的搜集、加工和处理问题。从微观经济分析角度看，企业在竞争中处于优势地位并且能够取得效用最大化，必须以企业运用大数据分析和人工智能等新科技，从而必须以准确把握投资和生产什么以及投资和生产多少为前提。

企业投资和生产什么以及投资和生产多少，涉及资源配置及与此关联的效用最大化。我们考察大数据是否能成为企业数字化转型的基本要素，可以以此作为切入点，但问题在于，大数据的不同时空构成对企业搜集、加工和处理大数据来讲，有着对企业掌握和运用人工智能等新科技的不同技术规定。企业能在多大程度和范围内实现数字化转型，关键是企业能不能对非数字化数据以及动态大数据的搜集、加工和处理。如果企业只能搜集、加工和处理数字化数据和历史大数据，不能应对非数字化数据，不能应对正在发生的产供销活动的现期大数据，更无法涉足将来有可能发生的未来大数据，那么，企业数字化转型便处于有限的程度和范围。另一方面，对于企业数字化转型进程的现实和逻辑，我们需要围绕数字化转型过程展开，这是一个不可绕避的问题。

三.   企业数字化转型的阶段性考察

一   企业在互联网交易平台上学习对产供销大数据的搜集、加工和处理，是企业数字化转型的早期阶段

前互联网时期或非大数据时代，企业搜集、加工和处理的产供销数据，主要是供求关系、价格、利润率等反映的可概括为交易费用的信息。在内涵和外延上，这些产供销数据基本上是数字化数据或历史数据，因而这些数据不具有大数据内涵的完整属性；另一方面，这些产供销数据在外延上都是显性的数字化数据，不包括非数字化数据、现期数据和未来数据，并且企业搜集、加工和处理的这些数据没有运用高科技手段。经济学研究企业数字化转型，首先要说明的是，企业在工业化时代从这些显性的数字化数据和历史数据中只能得到部分信息，企业用部分信息应对不确定性市场来投资决策，其效用函数不可避免地出现不确定性。其次，经济学要解说企业运用大数据分析来投资经营可大大减少企业效用函数的不确定性。在笔者看来，以上逻辑关系对认知企业数字化转型特别重要，它是我们研究企业数字化转型过程的分析基点。

通信技术、互联网技术和人工智能技术的飞速发展，使企业投资经营活动走上了互联网平台，企业通过网上的产品和服务推介、广告宣传、产品和服务销售等活动，在消除了原有的通过“中间商营销”模式，从而构建出以互联网平台为载体的营销模式同时，通过企业与企业、企业与消费者之间的行为互动来搜集、储存、分类大数据，并朝着加工和处理大数据的方向行进。微观经济分析要关注的是，当绝大部分企业都处于这样的状态时，数字经济便进入了起步阶段，或者说，企业数字化转型便处于初级阶段。企业能够搜集、储存、分类大数据，与能够加工和处理大数据不是一码事。在现实中，前者不要求企业具有很高的科技层级，只需要借助或运用互联网、传感器、社交媒体等就可以完成对大数据的搜集、储存、分类；后者则要求企业必须具备以人工智能技术为核心的高科技手段，才能加工和处理大数据。事实上，国内学者有关“互联网+企业”以及“人工智能+企业”的分析，已在一定程度上触及了企业数字化转型的研究，只是没有对企业搜集、储存、分类、加工和处理大数据展开专门的考察。

在理论研究上把企业在互联网平台上学习大数据的搜集、加工和处理，解说为企业数字化转型的初级阶段，是基于企业科技层级处在较低位置的考量。这里强调企业在互联网平台上的“学习”，意指企业大数据分析和人工智能技术水平较低，只能搜集已发生的历史数据和数字化数据，只能简单应对企业与企业、企业与消费者之间行为互动所产生的大数据。我们之所以认为低科技层级会导致企业数字化转型处于初级阶段，乃是因为在这样的情形下，企业从大数据中获取的信息量十分有限，很难通过大数据分析对投资经营做出高效率决策，即不能通过大数据分析来准确规划产量和服务。因此，从数字经济运行和发展看，这种状态下的企业投资经营的数字化转型才刚刚开始。

