“鍾睒睒炮轟拼多多”背後, 是中國產業數字化的“道路之爭” | 文化縱橫_風聞

孫喜

首都經濟貿易大學工商管理學院

王彥敏

新場智庫

​蔡錦江

深圳市智慧灣科技有限公司

【導讀】近日，農夫山泉董事長鍾睒睒對字節跳動、拼多多的批評引發了巨大爭議。在江西考察時，鍾睒睒提到，拼多多等互聯網平台“讓價格體系下來，對中國品牌、對中國的產業是一種巨大的傷害”，**直指拼多多等電商平台的“內卷式”低價競爭傷害了基層農户的利益，傷害了產業側的利益，更進一步影響到了中國的實體經濟。鍾睒睒的批評為我們提供了一個重要的思考契機，即在數字經濟與實體經濟深度融合的過程中，如何能既發揮互聯網平台的優勢，又能避免對傳統產業的過度壓榨？中國到底應該如何發展數字經濟？**‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

本文旨在回答中國如何發展數字經濟，尤其是“如何確保中國龐大的工業體系與工業能力向數字時代平穩過渡，而不至於引發動盪甚至衰退”。**尤其是，本文主張我們應該更多關注如何發展產業層面的數字經濟，關注那些能夠帶來“增量”的“創新型平台”，而不僅僅是關注各類通過壓低消費者成本、吸乾行業總收入和利潤池的“交易型平台”。**‍‍

本文在此基礎上詳細剖析了**為何目前我國的產業數字化進展情況並不順利。**一方面，目前的產業數字化大多停留在改進運營效益、降本增效上，沒有推動產業創新和市場拓展；另一方面，能過真正實現“個性定製、柔性生產”的產品數字化也受限於中國軟件產業的落後。**中國工業長期“重硬輕軟”，產業鏈上下游互動不暢，各類依靠金融暴利的互聯網“大廠”虹吸了大量人才……這些問題都導致目前中國軟件產業乏力。**‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

人工智能技術為中國的產業數字化帶來了重要契機。**但本文主張，中國應避免盲目追逐通用大模型，更應該因地制宜發展專用人工智能，發揮行業深度知識的優勢。**同時，不能盲目追求數據確權，要看到激活數據要素潛能的關鍵在於推動互補性服務創新，擴大數據的範圍經濟性，而非簡單的數據交易。

本文還進一步指出，政府是數字經濟的孵化器，需要堅持“場景驅動與應用牽引”的原則，以場景為單位統籌數據開放，優化數據治理方式，要支持自主軟件開發，促成線下服務體系建設。與此同時，企業需要擺脱傳統思維，探索產品數字化到服務自動化的路徑；還需要構建良好的企業間生態，分工明確，實現價值共享**。尤其是，企業需要摒棄小農經濟思維和單打獨鬥模式，告別官僚化、套利尋租和“價值吸血鬼”行為。**‍

本文原載《文化縱橫》2024年10月刊，原題為《數字中國可以是什麼樣子？——中國發展數字經濟的若干戰略問題》，****僅代表作者觀點，供讀者參考。

數字中國可以是什麼樣子？

——中國發展數字經濟的若干戰略問題

中國到底應該如何發展數字經濟？

中國到底應該如何推進產業、政府與社會的數字化轉型？

尤其是如何確保中國龐大的工業體系與工業能力向數字時代平穩過渡，而不至於引發動盪甚至衰退？

**準確回答上述問題，找出一條發展數字經濟的根本出路，於國內外兩方面都意義重大。**從國內來看，這有助於破解當前大批企業對數字化轉型“看不懂”“不想轉”甚至“不敢轉”的困境，有助於讓那些在嚴峻形勢下“躺平”的企業家重新站起來，殺回經濟發展第一線。在國際層面，中國只有率先蹚出一條數字經濟發展道路，才能充分調動信息與通信技術（ICT）革命以來的全球技術資源與產業基礎，將它們轉變為有效的經濟回報和更高的生活品質；才能吸引和團結有志於發展數字經濟的廣大國家和地區，協力打造人類命運共同體的數字經濟底座，為世界和平提供有力保障。

