AI重构数字经济生态 专家建言加快构建经济学自主知识体系

人工智能技术迭代得是真快。从算法突破到场景落地，这场变革正在把中国的数字经济稳稳地推上全球第一梯队。过去我们说“跟跑”，现在至少在数字经济这个赛道上，已经迈入了“并跑”的关键阶段。而这背后，一个更深层的命题浮出水面：我们能不能抓住这个历史机遇，来一次经济学的理论创新，搭建起属于我们自己的自主知识体系？

最近，北京大学光华管理学院主办了一场“第二届经济学自主知识体系（数字经济）前沿学术论坛”，各路专家聚在一起，聊的就是这个核心话题——理论根基怎么打，构建逻辑怎么理，实践路径怎么走，以及最关键的人才怎么培养。

北京大学副校长初晓波的观点很明确：数字经济是块新大陆，也是完善本土经济学理论框架的关键抓手。不能光盯着国外的既有的理论框架来套中国的实践，得立足中国实际，搞清楚数字经济发展的内在规律，系统性地推动整个研究范式的革新。

放在大背景下看，学界普遍认为，这事儿不是理论跟风，而是中国式现代化建设的必然要求。中国人民大学原校长刘伟说得很直接，有两大时代依据在倒逼着我们：一是中国式现代化的实践，任何外部理论都难以完整解释和指导中国的社会变革；二是新一轮科技革命和产业革命，中国经济学必须给出自己的理论回应。他特别强调，搞自主知识体系，不能忘了人文精神。经济学的源头、研究的主体和最终落脚点，始终都应该是“人”。

理论体系怎么搭？方法论是地基

理论体系的搭建，光有热情不够，还得有科学、严谨的方法论。针对当前中国数字经济理论研究“凝练不足、体系化薄弱”的难题，中国社会科学院大学教授、国家数据专家咨询委员会主任江小涓点出了核心挑战：如何把学界现有的共识，凝练成一套有解释力和说服力的理论体系。

她提供了四个方法论上的思考，非常值得琢磨：

第一，要把“政策行为”和“实际效果”区分开。比如“政府与市场关系”这个老问题，不能把政策表述直接等同于现实成就，得深入分析政策目标到底落实了多少。

第二，案例研究要有学理深度。她用“红旗渠”水利工程来举例，说不能光停留在经验复制层面，要挖出水权分配背后那些实质性的经济学机制。

第三，要把“试点效果”和“面上效果”区分开。试点改变的是局部均衡，一旦全面推开，会引发整体再平衡，不能简单地把试点的成功往外推。

第四，理论构建必须完整呈现复杂性。历史遗留问题、各种摩擦和不确定性，这些现实中的“硬骨头”不能简化，更不能回避，得建立在深刻理解之上。

北京大学光华管理学院院长田轩则站在金融领域深入剖析。他强调，加快构建中国金融学自主知识体系，是建设中国哲学社会科学自主知识体系的关键一环。而高校在人才培养里，必须把“金融伦理”和“正确价值观”放在首位，培养那些真正契合中国实践的高素质人才。

AI重塑一切：从研究逻辑到教育范式

AI技术的全面渗透，可不仅仅是重塑产业形态和经济发展模式那么简单。它正在深刻地颠覆传统经济学的研究逻辑和教育培养体系。在论坛的圆桌讨论环节，专家们聊得挺开。

中央财经大学副校长陈斌开觉得，AI的蓬勃发展让中国数字经济的实践进入了全球“并跑”阶段，这恰恰为理论创新“弯道超车”提供了历史契机。AI正在重塑劳动力市场和经济增长逻辑，这倒逼着经济学研究范式必须变革。教育体系也得变，从传统的知识灌输转向培养批判性思维和创新精神，因为AI时代对“人才”的定义本身已经变了。

数字经济跑得快，但算法、平台模式在激活市场活力的同时，也催生了一些乱象。人文缺失、治理缺位的问题开始暴露，对理论研究和人才培育提出了更高要求。中南财经政法大学文澜学院院长龚强就点出一个问题：数字经济改变了市场的权利结构，算法推送其实削弱了消费者主权。我们必须警惕市场乱象背后人文关怀的缺失，通过深入的学理研究来寻找答案。他提出，在AI时代，教育的核心功能已经从“知识传授”转向了“筛选与匹配”。高校要通过产教融合、政产学研模式，以及高难度的挑战训练，去甄别并培养那些能解决复杂问题的拔尖创新人才，为自主知识体系筑牢人才基座。

复旦大学管理学院教授李玲芳则从产业和企业视角出发，认为中国自主知识体系建设，应该立足自己独一无二的产业实践和规制需求。传统的反垄断框架，很难应对数据驱动型并购以及算法合谋这些新型垄断行为。她强调，中国有全球最丰富的应用场景，应该重视企业的数字素养、数据平权和算法治理，形成一套更具中国场景解释力的理论框架。我们的目标，是从全球数字治理规则的“学习者”，转变为真正的“制定者”。

最后，清华大学社会科学学院教授戎珂提出了一个很务实的思路：“最佳实践孕育最佳理论”。他认为，当前研究不能只停留在传统的“平台经济”范畴，应该关注“大科技企业”和数智生态。数据是数字时代的“石油”，中美正在数字经济领域竞逐最佳实践。中国应该以美欧的反垄断实践为前车之鉴，在大国竞争的大局下平衡市场发展与治理，持续推进自主知识体系建设，不断提升国际话语权。