产业组织理论(产业组织理论和资源基础理论的区别)

 

摘要：作为新通用技术的数字技术，给数字经济赋予了如下方面的内生特性：信息产品的非争夺性，信息的边际成本趋零，数字市场在线不在场，大数据成为关键投入品。在这些内生特性的主导下，数字经济产业组织的焦点不再是市场结构，而是自我优待、拒绝交易、差别化定价与激进补贴、杀手型并购等策略性新式行为。不过，这些新式行为的要害在于，它们在很大程度上由数据与算法所驱动、所引领。如果对数据和算法缺乏科学和有力规制，就会刺激对数据的滥采滥用、对算法的不当和过度使用，从而形成数字经济时代的新公害。因此，数字经济产业组织政策应该把重点放在防止新公害方面。从长远而言，需要建立一个可嵌入未来并基于场景的数权体系和算责制度，这与工业经济时代所建立的产权体系具有同样的基础性意义。此外，产业组织政策还应防止对数字创新造成不必要的妨害，并防止对市场化风险资本的正面作用形成不当抑制。

关键词：数字经济 产业组织 反垄断 数据

一、引言：数字技术成为新通用技术

根据我国有关部门的定义，数字经济是指以数据资源作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动；它包括产业数字化和数字产业化两大部分，其中互联网占有十分重要的位置。显然，数字经济建立在现代信息通信技术（information and communication technologies，ICT），以及互联网技术，数据的采集、传送、处理技术，以及算力等技术的基础之上。这些都是数字技术。数字技术最新发展和未来突破还包括人工智能、深度学习、量子计算、虚拟现实、脑机接口等技术。当然，更遥远的数字技术将有哪些品类，现在还难以预料。

从已经显示的趋势来看，数字技术极有可能是新通用技术。因此，其渗透性将会远远超过目前范围，对经济增长推动力的强劲性和持久性会超过许多人的想象。蒸汽动力技术是第一个现代通用技术，引发了第一次产业革命；内燃动力和电气动力技术是第二个现代通用技术，引发了第二次产业革命。经济学家Bresnahan和Trajtenberg（1995）认为，通用技术不但能广泛应用到其他部门，而且其自身有着巨大的技术突破和成本下降空间，并带动新产品、新业务不断出现，从而持续地促进经济增长；阿格因和豪伊特（2011）则更加系统地论述了通用技术如何影响增长和分配。这些经典研究都反映了通用技术（general purpose technology，GPT）的力量。而数字技术作为新通用技术，似乎正在引发以信息化为特征的第三次产业革命，甚至一些人认为现在正在向以智能化为特征的第四次产业革命过渡。

不过数字经济的新技术，及其派生的新服务、新模式、新业态，却对产业组织带来巨大影响，并引起了经济学界的高度关注。刘鹤（2022）就指出，以互联网为依托的新经济不断渗透、不断扩张，成为影响经济增长、收入分配、国家竞争力的核心因素；在信息网络产业中，不一定会是原子式竞争，一大批有竞争力的甚至会产生垄断作用的优势公司将会崛起，新经济的产业组织格局演变要比传统产业快得多，汽车、钢铁等行业从自由竞争走到垄断竞争用了上百年时间，而信息产业只用了十几个月时间；新经济将突破传统的金字塔纵向结构，向横向、互动、扁平的组织结构过渡，并将引发民众的广泛参与和社会结构重大的变革。显然，刘鹤对互联网等新经济行业在产业组织方面所呈现出的不同于钢铁、汽车等传统行业的新特征，以及这些新特征与信息技术之间的关系，进行了独到分析。巴苏和考希克（2021）的研究显示，数字技术对市场产生了颠覆性影响，譬如导致市场搜索成本大幅度下降，从而把全球经济带入锯齿型产业组织时代，使得企业能够以前所未有的规模来实施价格歧视等策略性行为。与刘鹤的研究相比，巴苏更重视对数字企业竞争行为的分析。而Rochet和Tirole（2003）则对互联网平台的规模经济性和网络外部性进行了研究，并建立了一个双边市场模型，强调双边市场已无法用传统的竞争—垄断理论框架来分析。Eisenmann等（2006，2011）对双边市场平台的竞争行为进行了进一步研究，认为这个市场存在着赢家通吃倾向，企业在定价策略上面临着复杂的选择，并发展为商业生态竞争。Calvano和Polo（2021）从创新的视角，分析的数字市场的网络效应、数据的重要性以及高集中度现象，强调反垄断政策不应该伤害创新激励机制。江小娟（2020）指出，在人工智能、大数据分析、云计算、物联网等数字技术的支撑下，三次产业相互内置会形成新的产业形态，新型的物—物、人—人和人—机交互方式会进一步显现，数字化生态将跨界成长，因而治理数字经济与治理传统经济有很大不同，并给监管带来新课题。

事实上，数字技术对产业组织的深刻影响，不仅仅体现在学术研究上，而且已体现于全球反垄断和规制浪潮之中。美国国会于2020发布的《数字市场竞争调查报告》（U.S House of Representatives，2020），欧盟于2022年通过的《数据治理法》（Data Governance Act）等重要立法，都释放出强化数字经济领域反垄断的政策信号。事实上，根据张文朗和彭文生（2021）的分析，美国的反垄断讨论与执法大约在20世纪80年代之后就沉寂下来，但从2016年以来重新活跃，并主要针对数字市场；江山（2021）的研究也显示，在20世纪90年代和21世纪前20年大部分时间里，美国的反垄断行动处于低谷，但近几年针对数字经济的反垄断监管日趋炽烈；袁嘉（2021）的研究则展示了欧盟和德国的同样趋势。我国也不例外。2020年底，中央经济工作会议首次提出，要健全数字规则，完善平台企业垄断认定等方面的法律规范，坚决反对垄断和不正当竞争行为，防止资本无序扩张。此后，我国连续颁布了十几份针对数字经济的规范性文件，并开始了规制行动。