鑑於此，本文旨在澄清中國發展數字經濟的若干戰略問題，並嘗試界定與闡述部分具體思路。我們希望以一種更具象和實用主義的方式，描繪和想象數字經濟與數字中國的可能形態；**在此基礎上，跳出長期以來諸多慣性思維和政策文本的狹隘界定，反思當前數字經濟發展方式的若干流行論調，進而理解和審視數字經濟的發展潛力與核心邏輯。**下面我們從兩個極簡場景入手，想象一下數字中國的樣子。

**▍**數字中國可以是什麼樣子？

**場景一：居家養老。**基於社區的居家養老服務，應該如何隨時掌握社區各處老人的健康信息、生活狀況與服務需求？這是老齡化對公共服務（機構）數字化提出的重要挑戰。如果引入泛在物聯網和智能技術，技術工具能否在監控死角準確識別重心下沉的老人是跌倒，還是繫鞋帶？又能否及時準確推送服務方案（呼叫120）、應急救險？甚至，能否依託這一泛在物聯網，瞄準老年人生活痛點，在衣食住行、剃頭修腳、康養復健等環節提供更加便利精準的服務，以降低子女照護成本，提升老人生活質量，同時創造大量社區就業？

**場景二：全聚德烤鴨。**全聚德烤鴨等經典中餐能否在更大範圍內更好地滿足個性化需求，甚至“用數字化的方式重做一遍”？如何以工業化研發將世代傳承的工藝訣竅轉變成作業標準，以惠及更多消費者？直至以一套全場景算法（綜合考慮鴨坯重量、食客口味、配餐菜品來確定烤制方案）“武裝”一台全聚德烤箱？更進一步，能否將烤箱聯入智能家居系統，一旦生成烤鴨任務，就通知系統中的冰箱、酒櫃、飯煲，甚至燈具“準備一場家宴”？

**在未來的數字中國，類似的場景還有很多。**與居家養老相似，很多生活服務場景和公共服務場景（如路面交通、城市建設）的數字化轉型，都有賴於泛在物聯網與人工智能的共同驅動。而“用數字化的方式重做一遍”的方法論不僅適用於中餐，也適用於中國的農業和絕大多數服務業，包括中醫。這些行業的知識結構還處於前工業化時代，這從源頭上限制了其有效供給規模，使其難以滿足人口規模巨大的中國式現代化之所需。

**▍**產品數字化：產業數字化的“前沿陣地”

以產業數字化促進數字經濟與實體經濟深度融合，是“十四五”規劃打造數字經濟新優勢的重要內容：實施“上雲用數賦智”行動，深化研發設計、生產製造、經營管理、市場服務等環節的數字化應用，培育發展個性定製、柔性製造等新模式，甚至加快發展智慧農業。政策指向之多，已經看不出誰是牽動產業數字化的“牛鼻子”。

“上雲用數賦智”顯然不夠格：現階段它的主要功能是改進運營效益、降本增效，其本質是對信息化、自動化的延續。**但是，如果不能把蛋糕做大，存量市場中的降本增效“最終結果只能是停滯、勞動者被‘褫奪’和技術性失業”；**為此，很多企業不得不一再突破底線，希冀在內卷中“剩者為王”。正因如此，**很多企業對數字化轉型投入巨大，經濟回報卻很有限。這嚴重動搖了企業“上雲用數賦智”的信心，甚至滋生了“為上雲而上雲”的現象（“不想轉”）。**很多中小企業還擔心，一旦自家底層數據“上雲”，就會在競爭對手等外部力量面前毫無秘密（“不敢轉”）。

**“個性定製、柔性製造等新模式”又能否成為“牛鼻子”？**大規模定製在傢俱等行業的成功，能否複製到其他部門？似乎也有問題，成本是其中的要害。產品可以分解為高度標準化的拼裝模塊，是大規模定製具備成本優勢的必要條件。這決定了，在定製化上“吃螃蟹”往往會大幅增加企業研發成本，甚至倒逼企業重構運營流程。