二   企业数字化转型的中期阶段，是实体企业能够吸收和消化数字企业的产品和服务从而对产供销大数据进行加工和处理

企业能够搜集、加工和处理大数据，是以大数据、互联网和人工智能技术等出现深度融合为前提的。这种融合构成了企业投资经营的新技术场景，对企业数字化转型的影响，表现为数字产业化与产业数字化的紧密关联。具体地说，设计和生产各种软件和芯片等的高科技企业，向实体企业提供云计算、机器学习、物联网、区块链、AR/VR等人工智能技术，大大提升实体企业应对以上融合场景的科技水准。同时，实体企业追求效用最大化的内在动机和外在强制，会不断向高科技企业发出更高技术支持的讯息，从而刺激高科技企业的不断技术创新。数字产业化与产业数字化是数字经济运行的一枚硬币的两面，撇开它们在生产和消费领域的千丝万缕的技术联系，仅就它们交互发展对实体企业搜集、加工和处理大数据能力的提升而论，数字产业化的科技进步对于加速产业数字化的发展，明显有着从微观经济学层面可以观察到的作用机理。

经济学界已观察到上述情形，并试图对企业人工智能+现象作出理论论证。不过，笼统地分析这种现象所表征的企业科技层级变动，并不能清晰地说明企业数字化转型。事实上，企业投资经营出现的人工智能+现象，是数字产业化与产业数字化共同作用的结果，我们衡量企业人工智能+的科技层级，从而说明企业数字化转型的阶段性，需要对企业运用高科技手段预测和规划投资经营的能力作出解析。因为，社会需求的对象性是特定的产品和服务，企业生产的产品和提供的服务怎样才能符合社会需求，单纯靠价格机制调节会出现资源错配的市场失灵，而宏观调控也会出现政府失灵。这便要求企业能够掌握全面的信息，即能够通过大数据分析获取反映社会需求的最大化信息。这些最大化信息不仅包括市场交易显露的数字化数据，而且包括反映消费者需求变动的非数字化数据；不仅包括市场交易已经发生的历史数据，而且包括市场交易正在发生的现期数据和将要发生的未来数据。如果企业很难从大数据中获取全面信息，即大数据分析和人工智能技术运用水平不高，企业数字化转型则只能停留在中期阶段。

数字经济的最大魅力是能够显著提高企业产供销的决策效应，这些效应最终会体现在产量和价格决定、竞争秩序、产业组织变动等方面。具体地说，企业会通过大数据分析来决定产量和价格，会选择大数据分析来作为市场竞争手段以限制垄断，会在大数据、互联网和人工智能技术等融合场景下重塑产业组织结构。企业产供销的决策效应，实际上就是企业投资经营或产供销的效用函数，企业要实现效用函数最大化，必须达到很高的科技层级，这可以看成是对数字经济下企业生产经营的以效用函数为落脚点的微观经济学解释。我们研究企业数字化转型过程的阶段性，离不开对产量、价格、竞争、垄断、产业组织等的大数据分析，离不开微观经济的分析框架。

三   企业数字化转型的后期阶段，是企业能够把产供销一切活动统统解析为“算法”

企业能在多大程度和范围内准确地向社会提供产品和服务，取决于它们搜集、加工和处理大数据的科技层级。联系企业数字化转型，我们对企业的科技层级可作出以下界定：（1）只能简单利用互联网、传感器、社交媒体等技术手段来搜集大数据，不能运用人工智能等技术来加工和处理大数据，这样的企业处于低等科技层级状态，可认为它进入了数字化转型的早期阶段；（2）企业在运用新科技手段搜集大数据的基础上，可以在一定程度上运用人工智能等技术来加工和处理数字化数据和历史数据，这类企业便处于中等科技层级状态，可认为它进入了数字化转型的中期阶段；（3）能够全面运用新科技手段搜集大数据，并能加工和处理非数字化数据、现期数据和未来数据，这类企业便处于高等科技层级，可认为它进入了数字化转型的后期阶段。当然，这是一种理论性极强的抽象划分，对于衔接企业数字化转型之“地气”有较大距离，但它可以帮助我们打开企业数字化转型的分析窗口。