然而，数字经济的新服务、新模式、新业态到底由什么具体因素所推动，其产业组织的深刻变化究竟缘何出现，反垄断和规制政策是否会因此而面临重大新挑战，却缺乏足够多的研究，或者缺乏足够全面的共识。这又导致或加大了政策领域的巨大分歧与争论。例如，美国新布兰代斯主义反垄断思潮代表人物之一，联邦贸易委员会（FTC）主席Khan（2017），曾对亚马逊等数字巨头企业的低价竞争行为、多元业务结构作出严厉批判；而宾夕法尼亚大学著名法学教授Hovenkamp和Scott Morto（2020）则认为，数字市场反垄断执法目前缺乏足够深入的分析作基础，这会使政策偏离专业化轨道。Yun（2021）则更加系统地分析了反垄断政策的数字经济盲区（digital blind spots）。在这样的情形下，本文认为，认清数字经济的内生特性，即由数字技术所塑造的产业特性，是正确把握数字领域产业组织变革趋势、恰当设计数字市场反垄断政策的关键所在。本文将从数字经济的主要产品——信息产品入手，层层递进剖析其内生特性；然后对数字企业典型的策略性行为进行梳理，从而分析数字经济产业组织与传统竞争—垄断范式之间的张力；最后，就规制政策提出一些建议。本文通过对数字市场典型新行为的深入解剖，揭示了它们背后的新公害隐患，即数据与算法方面的公害隐患，并提出了建立数权和算责体系的必要性。

二、数字经济的四大内生特性

综上所述，数字经济的产业组织呈现出一些新特征，其企业竞争行为表现出一些新特点，是根源于作为新通用技术的数字技术，是根源于作为新经济的数字化经济活动的场景、模式、生态，以及根源于不同于传统经济活动的新型人、物、环境之间交互关系。或者说，是内生于数字技术及其应用方式。可以这样理解：数字经济必然有其内生特性；这些内生特性具有本质性意义，在探讨数字经济的产业组织和竞争秩序时至关重要。

数字经济的首要内生特性，是信息产品的非争夺性（nonrival）。探寻数字经济的内生特性，首先要对数字经济的主要产品——信息产品，进行准确把握。数字技术的主要处理对象是数据和信息，而不是物质材料。农业经济的主要产品是农产品，工业经济的主要产品是工业制成品，它们都是物质产品，具有争夺性（rival），一件产品被这一客户购买和使用了，就不能再被那一客户购买和使用，必须要再生产另一件产品供其他人购买和使用。即使是传统的实体式服务，基本上也是这样的情况。而信息产品则完全不是这样，这一客户在购买、使用的时候，只要存在一些基础设施，就并不妨碍另一客户同时购买、使用，至少并不需要增加显著的成本就可以让另一个人同时购买、使用。所以一般而言，信息产品具有非争夺性。

在工业经济时代，当然也有一些服务业提供商业化的信息产品，譬如广播电视台提供的广播电视节目。不过这些信息产品并不是工业经济时代的主要产品，更不是核心产品。而数字经济时代的主要产品，甚至核心产品，就是信息。信息产品的非争夺性，必然导致收费问题，即如何对信息或类似的其他数字产品实行收费。这实际上就是数字企业如何设计商业模式、如何设立企业与用户之间商业关系的问题，进而如何通过更复杂、更巧妙的商业模式和商业关系来改变企业间竞争态势的问题。利用技术手段设置不同的收费机制，也即改变信息产品的排他性（excludable）或非排他性（unexcludable），从而与非争夺性形成不同组合，既可以成为一件竞争之矛，也可以成为一件排斥竞争之盾。认清了非争夺性这个首要内生特性，就为数字经济产业组织研究提供一个基准点。

第二大内生特性，就是信息的边际成本趋零。提供信息服务当然存在成本。而数字技术，则将信息的边际成本带到极低水平，乃至趋近于零。数字经济始于0-1数字化编码，在此基础上，随着通信技术和芯片技术的推进，以及互联网基础设施的日益普及，海量信息能够以很快速度传输到许多角落，同一信息只要进入互联网，几乎可以被无限多的人重复共享，而不需要随着共享人数和次数的增加而不断明显地提高成本。不断取得突破的互联网相关技术，特别是搜索引擎技术、智能联想技术和其他智能化技术，还极大地降低了市场搜寻和匹配成本，而这项成本自市场诞生以来就一直伴随人们长期存在。与过去相比，与其他成本相比，搜寻和匹配成本近乎于零，极大地改变了交易成本结构，并对合约要点和市场机制产生了重大影响，譬如，智能合约可能大行其道，匿名和虚拟市场变得非常普遍，不同于传统货币支付的另类支付方式被广泛接受，等等。由于存在这个内生特性，数字企业的成本—收益关系，进而竞争策略及其导致的市场结构，将迥然不同于工业企业。

信息或类似数字产品能够以很低的边际成本让无数人共同和重复使用，这意味着，某个单一产品，以及提供这个产品的企业，从理论上来说，可以获得无限多的用户，获得无限多的收入，建立无限大的规模。物质产品和实体式服务要扩展市场，存在很大的运输成本或在场成本，并且需要广泛的分销网络或服务网点，以及存在一些独特的合约成本。信息产品不需要这些。某个物质产品或实体式服务的客户人数上亿，这个企业就会被视为非常大的巨头；而互联网平台的用户人数达到十亿或几十亿，其典型产品被这些用户高频度地使用，这在物质产品和实体式服务领域是不可想象的。因此，数字经济给赢家通吃提供了极大可能性，并便于赢家建立极大的影响力，以及把影响力倍增式地传递到其他行业的杠杠力。