**但大規模定製絕非產品創新的“華山一條路”。**信息技術與百業千行深度融合之日，就是“生產者交付標準化產品，用户自行深度定製”的理論猜想成真之時。越來越多曾經只有機械和電氣零件的傳統產品，如今具備了通信和計算功能，吸納了越來越多的軟件成分，甚至逐漸被“軟件定義”。此時，產品數字化漸露端倪。1.0形態以航空發動機為代表，以一套控制程序應對運行過程中所有可能的工況場景。喬布斯以iPhone開闢了產品數字化2.0時代：智能手機、電動汽車，甚至服裝都開始各顯神通，把傳統機電組件、智能組件（傳感器、微處理器、內存、軟件甚至操作系統）和連接組件（端口、天線、通信協議和網絡）聯結為一個複雜系統，並因此能夠進行即時數據交互（與用户）和遠程數據反饋。通過融合“常青樹式的硬件設計與不斷更新迭代的軟件設計”，**這個複雜系統讓生產者能以標準化硬件生產實現規模經濟；**用户則可以通過軟件更新，而非物理組件更替，滿足個性化需求。

**產品數字化****是工業經濟向數字經濟傳承與轉變的紐帶。**產品在技術進步和經濟發展中的核心地位是這種傳承性的突出表現：“最優質的智能互聯產品仍須以出色的硬件工程為載體”；如果產品本身不過關，甚至賣不動，就不能基於此提供各種衍生服務。因此，規模經濟性和工業競爭力在數字時代仍然重要。“轉變”則反映為產品數字化過程中“軟件”的極端重要性：正是由於“軟件定義產品”，智能互聯產品才成為產業互聯網的數據節點。它們反饋的遠程數據，不僅構成生產者“上雲用數賦智”（智能製造、數字化研發）的源頭活水，也讓它們感知到用户的個性化服務需求；而“服務化”的落地、變現，才是通過數字化轉型“做大蛋糕”的關鍵。這意味着，軟硬結合的產品數字化不僅是傳統產品形態轉變的核心，更是促使產品與服務相融合、工業與服務業相融合、推動產業互聯網變成現實的技術起點，它也因此成為產業數字化的“前沿陣地”和“牛鼻子”。

**強大的軟件產業則是從社會經濟體系層面把產品數字化做深做實的關鍵。**正是基於這樣的邏輯，西方工業巨頭開始瘋狂併購各類軟件企業，軟件行業內部也在持續整合。但如此重要的軟件在中國的發展卻不盡人意：軟件行業常年被“卡脖子”，嚴重阻礙了更多產業智能互聯產品的創新進程。這種局面是在一系列歷史與現實因素的疊加影響下形成的。

**首先是“重硬輕軟”“重物輕人”的制度和思維慣性。“**機械佔大頭，電氣（控制機構）做配套”的傳統產品結構，塑造了長期以來工業創新的投入結構和工業產品的定價機制。科技領域的“跟隨模式”也習慣看重設備投資，忽視智力投入，但軟件開發偏偏是一個高度依賴智力投入的行當。這也削弱了國家科技項目對軟件產業的有效支持。兩者共同構成中國軟件開發投入少、軟件“不值錢”、軟件企業不賺錢的歷史根源。但在控制自動化、軟件化的時代，這就變成了機電一體化、軟硬件融合的障礙。

**產業鏈上下游互動不暢，也阻礙了軟件產業發展。**只有通過用户與開發者的有效互動，才能把用户的產業經驗和場景知識編碼化、自動化，形成軟件。因此，好的軟件產品一定是用出來的，而不是單純的研發成果。尤其是那些本土化場景（如烤鴨）的軟件開發，既無國外成品提供參考，也無國外軟件支持驗證，就更需要“應用牽引”。但產業鏈互信不是我國社會經濟建設的重點，良性供需互動也不是經濟生活常態。在我們的產業鏈上，能夠推動協同創新的信任要素並不多，對西方技術的迷信則加劇了這一問題。