从大数据分析和人工智能运用的科技层级来考察企业投资经营，企业对非数字化数据、现期数据和未来数据的搜集、加工和处理，要比对数字化数据和历史数据困难得多。企业应对非数字化数据的困难，是如何将非数字化数据转化为数字化数据；企业应对现期数据的困难，是如何及时把握正在发生的产供销活动大数据；企业应对未来数据的困难，是如何将尚未发生的大数据“贴现”为马上会大概率发生的数据。这需要人工智能技术的充分发展，企业解决这些困难的努力伴随着数字化转型的始终。

例如，企业通过机器学习这类人工智能技术来预测后续期的产供销，就需要具备超越数理统计学和计量经济学等的科技层级。^⑩具体地说，企业运用机器学习技术来搜集、加工和处理现期数据，至少能够设计出多层次神经网络的强化学习和深度学习等技术，至少需要具备在描述和揭示大数据分布特征时，能够把低层级特征数据与高层级特征数据结合起来的科技水准。^⑪人工智能技术是一种恢宏存在，企业达到什么样的科技层级才能搜集、加工和处理大数据构成中的各类数据，应该是人工智能专家和计算机专家永远都需要潜心研究的课题。经济学家研究企业数字化转型可以得出以下分析结论：企业能够应对什么样的数据类型，意味着企业达到什么样的科技层级，企业能够搜集、加工和处理非数字化数据、现期数据和未来数据，标志着企业数字化转型进入了后期阶段。

企业数字化转型从早期阶段进入中期阶段，其科技层级以及所需要经历的时间，较之于从中期阶段进入后期阶段，明显要低，明显要短，这一点自不待言。另一方面，企业数字化转型的前后相继三阶段，有着经济学意义上的条件配置问题。这些条件配置不仅与微观经济运行存在关联，也与宏观经济运行存在关联。对这些条件配置的分析和研究，会加深和拓宽对企业数字化转型的理解，会对数字经济运行产生新认知。

四.   企业数字化转型的条件配置分析

一   数字化转型要求企业具备互联网、云计算和人工智能等为核心的IT基础架构，这是企业数字化转型的硬条件配置

传统企业投资经营模式主要是依据价格和供求关系等信号来生产产品和提供服务，市场机制对企业产供销活动的导引，通常是限定在产品、行业及相关产业链范围；数字化企业的产供销模式则是开疆扩土，互联网、5G通信、云计算、人工智能技术等所形成的综合场景，使市场机制边界在大数据分析和人工智能运用下得以大大拓宽。市场机制边界的这种拓宽很重要，它是我们认知数字经济和非数字经济区别的关键点，正是这种拓宽引发和催生了企业数字化转型。不过，传统企业走向数字化企业不是一蹴而就的事情，它需要具备一系列的条件配置，概括而言，它要求企业必须朝着搜集、储存、整合、分类、加工和处理各种影响企业投资经营大数据的方向迈进。企业应对各类大数据能力的差别，决定着企业匹配大数据水平的科技层级差异，而科技层级差异则是根植于企业以互联网、云计算和人工智能等为核心的IT基础架构。

从技术角度看，企业IT基础架构是数字化转型的前提。这个架构主要由大型机、服务器、网络、云端等要素组成。企业实现数字化转型，是通过与其他企业和消费者之间的行为互动来完成的，即通过对这种行为互动所形成的大数据进行搜集、储存、整合、分类、加工和处理来完成，这是问题的一方面。另一方面，企业应对这种行为互动所形成的大数据，必须能够掌握和运用数字云，而对数字云的掌握和运用，则取决于企业对IT基础架构重要要素之服务器的掌控。这是因为服务器连接着大型机和网络，它托管着以私有云为载体的内部网，连接着互联网以支持公共云。企业要在互联网运营平台占有一席之地而实现数字化转型，必须在拥有高效处理大数据的大型机的同时，能够掌握和运用具有一定技术层级的服务器。服务器之于市场的功能，是每间隔一段时期有可能会颠覆市场的技术标准，它是企业IT基础架构中与大数据关联度最强的要素。可以认为，企业掌握和运用服务器的技术能力不强，企业数字化转型的速度就会受到较低的IT基础架构的拖累，从而导致企业大数据分析和人工智能运用等能力的停滞不前。