第三大内生特性，就是数字市场可以在线不在场。人们通过互联网进行各种各样的经济活动，以及进行交易和交流，但并不一定在现场出现。这就极大地打破了过去的物理隔阂和地理限制，使得数字市场真正成为大范围、全领域的陌生人市场。更进一步，厂商、组织、个人的身份都可以虚拟化，从而产生完全的虚拟活动和虚拟世界。在此基础上，虚拟产品甚至虚拟货币得以出现。再进一步，虚拟和现实的交融也出现了，这将使在线和在场高度融合，使虚拟世界和现实世界、虚拟身份与真实身份既分又合。毫无疑问，数字经济的这些发展，数字化活动的这些演变，带来了全新的政策议题和规制难题。未来的发展和演变更加不得而知，譬如人工智能是不是可以替代真人决策和签约？智能技术与仿真仿生技术结合是不是可以实现真人拥有替身？思维、记忆、情感是不是可以脱离本尊而独立存在并永远不灭？这些政策方面和伦理方面的议题并不遥远。

第四大内生特性，就是大数据取代物质材料成为关键投入品。这是数字经济发展中日益凸显的一个新的内生特性。之所以新，是因为在数字经济的发展的初期，大数据投入的重要性和关键性，并没有凸显出来。或者说，数字（digital）经济在开始的时候还只是数字化（digitalized）的经济活动，也即以0-1编码的计算机信号取代从前的模拟（analogic）信号，而并没有表现为明显的数据（data）经济。在数字经济初期，譬如门户网时期，互联网企业使用的基本原料是从其他企业、其他机构那里搞来的信息资料。这些信息资料，还算不上大数据。经过一段时期发展之后，数字经济许多细分行业的企业，就开始自己采集和加工数据，广泛运用于经营当中，并以此开展一些策略性竞争行为，譬如电商企业，开始仅仅是集合商品供方和需方的信息，形成简单的线上交易平台，而后来则大量收集和分析商家、客户的数据，以推动精准营销、智能匹配，以及推行自我优待、拒绝交易。即使是游戏和娱乐领域、发布与社交领域，平台企业也可以通过数据的获得来了解不同客户的倾向、意愿和支付能力。而人工智能等领域，更需要大数据作为投入品，来进行深度学习和建立思考能力。大数据成为关键投入品，虽然到最近几年才凸显出来，但却内生于数字经济的那些基础性技术，譬如数字化的信息采集与传输和储存技术、网络构架技术、计算与学习技术，等等。这些技术不断获得突破，极大地降低了大数据处理成本，并极大地激发了对大数据的需求。这恰如能源成为工业经济的关键投入品，是内生于蒸汽机技术、内燃机技术、发电机技术一样。

数字经济当然也需要物质材料的投入，它和工业经济一样，也需要使用机器设备，譬如服务器和计算机等基本设备，以及智能手机等终端设备，并且也需要消耗能源。但机器设备等物质材料投入再多，也不是数字经济的关键投入品，恰如工业经济也像农业经济那样需要投入人工，但投入再多的人工也不是工业经济的关键投入品。如果没有大数据投入，数字经济就没有了基本原料，就不能进行后续加工和最终提供数字化产品。许多人把芯片视为数字经济的核心器件，但是，如果不需要存储、处理、加工大数据，高性能芯片并没有多大用场。正因为大数据十分关键，芯片及未来更先进的此类元器件，才会成为数字经济发展中最具重要性、竞争激烈的行业之一。

大数据的价值，来自于极大量、多种类、速变动数据的关联与合成。缺乏极大量和多种类、关联与合成这几个要点，数据就难以产生价值。因此，大体量、广范围数据的采集和获取，以及后续的存储、流转、分析、使用，就成为数字经济中的核心环节。在这个过程中，计算变得异乎寻常地重要，计算能力很可能是数字经济中最核心的能力，而算法将成为难以想象的重要角色。目前的算力和算法还只是偏重于分析人的偏好、动向等等，未来随着人工智能和元宇宙的突破性发展，以及对许多未知领域的开拓，很难设想会出现怎样的计算技术和计算应用。很显然，大数据的采集与利用，算法的开发与运用，是一个全新范畴。

当然，数字经济还有一些其他特点或特性，而且研究者可以从不同角度，依照不同目的，来探寻数字经济的特点或特性，这些探寻还将随着数字经济不断发展而得以深化和修正，但那些具有本质意义的内生特性，却不会随着时间推移而改变。信息产品的非争夺性、信息的边际成本趋零、数字市场在线不在场、大数据成为关键投入品，这四大内生特性，不但在很大程度上由数字经济本身所定义，必将推动数字经济按照自己的定义不断向前发展，而且也将给工业革命所定义的产业组织和经济秩序，乃至人的认知和社会文化，带来冲击和挑战。