**此外，軟件產業還一度遭遇跨行業的“人才虹吸”困境。**人才流動的受益者是那些待遇畸高的互聯網大廠和遊戲公司：與絕大多數軟件企業和硬件廠商的軟件業務相比，它們可以在資源投入、薪資體制等方面利用更多金融工具。這種更加金融化的要素定價機制使互聯網大廠成為軟件與數字化人才“抽水機”，也迫使人員流出方——實體經濟部門抬高軟件工程師待遇，以保障自身軟件開發與維護業務的長期穩定運行。這與行業發展水平並不相稱，也不利於提升行業競爭力。

**在今天中國數字經濟和軟件產業高質量發展的實踐中，還遭遇了一個全新的干擾項：算力。**官方稱之為數字經濟“底座”，企業奉之為“數字經濟的核心生產力”，還有人以“要想富，先修路”的歷史經驗説明算力超前建設的合理性。但“先修路”之所以有效，首先是因為當時的中國可以大面積借用西方成熟技術。今天，雖然西方軟件產業相對領先，但與徹底的社會經濟數字化轉型對軟件的需求相比，中國能夠借用的成熟軟件還是太少。如果軟件無法就位，算力建設就會缺乏內生動力和經濟合理性，超前建設還可能會為他人（軟件實力更強的西方企業）作嫁衣裳。

更重要的是，以軟硬結合的產品數字化滿足個性化需求，從來不是隻有一條路徑。同樣是為自動駕駛提供導航服務，特斯拉選擇“純視覺+大算力”的解決方案；但國內車企更希望降低導航服務對算力的佔用，這才有了四維圖新公司“地圖+視覺+低算力”的技術路徑。這提示我們，“頭痛醫頭，腳痛醫腳”或許不是破解中國人工智能芯片“卡脖子”的唯一辦法：我們應當更加全面地理解軟件開發能力與算力體系結構（雲邊端算力的分佈結構）之間的複雜互動關係，只要找準激活這種互動的切入點，全力支持本土軟件開發和產品數字化，也可以成為化解“算力焦慮”的一手妙棋。

▍“人工智能+”：產品數字化的“壓艙石”

但是，數字經濟中的智能互聯產品絕不是一個個孤立的存在。以有自動駕駛功能的汽車為例：與傳統汽車相比，它們日益成為一個龐大泛在物聯網上的數據節點；在運行過程中，它們時時刻刻產生數據，把關鍵數據回傳雲端，並接收雲端推送（智駕系統升級、車載娛樂服務包等配套軟件的下載）。在這個數據流動過程中，“車”只是前台的終端，真正的後台是主機廠搭建的“人工智能工廠”：數以百萬計的前台終端持續回傳海量駕駛數據，作為機器學習、算法開發的訓練素材；機器學習的核心成果則是更加精確、能夠適應更復雜路況的智駕系統。

**今天，類似的人工智能工廠廣泛存在於眾多行業。**拼多多、B站、今日頭條的人工智能工廠主攻自動推薦方向：動輒上億的月活用户的使用數據，使機器學習的用户畫像分析日益精準；有相同購物或瀏覽記錄的用户，共同為彼此打造了一個推薦準確度越來越高的“信息繭房”。徐工信息等產業互聯網企業的信息觸角，是數以十萬計的在用設備。依靠這些觸角的回傳數據，它們不僅可以向用户推送潤滑維保服務，持續完善設備的自動作業、自動駕駛功能，還能對零部件進行質量分級和差別化定價。有些產品天生不具備通信功能，但可以以間接方式進入泛在互聯網。比如欣凱醫藥的慢病管理系統：它在手機端收集出院病人用藥記錄、檢查報告和疾病評估數據，不僅方便了慢病患者全週期隨訪，也為醫生優化用藥方案、發現不良反應創造了機會；這種機會還會隨着數據積累和系統升級而不斷增多。病人的隨診效果與體驗以及醫生的診後管理體驗與收入，都因此大為改觀。