我们把IT基础架构解读为企业数字化转型的硬条件配置，是基于它直接关系到企业搜集、储存、整合、分类、加工和处理大数据之技术层级的考虑。从全社会角度看，在企业数字化转型的早期阶段，许多互联网+企业并没有真正建立IT基础架构；在企业数字化转型的中期阶段，随着互联网+企业转向人工智能+企业数量的增多，企业具有较高IT基础架构的技术层级开始形成；在企业数字化转型的后期阶段，绝大部分人工智能+企业的IT基础架构会达到很高的水准。从企业应对不同类型大数据所具备的技术能力看问题，IT基础架构较低的企业最多只能应对数字化数据和历史数据，IT基础架构较高的企业有可能应对非数字化数据和现期数据，只有IT基础架构达到顶级状态的企业，才有可能应对未来数据。在理论上解释以上现实支撑的逻辑推理很重要，它有助于我们分析和研究企业数字化转型。

二   企业数字化转型在新科技运用上最重要的条件配置，是能应对非数字化数据、现期数据和未来数据

现实表明，企业数字化转型过程是企业应对大数据的科技能力不断提升的过程。我们将科技层级变动看成是企业数字化转型的条件配置，实际上是对企业数字化转型过程之投资经营动态的解说。企业从大数据中获取的信息越多越准确，其产量和价格确定就越能够接近社会有效需求。由于影响企业投资经营的大数据构成是多维度的，企业掌握且能够解析数字化数据的人工智能技术，通常不能解析非数字化数据；企业掌握且能够解析历史数据的人工智能技术，远不能解析现期数据和未来数据；当企业解析大数据的能力受限，便在很大程度上制约企业从大数据中获取更多更准确的信息，从而降低了企业在产量和价格确定上对社会有效需求的吻合度。企业的产量和价格确定由投资经营决策决定，数字经济下投资经营决策正确与否，取决于企业大数据分析和人工智能技术的运用水平，即取决于企业科技层级的高低。当企业运用大数据和人工智能的科技层级逐步提高时，企业数字化转型的步伐就会加快。正是从这个意义上，我们可以将企业科技层级解读为企业数字化转型的条件配置。

如上所述，大数据成为企业投资经营基本要素的前提，企业重大经营决策以及生产工艺流程等都决定于大数据分析；换言之，企业数字化转型完成之时，便是大数据成为企业投资经营基本要素之日。我们探讨企业科技层级成为数字化转型的条件配置，重点应放在企业人工智能运用及其进展方面。企业对非数字化数据的搜集、加工和处理，关键在于对自然语言、脑认知机理、跨媒体智能等人工智能技术的掌握和运用；企业在上述基础上对现期数据的搜集、加工和处理，是对机器感知、模式识别、大数据智能、群体智能等人工智能技术的掌握和运用。在大数据、互联网和人工智能等相互融合的综合场景下，企业至少需要达到可搜集、加工和处理非数字化数据和现期数据之水准，才能够从大数据中获取大量准确信息，才能对投资什么和生产什么作出正确的决策，从而确定出符合社会有效需求的产量和价格。因此，如果说数字经济的未来发展取决于全体厂商掌握和运用人工智能技术的广度和深度，那么，企业科技层级便自然会成为企业数字化转型的条件配置。

企业对未来数据的搜集、加工和处理有极高的要求，需要在达到以上列举的人工智能技术的基础上，能够掌握和运用机器人与智能系统、人工智能逻辑、混合增强智能、自主无人系统等人工智能技术，并且能够实现从人工知识表达技术到大数据驱动知识学习，从处理类型单一数据到跨媒体认知、学习和推理，从机器智能迈向人机混合的增强智能，从聚焦研究个体智能到基于互联网络的群体智能等的转变。学术界关于第一代人工智能技术向第二代人工智能技术跃变的讨论，涉及企业搜集、加工和处理未来数据所要求的人工智能技术条件配置问题，但这些技术条件配置对于未来数据的搜集、加工和处理是否具有可行性，尚有待于实践来检验。随着第三代、第四代等人工智能技术层级的出现，企业有可能具备挖掘未来数据的能力，企业搜集、加工和处理未来数据的技术层级会大大提升，这一点是可以肯定的。不过，一个经济体要完成数字化转型，离不开所有企业科技层级的全面提升这一条件配置。