三、数字经济产业组织的典型事实：新式行为而非市场结构

这些内生特性，给数字经济产业组织带来的冲击和挑战，当然会体现在市场结构、市场行为、市场绩效等方面。不过，这并不意味着要依照传统的结构—行为—绩效范式（SCP范式），来分析和判断数字市场的竞争—垄断状况，并制订和实施反垄断政策。即便在产业组织理论界，正如Kovacic和Shapiro（2000）所指出的那样，哈佛学派的SCP范式早已受到注重企业行为分析、强调经济效率的芝加哥学派的严重质疑，博弈论、信息经济学等分析方法已经促成了新产业组织理论的兴起，使得对企业复杂行为的具体分析，而不是对市场份额和市场结构的分析，更具说服力。而在产业组织政策实践中，亦如Bradford等（2019）的统计分析所显示的那样，自20世纪90年代以来，也很少有大企业因市场份额很高而被判定为垄断并被分拆。尤其是在数字经济领域，那些巨头企业，包括近乎独占细分市场的互联网平台企业，尽管处于强烈的反垄断压力之中，并受到了不少严重指控，但并未被要求分拆以改变市场结构（张文魁，2021）。从美国、中国、欧盟等重要国家和地区数字市场反垄断所面对的实际情况来看，市场结构已很少成为数字产业反垄断政策的焦点，即使那些数字巨头企业陷入垄断指责和诉讼，其市场份额也不再作为主要衡量指标，而且一些市场份额较低的企业也会受到垄断指控。事实上，在数字市场，无论是营业收入，还是活跃用户人数，或者在线时长，都难以单独成为衡量市场份额的指标，而数个指标的高低往往并不一致，从而使得市场结构分析框架缺乏一致认同的基础指标，并且进入壁垒、技术变革、创新迭代、商业生态可能比市场份额更能决定企业的竞争地位。当市场结构不再成为聚焦点的时候，企业行为，即那些排斥竞争或不当利用市场优势地位的策略性行为，以及其他一些受非议的特别行为，则成为主要关注点。

那些日渐成为反垄断重点的企业行为，在美国国会（U.S House of Representatives，2020）发布的《数字市场竞争调查报告》等重要资料中得到了较为详尽的展现。张文魁（2022）也对这些行为进行了梳理与归纳。总的来看，那些典型行为，主要包括如下几类。首先是自我优待（self-preferencing）。数字经济领域那些巨头企业，主要是互联网平台企业，常常兼有平台性和自营性两类业务，这意味着，它一方面向众多其他厂商开放平台，另一方面又经营着与其他厂商构成竞争关系的自营业务，因而自我优待行为就成为比较突出的议题。平台的自我优待有很多方式，譬如把自营商品放在更显眼的位置、安排更优先的配送、诱导客户给予更多的好评，或者对其他厂商采取逆向措施，比如进行搜索降级等等。美国《数字市场竞争调查报告》就指责谷歌（Google）将有利于自己的搜索结果置于更显眼位置，对竞争者施加算法惩罚和搜索降级；欧盟认定，谷歌要求使用安卓（Android）操作系统的手机制造企业，预装谷歌搜索引擎和网络浏览器，亚马逊（Amazon）、脸书（Facebook）则过度采集个人数据，利用数据和算法来强化自营优势、削弱第三方经营者的竞争能力。其次是拒绝交易（refusals to deal）。数字经济领域拒绝交易的主要形式包括封禁、断链、限流、降低便利性等等。美国联邦贸易委员会（FTC）和40多个州，就脸书阻断与其他应用程序之间的互操作性等行为，于2021年提起了反垄断诉讼；我国的京东与阿里巴巴曾就二选一行为发生纠纷，阿里巴巴管理人员认为二选一本来就是正常的市场行为，但国家市场监管总局通过调查认定阿里巴巴存在滥用市场支配地位、实施二选一等反竞争行为。第三是所谓的杀手型并购（killer acquisitions）。数字巨头企业收购那些掌握某些新技术、新模式而对本行业在位大企业构成威胁的小企业，这被描述为杀手型并购。美国《数字市场竞争调查报告》就指出，脸书利用其资本雄厚的优势，对一些小企业实行了杀手式收购，并大量收集用户信息用于精准推送线上广告。第四是差别化定价（discriminating pricing）与补贴（subsidizing）。数字企业的差别化定价包括所谓的大数据杀熟，而补贴常常以低价甚至零价竞争的激进方式表现出来，特别是一些数字企业借助于从资本市场的巨额融资而对产品销售实行连续的大力度补贴。美国《数字市场竞争调查报告》指责亚马逊（Amazon）以不公开的搜索算法，损害了第三方卖家的合法权益，并以激进的低价策略抢夺市场份额和阻赫竞争者；我国的拼多多，因售卖侵权假冒商品等行为而受到调查时，还因对销售实行连续巨额补贴而广受争议。

虽然一般意义上的自我优待、拒绝交易，特别是一般意义上的差别化定价和补贴，以及兼并收购，在传统行业也存在，但在数字市场，互联网平台的搜索升维和降维、封禁与断链、流量控制、大数据杀熟等行为，以巨额融资为基础的激进补贴甚至零价竞争行为，以及对创新型小企业的大量并购行为，的确带有浓烈的数字经济色彩，并借助于数字技术等手段以新方式、新面貌出现。