**這就是真實世界中的“人工智能+”。**我們將各行業“人工智能+”的核心“玩家”——那些着力建設人工智能工廠，並由此形成一套基於算法的認知計算系統的企業——統稱為“（數字）平台”。這些平台的核心邏輯鏈條非常相似（圖1）。

首****先，在信息化環節，利用泛在物聯網，尤其是智能互聯產品採集用户場景信息，並將它們全部處理為二進制數據，回傳人工智能工廠。

其次，在決策自動化環節，人工智能工廠（芯片+算法）處理回傳數據，自動預測用户需求，據此決定下一步做什麼。

再次，在服務自動化環節，基於前述決定，平台及其互補性服務（平台企業無法獨立提供的服務，如汽車的娛樂服務包）開發商向用户交付服務，滿足個性化需求。這又激發了用户的新需求，產生了新場景、新數據，算法也將隨之改進，從而形成一個人工智能改進閉環。

在這個閉環中，兩個“自動化”環節共同完成對“信息化”的反饋。這些反饋可以是為可能跌倒（預測）的老人自動呼叫120（服務），也可以是為吃烤鴨的家宴自動推薦，甚至配送佐餐酒。總之，是在持續減少人員參與的情況下，提供自動化、智能化服務。**這是數字化的本質和“人工智能+”的關鍵。**今天很多討論習慣把“數字化”描繪成一種充滿神秘色彩卻又同義反復的高級信息化，根本原因就是忽視了這個“自動”反饋過程。

最後，在跑通上述“場景—數據—算法—服務”人工智能改進閉環的基礎上，平台企業基於數據形成收益分配決策和新的價格策略，以此引導供應商和生態企業（互補性服務的開發商）的標準化（包括服務標準化）與創新發展，提高平台治理效率。

**這一人工智能改進閉環可以幫助我們清晰回答中國發展數字經濟的諸多方向性問題。比如，到底應該如何促進平台經濟健康發展？現實生活中，人們容易將“平台”狹隘地理解為淘寶、滴滴、閒魚等“交易型平台”。它們提供的服務，歸根結底是利用信息技術重組現成供需關係，並因此與實體流通業構成實質性競爭。在這場競爭中，線上交易得以勝出的關鍵是大幅降低消費者綜合成本，但這也吸乾了行業總收入和利潤池，甚至最終變成行業“價值吸血鬼”。**相比之下，特斯拉、蘋果、徐工信息、欣凱醫藥則是“創新型平台”。它們的服務超越了存量市場：通過推動智能互聯產品升級，更好地理解場景演進和需求升級，開發和引入更多服務創新，為用户創造更好的體驗和更高的效用，也為自己帶來更高的用户黏性和回報。這種增量特徵使創新型平台更有資格扛起“平台經濟健康發展”的大旗。

**再如，我們需要什麼樣的算法，或“新一代人工智能”？**面對近年來國內外人工智能通用大模型發展的滾滾熱浪，雖然中央政府尚未表態，一些地方政府已把通用大模型等同於“新一代人工智能”。但通用大模型的應用之路並非想象的那麼“通用”：目前其產業應用集中在汽車、手機、電腦等行業，但由於並不掌握很多行業深度數據，也就很難走入更多領域和場景。這些行業深度數據構成了在這些行業應用人工智能的“解碼器”（圖2上方等式中的“領域結構”）：它可以幫助企業將真實場景中的複雜決策分解為一組簡單決策，簡單到計算機能理解的“如果（某一場景因素達到臨界值），那麼（觸發相應反饋）”的形式。換言之，汽車、手機之所以能夠引入通用大模型，就是因為我們可以輕鬆列出影響其使用的關鍵因素及其臨界值。但是，在那些場景因素眾多、經驗知識豐富的行業裏（如釀酒、烤鴨、醫療），將複雜決策分解為簡單決策的難度就變大了。**此時，相較於基於公開文本訓練的通用大模型，領域結構的“解碼器”功能就變得重要起來，**面向具體行業的專用人工智能將會更有優勢（圖2下方譜線）。從這個角度來看，美國之所以押注通用大模型，更像是去工業化導致行業深度知識流失的後果。這提醒我們，要更加多元地理解不同行業中的“新一代人工智能”，避免一刀切。