三   企业数字化转型发端于数字产业化，但主要落地于产业数字化，数字产业化与产业数字化是企业数字化转型不可忽视的条件配置

数字产业化与产业数字化的行为主体区别及其交易（本文第二部分脚注①），蕴含着两者之间深邃的行为互动关系。实际上，在数字经济中，数字产业化与产业数字化是前后相继的产业链，那些率先进入了数字产业化的智能企业，将涉猎云计算、机器学习、区块链、VR/AR、边缘计算等数字智能化产品，出售给生产物质产品和提供实际服务的实体企业，这可以理解为智能企业与实体企业的正向关联；另一方面，实体企业碰到各种技术制约会向智能企业提出技术诉求，这样会提升智能企业的科技层级，这可以解释为实体企业对智能企业的反馈关联。当这些正向关联和反馈关联不强或缺失时，数字产业化与产业数字化就谈不上紧密关联和相互促进，企业数字化转型就缺乏能够推动数字经济持续发展的强关联产业链这一条件配置，企业数字化转型就会放慢步伐。

我们可通过智能企业与实体企业之间的行为互动，来说明两种产业化的相互关联和促进是企业数字化转型的条件配置。概括而言，智能企业与实体企业的行为互动，是指智能企业与实体企业之间从交易契约谈判→修改→调整→执行的交互活动。科技产品和服务供给方的智能企业，要实现效用最大化，必须能够知晓作为需求方的实体企业对自己产品和服务的生产性消费需求信息，同样，实体企业为实现效用最大化，也必须了解智能企业的生产性供给信息。从“大数据构成”看，这些信息通常需要从数字化数据、非数字化数据、历史数据、现期数据、未来数据，或者说需要从行为数据流和想法数据流中获取。比照企业数字化转型早期、中期、后期三大阶段企业搜集、加工和处理大数据的科技水平，尽管企业在不同阶段因科技水平差异会导致信息量获取的差异（见前文），但只要企业能从不同类型大数据中获取相对准确信息来作为投资经营决策的依据，就推进了数字化转型的进程。这便说明了数字产业化与产业数字化的相互关联和促进，构成了企业数字化转型的条件配置。

从数字经济时代大数据将会成为企业投资经营的基本要素考察，智能企业向实体企业提供产品和服务，可看成是向实体企业提供投资经营所需的“算法”；实体企业获得和运用这些“算法”，其技术结构和技术层级会得到重塑。如果我们以数字产业化与产业数字化的关联度来评说企业数字化转型，数字产业化与产业数字化的关联度强，产业数字化的技术层级就会接近数字产业化的技术层级，此时，企业数字化转型的速度就会加快，覆盖面就会宽广；反之，如果产业数字化的技术层级远低于数字产业化，则表明数字产业化与产业数字化的关联度弱，企业数字化转型受到了抑制。这是因为，智能企业与实体企业之间以“算法”为意蕴的产品和服务交易，除了反映两者的上下游技术依存关系外，也反映智能企业的“算法”与实体企业的技术需求结构是否趋同，以及实体企业在智能企业“算法”加持下进行投资经营决策的技术结构状况。因此，我们有以下结论：企业数字化转型在技术要求上的条件配置，明显反映在智能企业与实体企业之间“以算法为核心”的交易契约及其执行上，并通过中介联结而迂回反映在数字产业化与产业数字化的关联上。

四   企业投资经营决策的技术手段的不同组合运用，分别对应于数字化转型早期、中期和后期的技术条件配置

企业数字化转型受人工智能发展水平约束，企业投资经营决策的人工智能手段，主要是机器学习、物联网、区块链、边缘计算、AR/VR等技术手段。在数字化转型的早中期阶段，这些技术手段对数字化数据及历史数据的搜集、加工和处理，已发挥出明显的功效，但这些技术手段对于非数字化数据、现期数据、未来数据、行为数据流、想法数据流，会碰到明显的瓶颈制约。撇开人工智能技术在生产工艺上的具体应用，仅以企业运用这些技术手段规划产品和产量的决策而言，在数字化转型的中期阶段，企业对产供销活动的数字化数据和历史数据的搜集、加工和处理，主要是运用机器学习、物联网、区块链等人工智能技术。机器学习作为一种人工智能方法，是能在一定程度上把产供销活动解析为“算法”进行预测的技术^⑫，但企业运用机器学习技术来解析大数据，充其量只能应对数字化数据和历史数据。同理，企业运用具有数据采集、数据处理和智能运用等功能的物联网技术，运用具有分布式账本、去中心化信任、时间戳、非对称加密、智能合约等特征的区块链技术，也只能应对数字化数据和历史数据。