平均成本是总成本除以产量。也称为平均总成本。

不过我们需要更深入地审视上述新式行为。这些典型的策略性新式行为，是否真的排斥了公平竞争、形成了垄断，是否真的根本性地损害了消费者福利，从产业组织角度来分析，其实并不容易作出准确判断。自我优待和拒绝交易是数字经济领域目前最受批评的两项典型行为。严格地讲，自我优待对其他厂商是不公平的，但如果平台企业所利用的平台优势地位，是它自己在竞争环境中锻造出来的，而且它并未将其产品进行捆绑销售，就很难说存在不正当竞争或垄断。如果某个平台占有绝对优势地位，其他厂商和社会公众高度依赖这个平台，被认为是所谓的必需设施（essential facilities），而它实行大规模的自我优待行为，的确会伤害开放性和公平性；但定性为必需设施，至今为止仍然缺乏令人信服的具体标准。电商平台收集其他卖家数据来帮助自营商品的营销，也属于自我优待行为，但这种行为涉及其他卖家的数据权属和数据使用规则问题，需要从数据治理角度，而不是从自我优待角度，来进行规制。而搜索平台利用索引、算法、排名方法、排序方式而实施的排他性和歧视性行为，也与数据高度相关，而不在于差别化对待行为本身。拒绝交易更复杂，因为一般情况下，市场主体有拒绝交易的正当权利；而禁止链接、禁止互操作性等等，如果出于防止其他企业进入平台企业的生态系统搭便车，这样的拒绝交易恰恰属于自我保护行为，只不过利用算法而实施的封禁因其自动性而造成了交涉困难。差别化定价的确是产业组织中一个令人头疼的问题，不过传统行业的差别化定价由于与差异化服务紧密结合在一起，所以堂而皇之地广泛存在；而数字经济领域的大数据杀熟、低价及零价销售等行为，不但与市场的双边性有关，更与成本分担方式的创新、获取营业收入方式的创新有关，与边际成本预期趋零有关，与对范围经济性的利用有关，也与资本市场对企业的估值有关，只不过数字企业可以方便地利用数据和算法，进行更复杂的设计、更系统化地实施。而所谓的杀手型并购，在很多时候也与获取客户数据和算法技术有关。

所以，事情比较清楚，数字经济领域那些典型的策略性行为，要害在于它们基于数据和算法，从而表现为新式行为。通过数字技术手段，数据可以自动抓取和生成，并进行隐秘处理和使用；算法模型可以快速地、有目的地将大数据分析结果与特定客户群体、特定供应商群体或其他群体进行关联。具有数据和算法优势的企业，极大地依靠数据利用和算法设计来实施典型的策略性新行为，从而可以加强自己的竞争地位，或者排斥来自于对手的竞争，也的确有可能减少消费者正当利益，并对创新和迭代形成抑制。这些基于数据和算法的典型新行为，自动性、隐蔽性非常强，可以大规模、高频率地实施，人们和厂商很可能在不知不觉的情况下，受到自我优待、拒绝交易、差别化定价等方面的对待。而且，由于人们和厂商对数字化手段的依赖程度越来越高，基于数据和算法的这些典型新行为，会对许多人的生产和生活带来重大影响。实施这些典型的策略性新式行为，由于主要是基于数据和算法，而不是基于企业规模和市场份额，所以中小数字企业也有可能系统性地实施这些行为。总而言之，支撑新式行为的数据和算法，应该成为数字经济领域反垄断、反不正当竞争的核心关切。

四、数字经济新公害及规制方向：建立数权体系

数据和算法，在迷于认知、疏于规制的情境中，有可能会酿成数字经济中的新公害。而如何界定和规制产业发展中重大的负外部性，即公害，也是产业组织理论体系中的一个重要议题。工业经济中的传统公害，主要是环境污染、生态恶化、劳工安全得不到保护、食品安全得不到保障，等等。现在，数字技术正在成为新通用技术、大数据正在成为关键投入品，但是，数据的采集、流转、加工、利用，以及算法的设计和使用，因为是全新事物，如果长期处于规制缺失状态，就会刺激对数据的滥采滥用、对算法的不当和过度使用，自然而然地造成数据和算法带来的新公害。

从已有现象和萌动苗头来看，这些新公害主要表现为如下四大方面。第一，个体信息和隐私受到广泛侵犯。个体不但包括个人，也包括企业等机构。在传统场景中，个体信息在得不到连续观察和合成分析的情况下，一般而言并不构成敏感或有价值的信息，但数字技术改变了这一切，从而许多个体都处于信息受侵犯的场景中，并引发数据资产的价值评估、价值分配方面的纠纷。数字经济发展，需要采集和利用越来越多的数据，但缺乏节制的数据活动，必将成为数字经济的第一公害。事实上，在过去几年里，数字企业遭遇的许多指责与指控，都涉及到数据隐私与秘密问题。第二，基于数据和算法的遮蔽性歧视广泛流行。歧视性对待并不为数字经济所独有，而建立在数据基础上的算法，可以系统性地实施歧视性对待。数字企业通过对数据的采集与分析，完全可以系统性地识别人际差别，从而通过算法实现商业目的，甚至把对性别、地域、种族、肤色等方面的态度植入商业活动中，譬如对高收入群体杀熟、对低收入群体拒绝交易，以及对不同性别和地域的客户实行不同对待，等等。数字企业可以通过算法程序的自动性来遮蔽这种歧视性，从而把歧视行为的责任推给虚拟世界。第三，人们被算法的强烈诱导性所影响，并产生严重的注意力经济和致瘾性等问题，以及导致极端性问题。对数据和算法的利用，完全可以系统性地识别、利用甚至放大人性弱点，对缺乏自制力的人群不断推送产品和服务、对不同群体进行不同情绪的激发；还可以助推数字市场向注意力市场转化，刺激人们以极端方式争夺注意力，导致搏出位点击农场网络起哄大众网暴等现象的蔓延。第四，产生科技伦理方面的问题。基于数据和算法，可以使人工智能、虚拟现实得到极为广泛的应用，而应用的目的未必正当，应用的结果未必多赢，从而引发伦理问题，而且谁应担责、谁应受罚并不一目了然。譬如，虚拟人和数字分身已经出现，脑机接口技术可能很快得到应用，智能机器人将具有学习能力和情感表现，等等，如果缺乏合理、足够规制，会给人类社会造成巨大问题。