**沿前述人工智能改進閉環進一步上溯，下一個問題是數據如何（更好地）發揮作用？**當前對這一問題的主流認識是用市場機制加快數據要素流動，激活數據要素潛能，併為此推動數據要素市場化、數據確權和數據資產入表。**但是，真的可以脱離人工智能改進閉環談數據資產嗎？**畢竟在這個閉環中，有效數據積累得越早、越多，算法預測準確率就越高，服務創新空間越大。而且，閉環中的不同數據彼此互補：每一份數據與其他數據相結合，都會為算法效率和服務增值帶來邊際改善。所以，蘋果、特斯拉等企業才會努力爭取用户數據授權。這一邏輯對數據資產化的影響顯而易見。**第一，因為增量數據會同時改善算法與服務，所以在人工智能改進閉環進行到特定環節之前，數據價值很難（完整）評估。第二，過度碎片化的數據確權會增加數據歸集的交易成本，進而導致“反公地悲劇”：寧讓數據在自己手裏睡覺，也不交給別人創造價值。現實中，這種現象既存在於許多組織，尤其是國企內部，因為它們可能會擔心數據歸集將引發各部門之間的調度扯皮；也見於不同組織之間，比如以“預防國有資產流失”為名，在不同醫院診療數據歸集上層層設障。歸根結底，“場景—數據—算法—服務”閉環的貫通性與不可分割性決定了，服務才是平台的基本構成單位和基本交易單元；****脱離了服務的數據既不是基本交易單元，也不具備可交易性。**因此，激活數據要素潛能的關鍵，絕不是簡單直觀的數據交易和數據資產化，而是鼓勵更多的互補性服務創新，讓數據要素實現更大的範圍經濟性。

**基於人工智能改進閉環看“場景”，還可以幫助我們重新認識“數字中國”的內涵，找準中國發展數字經濟的系統優勢和戰略縱深。首先，中國有一個龐大的電子工業。**這不僅可以支撐“數字中國”的絕大多數硬件需求，還能催生更加本土化的技術路線。電子工業因此構成數字經濟時代現代化產業體系的物質技術基礎，而非拖累轉型的“舊動能”。**其次，中國的數字經濟仍有可觀的後發優勢。**中國企業可以立足於更先進的技術條件和技術理念，搭建人工智能改進閉環，設計系統架構，而不必受限於沉重的歷史包袱。**最後，中國有一個龐大的、足以啓動內循環的數字經濟需求側——巨大的人口規模和海量的服務需求，包括內生於工業體系的豐富的產業場景。**在充分挖掘和重新定義本土場景的基礎上，中國企業可以利用自己在服務場景、系統架構等環節的優勢，將七十年工業化的經驗積累轉變為有效的領域結構和有商業價值的垂類模型，進而降低某些關鍵核心技術的重要性，甚至部分繞開“卡脖子”環節。**這種本土場景資源比我們想象的豐富得多：**中國還有很多部門處於前工業化時代，值得“用數字化的方式重做一遍”，並由此完成知識結構現代化、有效供給工業化，直至服務自動化、差異化的轉型升級。也只有不斷開發這類本土特色場景，中國工業軟件才能獲得內生性發展動力，避免在西方同行後面“重新發明輪子”。

**▍**我們能做什麼？

關鍵的第一步，是發揮政府在“數字中國”建設過程中的引領性力量。

中國正處於創新公共服務、提升治理能力的重要階段。這從根本上決定了政府作為數字經濟“孵化器”的角色。但這需要政府審慎選擇建設“數字政府”的基本方法論，不拘一格地團結和帶領更多企業和企業家，激發他們的歷史主動精神和歷史責任感，全面、徹底地利用好中國產業體系藴藏的磅礴偉力。在此基礎上，緊扣“產品數字化”和“人工智能+”兩個關鍵環節，構建數字經濟總體戰略，推進社會經濟數字化轉型。