企业在数字化转型中对人工智能技术的探索，应该说贯穿于投资经营或产供销活动的始终。从技术条件配置看，企业数字化转型在早期、中期和后期阶段，分别对应着不同的技术层级，而这便意味着企业在不同阶段的数字化转型对应不同的技术条件配置。企业在早期阶段的技术条件配置的一般画面是，企业借助互联网交易平台，利用社交媒体、传感器、卫星定位等技术手段，能够搜集、加工和处理比较简单化的数字化数据和历史数据。^⑬企业在中期阶段的技术条件配置要比早期阶段高得多，比照早期阶段，就是能够搜集、加工和处理比较复杂的数字化数据和历史数据，并且具备了搜集、加工和处理现期数据的基础，企业在后期阶段的技术条件配置要比中期阶段高得多，能够在一定程度上搜集、加工和处理未来数据。企业数字化转型之技术条件配置的提高，会加快推进大数据、互联网和人工智能等融合的综合，我们研究企业数字化转型的阶段性及条件配置，必须关注这一综合场景的变化。

企业数字化转型进入后期阶段会出现以下几种情形：（1）企业的大数据思维会完全取代以部分信息为依据的因果思维，其投资经营决策不夹带主观意识；（2）企业在大数据、互联网和人工智能等融合的综合场景下进行投资经营活动，对数字经济发展具有引领作用；（3）企业完全能应对数字化数据和历史数据，能够搜集、加工和处理非数字化数据和现期数据，以至于可以在一定程度上搜集、加工和处理未来数据。很明显，第一种情形意味着企业的市场理性选择行为，已进入大数据分析之底蕴或基础的境界；第二种情形显现了企业数字化转型对数字经济发展的推动，反映了企业进入后期阶段对数字经济大环境的影响。第三种情形则表明企业在后期阶段对大数据的搜集、加工和处理的科技层级处于顶级状态。在现实中，企业搜集、加工和处理大数据的最大困难，是将非数字化数据转化为数字化数据。非数字化数据不仅大量存在于历史数据中，也大量存在于现期数据中，更大量存在于未来数据中。因此，企业数字化转型的后期阶段是科技层级不断提升的永无止境阶段。

五.   几点理论感悟

一国数字经济的发展以企业数字化转型为基础，但这一转型涉及的问题相当纷繁。首先，在大数据没有成为企业投资经营基本要素的情况下，企业数字化转型只是形式上的转型，而不是实质性转型；其次，从整个经济体系运行考察，企业数字化转型的标志是产业数字化，数字产业化只是企业数字化转型的催化剂；再其次，企业步入数字化转型具有明显的阶段性，这种阶段性的过渡或提升可落实到企业对不同类型大数据的搜集、加工和处理上；最后，经济学需要解说的企业数字化转型，是绝大部分企业运用大数据思维而展开的投资经营或产供销活动。基于以上认知，可得出这样的理论感悟：我们研究纷繁的企业数字化转型，要以大数据、互联网和人工智能等相融合的综合场景为分析框架，任何仅仅从大数据运用来研究企业数字化转型，任何偏重于互联网交易平台对企业数字化转型的研究，任何只强调人工智能技术运用对企业数字化转型的研究，都难以全面而系统地分析企业数字化转型。