尽管尚未从新公害性质的层面上认识和分析这些问题，但国内外政策界已开始就相关规制思路进行了讨论，一些立法和政令得到通过和施行。欧盟在几年前就颁布实施了《通用数据保护条例》，并提出了《算法问责及透明度治理框架》；我国已颁布实施了《个人信息保护法》和《互联网信息服务算法推荐管理规定》；美国一些议员提出了《数据问责和透明度法（草案）》和《算法问责法（草案）》。不过，从政策需求与供给的巨大缺口来看，从鼓励数字经济发展与遏制新公害之间的平衡度难题来看，这些规制行动远远不够。而如果不能认清是数据而非算法更具关键意义，不能进而厘清新公害背后的数据权属，就难以为规制政策确定正确方向。

必须要认清，数据是算法的基础。因为无论有多么大的算力，无论有多么新的算法，都需要大数据作原料，都是对大数据进行开发和利用。当人类有了身体器官之外的器具和方法去采集客观世界的状态信息，数据体量就可以无穷无尽地膨胀。对数据进行加工和分析的方法也在不断发展之中，使得原始数据和加工数据有了各种各样的用途，这些用途在很多时候并不为数据投射物，或者数据投射物的拥有者所愿意和同意。在工业经济时代，信息、资料、数据也非常重要，但只有那些具有目的性、含有针对性的少数数据具有可用性，个人的绝大多数活动、行为，以及观点、意见，就像身上散发出和蒸发掉的汗水，并没有什么意义和价值。而在数字经济时代，个人的任何行动、动作、言辞、表情，在大数据技术的支持下，都可能具有可用性，特别是当数据体量膨胀为大数据，低价值密度的数据就具有了挖掘意义，而个人不可能没有任何动作、语言、表情，也不可能对所有动作、语言、表情的信息都选择授权或不授权采集使用。厂商和其他机构的有关数据，也是同样道理。在前算法时代，在数据成为大数据之前，许多数据毫无用处，恰如随处可扔的废料，所以个体并没有足够的数据权属意识，更不会索取数据的价值。但大数据和算法等技术改变了这一切。在此基础上，数字企业开发的算法和其他自动化程序，譬如人工智能程序等等，可以对大数据进行快速处理和系统性使用，使用方向可以是歧视性、差别化定价与交易，可以是精准推送，也可以是强化自我地位的排他性行为，以及现在还难以想象的任何其他行为。

因此，数据权属，特别是数据采集权，是所有必要规制的基石。数据会涉及很多权属问题，除了采集权之外，还有储存权、开发权、使用权、访问权、流转权，以及数据所生收益的分配权，等等，当然还有所有权方面的问题。数据权属实际上就是与数据有关的权利、利益、责任的分配。数据权属方面的制度安排，一方面与个体权利、个体利益、个体安全感有关，另一方面又与数字企业的资产、竞争力、市场优势有关，而这两个方面存在天然的张力。到目前为止，尽管数据权属已经得到了不少讨论，但无论是在学术界，还是在政策界，离达成基本共识还有很遥远的路程。一个获得较多认同、产生较大影响的思路，是由Nissenbaum（2010）所提出的场景性正直（contextual integrity）理论，即确定数据权属的基本原则在于尊重场景（respect for context），即在具体场景中实现隐私保护与信息采集和流转的合理平衡。另一位学者Waldman（2018）也认为，不能完全从传统的个体权利界定来理解数字社会的信息隐私，权利边界需要根据其在具体场景中的合理期待来确定。我国学者也对数据权属进行了探讨，例如苏可依（2021）就认为，数据产权不清晰会造成很大隐患，明晰数据权利边界与归属是我国数据立法的核心问题和当务之急。汤琪（2016）更加广泛地分析了数据产权议题，特别是对数据交易中的交易合法性、交易安全进行了分析，建议将数据纳入虚拟财产权之中。肖冬梅和文禹衡（2015）则从数据人格权的角度探讨了数据产权问题，认为数据人格权是一种与隐私权很接近的新型权利，但数据人格权有别于传统隐私权，所以数据确权具有高度的复杂性。阎立东（2019）则认为，数据是一种资产，其权属与价值联系在一起。根据对我国大量相关文献的分析与概括，吴韬（2016）将我国关于数据权利与权属的主流观点概括为4种：新型人格权说；知识产权说；商业秘密说；数据财产权说。看来，至今为止，仍然没有一个数据权属理论能够确立主导地位。在数字经济和数字社会不断变迁的实际中，那些采集、加工、利用、流转数据的实体，到底在怎样的场景下，需要获得怎样的信任，并要承担怎样的责任，涉及千差万别的具体情形，目前的确很难勾画清楚。

的确，界定数据权属，从而健全数据规制政策，一方面面临巨大的紧迫性，另一方面又面临很多模糊区域和灰色地带。在全球范围内，已经出现了进入这些模糊区域和灰色地带的政策努力，特别是试图强化数据采集的知情权和同意权，并在此基础上设置算法的透明度、可解释性、可选择性要求，正在成为共同趋势。欧盟公布的《数据法（草案）》，我国公布的《禁止网络不正当竞争行为规定（征求意见稿）》，美国国会一些议员提出的《过滤气泡透明度法（草案）》，都体现了这种趋势。不过，一些重要法律草案仍然难以在社会上形成共识。这未必是坏事，因为数字经济发展本身也才拉开序幕，未来的数字场景、数据生态到底如何演化，特别是人类社会对与数据相关的权利、利益、责任到底应该如何划分和配置，还远未有清晰而完整的体察。

从长远来看，在数字革命浪潮中，在全世界范围内，将需要随着实践的不断发展，而建立一个能够嵌入未来的、基于场景的数权（data rights）体系，就如过去几百年里，在工业革命浪潮中，建立了一个包括物权、债权、股权等权利主张在内的产权（property rights）体系一样。世界上最早、最完备地建立产权体系的国家是英国，这个过程经历了诉讼与判决互动、普通法与衡平法交织的数百年漫长时间。比较完备的数权体系的建立，尽管不需要上百年时间，但很可能需要几十年时间。与数权体系相配套，还需要建立算责（algorithmic responsibilities）制度。可嵌入未来的数权和算责体系应该告诉人类社会，数据的权利如何分配、如何确定、如何保护、如何重置、如何获利，算法和其他此类的自动化、智能化程序所产生的行动，应该如何界定责任、追究责任。