**這一戰略的首要原則是堅持“場景驅動，應用牽引”。**換言之，應當以場景為單位，鼓勵最廣泛的、多元共生的服務創新（應用）。這需要徹底摒棄歧視性的產業政策，摘除產業、企業的身份標籤，樹立更加包容的產業治理理念，以此促進場景開放、生態建設和跨界融通融合。要讓各領域的領軍企業和專精特新企業最大程度發揮自身特長，有場景的開放場景，有技術的貢獻技術，以“1+1>2”的方式創造並共享創新收益；避免一刀切地推動所有龍頭企業建設人工智能工廠“策源地”，最終讓林立的“山頭”和“煙囱”把產業生態瓦解成一地雞毛。

**要想從制度層面解決好數據資產“反公地悲劇”，則需要建立某種舉國體制：**以場景為單位，以問題為導向，統籌相關部門推動數據開放；同時優化數據確權和隱私保護的制度框架，以強力事後懲戒代替嚴密事前防範，以此鼓勵數據開發，激勵本土創新。

**政府應全力支持面向社會經濟體系各環節的自主軟件開發。**首先，以場景為單位，鼓勵平台企業與生態企業抱團（包括組建協會與聯盟），做好人工智能工廠和智能互聯產品選型，讓人工智能改進閉環儘快轉起來。其次，着力降低企業軟件開發成本，既要為有志於產品數字化和“人工智能+”的企業創造更多融資機會；也要規範交易型平台行為，以法律工具控制其“抽水機”和“吸血鬼”傾向。比如，對相關行業勞動力市場和薪資體制予以必要干預；以反不正當競爭法規範電商平台競爭秩序，避免經濟整體走入“低價螺旋”。

**此外，政府還應促進社會經濟體系建設全面下沉，以支撐互補性服務的線下運維。**這既包括切實保護中小企業權益，也包括建立以社區、街道和鄉村為單位的商業體系。這是創造和確保就近就業、克服“大城市病”的根本出路。

**在此基礎上，微觀層面的市場活動主體也要順時而動，有所作為。**首先，從組織層面解決數據資產“反公地悲劇”，需要企業從封閉的、一盤散沙式的單打獨鬥中走出來，**告別小農經濟思維，確立生態協作的思維方式、發展戰略與組織結構。**一方面，遵循數字化理念，打通組織內的“部門牆”，避免以“數據煙囱”為單位的升級改造。另一方面，圍繞特定場景合作，開展服務創新。平台企業與生態企業合作深挖用户需求、改進用户效用，以此相互成就。平台企業因此需要把握一個關鍵尺度：既能與生態夥伴開放、共創，又能有效控制自有領域結構。其中的要害是平台的治理能力，尤其是有效設計和治理產品數字化過程中各參與者的權責邊界。

**其次，擺脱傳統產品思維的束縛，找到服務化升級的方向。**工業企業需要更好地理解軟硬件融合的趨勢與可能，及早發現產品數字化通向服務自動化的可能路徑。對知識結構尚處於前工業化時代的行業來説，當務之急是擺脱以“一機械化/現代化就變味兒”為代表的宿命論和不可知論，明確樹立全價值鏈“用數字化的方式重做一遍”的戰略目標，利用現代技術手段和科學研究方法論，先易後難、由淺入深、久久為功，把價值鏈各環節的標準化、數字化、知識結構現代化做起來，在此基礎上滿足個性化需求。

**最後，在平台共建、場景（用户）共有、盈利共享的生態關係中找到價值實現路徑。**這需要平台和生態企業找到各自從創新中獲利的途徑。作為生態塑造者，平台企業“大就要有大的樣子”，做好“人工智能工廠”主責主業，並以數據為基礎，找準合作伙伴，以開放生態構建閉環服務。生態企業要做好平台觸達用户（包括養老等線下服務）、跟蹤場景、理解需求的抓手；但也要形成自己對需求的綜合理解，以擺脱“一個蘿蔔一個坑”的思維慣性，擇機成為“多面手”式的綜合服務提供商，實現數據要素的範圍經濟性。

所有工作的微觀基礎，是企業決策團隊的思維方式。一言以蔽之，能夠完成這些工作的只能是企業家，那些在機器並不擅長的價值判斷、社會溝通和情感共鳴方面深諳人性的企業家，而絕不是官僚、套利尋租者或“價值吸血鬼”。