企业数字化转型源于追求利润的内在冲动和应对竞争的外在强制，它完全符合经济学追求效用最大化公理。企业在投资经营中追求效用最大化，通常需要有维系和提高竞争力的路径和手段，大数据和人工智能之所以会成为企业提升竞争力的路径和手段，是因为这些科技手段可以帮助企业依据有效需求来确定产量和价格。企业要最大限度地减少产供销过程中产量和价格的不确定性，必须能够从大数据中获取原材料的准确供给信息，从大数据中获取消费者的准确需求信息。企业利用互联网交易平台和运用人工智能技术，对具有极大量、多维度、完备性等特征的大数据进行搜集、加工和处理，从大数据中获取准确信息以作为投资经营依据的过程，实际上就是开启从传统经营模式走向数据化经营模式的过程。经济学家研究企业数字化转型，不应偏离企业生产什么、生产多少以及怎样生产这一微观经济学的研究宗旨。事实上，企业数字化转型只是经营模式的变化，我们对企业数字化转型的研究，不可忘却微观经济学这一基本“教义”。

大数据成为企业投资经营之基本要素，是大数据、互联网和人工智能等全面而深入融合的结果。其实，无论是互联网交易平台还是人工智能技术，它们既是加工和处理大数据的手段，也是搜集大数据的工具。现有的一些理论文献对大数据、互联网和人工智能的研究，没有对它们之间的有机关联予以足够的关注，这会在一定程度和范围内绕避企业数字化转型的一些症结性问题。例如，互联网交易平台显现的大数据，既是数字化数据也是非数字化数据，既有可能是历史数据也有可能是现期数据；企业运用人工智能技术加工和处理的大数据，是数字化数据、非数字化数据、历史数据、现期数据等兼而有之；如果我们只是关注互联网与大数据的关联，淡化企业利用互联网交易平台对大数据的人工智能处理，或只是关注企业运用人工智能技术对大数据的加工和处理，忽视人工智能技术在互联网交易平台的运用，那么，便难以对企业数字化转型作出全面而深刻的解说。基于这样的理论感悟，我们选用“大数据构成”作为研究企业数字化转型的一条理论分析支撑线。

“大数据构成”这条理论分析支撑线的作用，不仅揭示了大数据、互联网和人工智能等的融合，以至于反映出不同类型大数据构成的综合场景，而且也引出了企业数字化转型的阶段性问题。企业数字化转型要经历的早期、中期、后期三大阶段，符合现实逻辑和分析逻辑。企业在这三大阶段搜集、加工和处理不同类型的大数据，实际上对应于不同的技术条件配置。如果我们能够对每一阶段的大数据分析和人工智能手段所对应的技术条件配置作出符合实际的分析，并结合“大数据构成”对企业搜集、加工和处理不同类型大数据作出解析，那么，企业在早期、中期、后期三阶段的技术条件配置所展现的格局，就会将企业数字化转型在每一阶段的特征展现出来。对企业在不同阶段技术条件配置的分析很重要，它是解构企业数字化转型的技术基础，正是基于企业在不同阶段的技术条件配置不同，我们才能解释企业数字化转型的进程，才可以避免对企业数字化转型的泛泛理论描述。

企业数字化转型的早期、中期、后期三大阶段，也可以看成是企业搜集、加工和处理大数据的科技层级提升的三个阶段。联系数字经济发展而得出的理论感悟是，我们对企业数字化转型三大阶段的分析，离不开对产业数字化与数字产业化之间关联的解说。事实上，随着智能企业在互联网交易平台、云计算、机器学习、物联网、区块链、边缘计算、AR\VR等人工智能技术上的不断创新，实体企业会不断吸收和运用智能企业的这些创新成果，甚至会建立属于自己的科技创新平台来同智能企业竞争，这客观上会加快企业数字化从早期向中期或从中期向后期转化的步伐。正是在这个意义上，我们研究企业数字化转型需要考虑到产业数字化与数字产业化在长期内的关联，这种关联在促进企业数字化转型的同时，会大大推进数字经济的发展。相反，如果我们脱离这种关联来研究企业数字化转型，就不会认识到对企业数字化转型的研究可以从它的阶段性及条件配置入手。

本文最后一点但却是最重要的理论感悟，是企业在数字化转型不同阶段运用人工智能技术匹配大数据的科技水平差异，现象形态上是科技条件配置，但实质则是企业将投资经营大数据解析为“算法”的水平差异。因而我们有以下的认识：经济学家紧扣“算法”并运用微观经济分析原理对企业数字化转型展开研究，或许会得出更深刻更全面的经济学认知。