为了建立这个体系，法庭的作用非常重要。对于数据和算法争议和纠纷，并没有多少成熟规则和法律细则可以依循，也没有多少可靠判例可以套用，而需要在实践中进行摸索。在这样的情况下，法庭辩论与对质就特别重要，不但有助于辨明是非，而且有助于权衡尺度。鉴于数据与算法具有极强的专业性，可以考虑设立专门的数据法院。事实上，2022年3月，美国与欧盟宣布原则上达成的《跨大西洋数据隐私框架》，就提出欧盟将设立一个独立的数据保护审查法院（data protection review court），来审理数据流动和利用中的诉讼并提供救济。这是一个非常值得关注的动向。

当然，建立数权和算责体系，并不是要压制数字经济发展。对数据和算法的利用，无疑会带来无以估量的正面作用，譬如提高效率和便利性、改善生产和生活条件、丰富人们的知识和趣味，等等。建立数权和算责体系，就是要识别那些负面作用，遏制新公害的形成和蔓延，从而可以让正面作用得到更自由和更充分的发挥。

五、数字产业的创新政策与资本红绿灯政策

产业组织政策也需考虑如何促进和引导产业创新。数字经济本身就是创新的产物，而且数字经济诸多产业属于典型的创迭型产业，即创新和迭代非常频繁的产业。致力于反垄断、反不正当竞争的产业组织政策，一方面应该关注消费者群体的福利水平提升，另一方面也应该关注产业效率的提高和创新的推进。但是，这两个方面往往存在短期冲突，而且创新往往由少数企业家、投资家所推动。如果反垄断、反不正当竞争措施，以及其他规制措施，表面上提高了竞争程度和竞争公平性，但事实上伤害和阻碍了创新，那将动摇动态竞争的基础，并最终损害生产效率和消费者福利。

数字经济领域创迭型产业的市场结构，在很大程度上具有内生性。从技术应用和产品用途创新的角度来看，一些新生的细分行业不是由已有的市场需求来定义、来引领，而要由企业家根据潜在需求和可能需求来创制、来发展。可以把这些行业称为萨伊型行业。数字经济中存在许多萨伊型行业，这与经典的工业经济有很大不同。萨伊型行业面对的是未知需求，开拓的是处女市场，只有极少数先行者，甚至只有一个探索者，成功地踏上了一片全新的市场土地，所以是天然的垄断者，就像第一个吃螃蟹的人那样，只由一个人独占市场。这就是典型的内生型市场结构。如果把萨伊型行业的第一个企业认定为垄断者，要把它分拆，那么几乎每一个先行者、开拓者都需要被分拆，从而都不能完整地存活。

创新本质上属于逃避竞争的行为，创新租金从某种程度上也可以认为是一种垄断租金，但在一定范围内，这是一种良性的垄断租金。这种租金在创迭型行业，具有很强的动态性，对于许多在位企业来说，不管它们有多大，占据多少市场份额，也面临着被迭代的威胁，它们需要把这些租金的很大一部分，继续投入到创新活动中去。Scherer和Ross（1990）就曾指出，从理论上来说，过于分散的市场和过于集中的市场，都不利于创新的开展，如果企业不能获得创新租金，它们就没有动力也没有能力继续创新，因为后续创新需要大量的资金投入。即使创新租金被重新投入到后续创新中去，但后续创新结局还会受到市场需求弹性的深刻影响，而萨伊型行业的市场需求具有高度的不确定性，所以它们的未来前景，包括它们在未来的市场地位，实际上也是不确定的。完全可以说，产业的创迭性，在很大程度上提供了可竞争性（contestable）。因此，创新和迭代的消退，而不是企业营业规模很大、市场份额很高，才会真正构成垄断。

EVA是现代管理公司的一场革命，EVA不仅仅是一个高质量的业绩指标，它还是一个全面财务管理的架构，也是一种经理人薪酬的奖励机制，它可以影响一个公司从董事会到基层的所有决策，改变一个公司文化。

数字经济领域的创新离不开资本加持。事实上，数字经济在很大程度上就是风险资本的产物。数字经济绝大多数业务和产业处于新兴和崛起进程中，未来还会有许多新技术、新产品、新模式、新业态不断诞生并出现于市场。新事物的出现，会引致诸多企业追逐。而资本当然喜欢逐新。特别是，资本强烈地倾向于产品市场上相对地位更高，或者预期寿命更长的企业，也就是说，资本倾向于通过这样的方式来事先挑选产品市场的赢家或种子选手。更重要的是，这样的方式在很大程度上可以自我实现，即被资本挑中的竞争者，在获得资本加持后，就有更多的资源来强化自己在产品市场上的相对地位，并设法削弱其他竞争者的市场力量，最终真的成为产品市场的赢家，尽管其在被资本挑中之时并不一定是产品市场最强的竞争者。当成为产品市场赢家的态势比较明显的时候，会得到更多资本的加持，会进一步提高在资本市场估值，而投资者当然会因此而获益。因此，产品市场上的竞争者会进行位置军备竞赛（positional arms race），而资本会影响这场竞赛。数字市场的位置军备竞赛，首先就是在获得客户的竞争中保持领先位置，其次是在使用量的竞争中保持领先位置，再次才是收费额的位置，到较晚时候才是利润的位置。数字企业通过各种激进手段，开展市场位置竞争，即使企业陷入长期亏损，也可以维持运营，奥秘就在于，在位置竞争中领先的企业可以获得来自于资本市场的大量资金注入。由此来看，数字企业的竞争必然从产品市场延伸到资本市场，这反映为资本市场对数字企业的估值，以及基于估值的投资额。

因此，从产业组织政策的角度而言，是否应该把对数字企业的规制政策，从产品市场延伸到资本市场，将是一个无法回避的议题。在这个议题上，我国政府的态度，以及释放出的信号，比美国和欧盟要清晰得多。2020年底召开的中央经济工作会议指出，要强化反垄断和防止资本无序扩张；国家支持平台企业创新发展、增强国际竞争力，同时要依法规范发展，健全数字规则；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。2021年底召开的中央经济工作会议进一步指出，要正确认识和把握资本的特性和行为规律，要发挥资本作为生产要素的积极作用，同时有效控制其消极作用；要为资本设置红绿灯，依法加强对资本的有效监管，防止资本野蛮生长。可以预期，未来我国会对数字经济领域的资本扩张进行适当规制。

从实际情况来看，专门针对资本的规制具有高度复杂性。足够的资本积累与资本投入，是现代经济增长的本质特征之一。对于数字经济而言，大量的风险资本投入更是不可或缺，因为这是一个充满创新前景的领域，也是一个充满未知风险的领域。事实上，随着数字经济的萌发和兴盛，市场上出现了专注于创新的风险资本。Kaplan和Stromberg（2003）的分析表明，风险投资家和产业创新者通过灵活的合约进行风险分配，有力地促进了数字经济领域的创新和产业化。风险资本对数字行业的大胆投入，可以使获得足够资本的企业在长时间里忍受亏损。毋庸讳言，资本市场的确存在大量的竞争和反竞争行为，不但包括对自己创新路线的描述和对创新前景的展望，也包括对竞争对手创新能力的隐瞒或贬低，以及包括对融资估值的技术性操作和情绪化煽动，其中一些行为可能触犯法律法规，或者自律准则。因此，除了反垄断、反不正当竞争等经典产业组织方面的规制之外，对资本实行某些附加规制似乎是应该的。在业已存在的成熟针对资本的规制措施中，防止产品市场和资本市场的信息被错误披露，打击恶意的庞氏行为和虚假陈述、串谋操纵行为，都被证明是行之有效的政策。认真执行公司治理有关准则，也有利于抑制投资家和企业家的不当行为。

对于数字经济领域的资本活动，是否需要引入更新更严的规制政策，特别是如何设置红绿灯，仍需要认真研判。首先，红绿灯是针对所有资本，还是重点针对民营资本、境外资本等非国有资本?从已有的政策动向来看，由于我国已从战略层面统筹发展与安全，特别是对数据安全、网络安全等新兴领域的国家安全格外重视，那么，这些领域需要对非国有资本设置更严格的限制措施，乃至由国有资本主导吗？其次，除了对非国有资本设置更严格的行业进入政策和业务限制措施，是否还有其他方面的红绿灯政策？譬如行为方面的红绿灯政策？假如国有和非国有数字企业出现同样的行为，包括系统性采集个体数据并从事差异化定价的行为，或者大量并购创新型小企业的行为，等等，是否意味着后者属于闯红灯而前者不是？再次，对于投资者，特别是非国有投资者，除了资本市场已有的各种规范之外，是否还需要设置更详细、更具体的附加限制？譬如股权出售与转让方面的限制、增资限制、减持限制、投票权限制，等等，或者设置透明度、情况报告方面的规则，譬如必须报告代持股份者、一致行动人、关联企业、重要投融资等信息，等等。此外，对于数字企业到境外资本市场上市，由于可能导致境外中介机构查阅上市企业的账簿和其他原始资料，是否还需要设置附加的上市核准程序？而如果有势力的投资家影响了政治，那是经济政策之外的事情。总之，为资本设置红绿灯政策，涉及到许多细微举措，应该谨慎对待，特别是国有资本是否可以成为真正的市场化风险资本，在一些重要且敏感行业取代非国有资本而发挥积极作用，有力推动数字经济的进一步快速发展，还需要时间来回答。

六、结语

数字经济方兴未艾，一方面促进了经济社会发展，另一方面带来了政策议题，特别是反垄断、反不正当竞争等产业组织方面的政策议题。这很正常。不过，如果不能认清数字经济的内生特性，就很难有效应对政策挑战。我们必须认识到，数字技术正在成为新通用技术，而数字经济的几个内生特性，对工业革命所定义的产业组织和经济秩序带来了重大冲击。数字经济产业组织的分析框架，将不再把市场结构放在核心位置，而重点关注典型的策略性新式行为，特别是要遏制数据和算法问题造成的新公害。因此，对数据和算法的规制，应该成为制度安排和政策设计的聚焦点。尽管美国、欧盟和我国已经拉开了这方面政策的序幕，但仍需从长计议。从长远来看，需要循序渐进地建立一个可以嵌入未来并基于场景的数权体系，以及相应的算责制度，其意义不亚于工业经济时代所建立的产权体系。此外，数字经济的产业组织政策还需谨慎应对反垄断与创新之间的关系，防止前者对后者形成不必要的抑制，且在把规制政策从产品市场延伸到资本市场的时候，防止对市场化的风险资本造成不当阻遏。所有的产业组织政策与规制措施，都不是要阻碍数字经济发展，而是要使数字经济更能促进繁荣与进步。

什么是创业？如果你敢向自己承诺，愿意拿出人生最黄金的十年、十五年，甚至更长时间，决定玩这个游戏，愿意损失生活乐趣，甚至可能付出健康，这就是创业。