三个故事告诉你，国科大如何培养数字经济人才

点击蓝字 关注我们

主题：数字经济的人才需求与人才培养

主讲人：国科大经管学院教授 孙毅

孙毅教授演讲实录

发言内容文字整理版

今天，我主要结合近期的一些研究和工作经历，谈一谈数字经济背景下我们需要什么样的人才以及如何培养人才。刚刚胜利闭幕的二十大多次强调了人才的重要性，专门提出人才是第一资源，指出要深入实施人才强国战略。在数字经济领域，人才的重要性也不言而喻。2021年，我们国家数字经济体量占GDP比重已将近百分之四十。今年年初，曾任国家统计局副局长的鲜祖德发表了一篇论文，对数字经济核心产业进行了预测。文章预测，在“十四五”期间，数字经济核心产业平均增长率超过10%。在受疫情冲击、中美贸易战以及俄乌战争等多重不利因素影响的背景下，数字经济能保持这么高的增长率是十分不易的。因此，在数字经济体量越来越大、数字经济在国民经济中的作用越来越显著的背景下，我们应该培养什么样的人才来支撑数字经济的高质量发展，就成了一个非常重要的问题。今天，我将结合自己科研工作中的三个故事来分享一些自己的观点。

第一个故事：数字经济会带来贫富差距吗？

数字经济会不会带来新的贫富差距，这个话题从上世纪80年代索洛就开始研究。去年8月，中央财经委第十次会议提出了共同富裕和三次分配的制度性安排。在此之前我恰好参与了国家统计局《数字经济及其核心产业分类》的一些讨论，也与北京市统计局就数字经济统计核算的相关工作开展了一系列合作，就此我开始思考，数字经济作为一种技术偏向型的经济，它对我们的工资收入会有什么样的影响？是会扩大收入差距、还是能够弥合收入差距？

除了索洛，泽拉、阿吉翁、以及阿西莫格鲁等一系列学者对这个问题都有非常深入的研究。这些学者的观点基本上认为，以人工智能为代表的数字技术驱动的自动化或智能化，对于就业、工资的的影响包含替代效应和新任务创造效应两种机制，即人工智能会替代一部分人工，但同时也会创造一部分新岗位。而且，在创造和替代的过程中，我们的工资收入将会出现一个极化的现象。如果从理论探讨转移到实际观察，以美国为例，我们发现它其实是两种效应并存的。从1910年以后，智能化的发展对于整个工资收入差距的影响呈现一个正U型的关系，在六十年代基本上互相抵消，但在八十年代之后，工资差距逐步拉大了。当时，我们考虑美国作为数字技术的引领者，它呈现的工资水平走势很有可能与数字创新有关系。所以，我们觉得这是一个研究的好方向。第一是它有理论上的基础，第二是它有国际上可供对比的完善的机理。我们想看看如果中国也符合此机理，就可以提一些政策建议，或者是写一些实证性的文章。

图示：智能化的发展对工资收入差距的影响呈现正U型关系

Piketty, T.(2014). Capital in the Twenty-First Century. The Belknap Press of Harvard University Press

带着这种朴素的想法，以及结合我们用国家统计局最新标准测算的全国各省的数字经济的增加值，就想拿中国的数据做一个验证。但是，这个结果非常的出人意料。我们发现和美国呈现的走势不一样，中国数字经济发展对收入差距是一个非线性的影响，呈现倒U型的关系。当时跟我合作的研究生第一反应也是很失落，她说这个结果可能没办法用已有的理论解释，但是我跟她讲，我们先检查计量的过程，如果计量是稳健的，那么就想办法解释这背后有没有深层的机理，这就有可能是一个非常重要的理论创新。经过一段时间的探索，我们发现倒U型的结构是有着非常稳固的合理性解释。

图示：中国数字经济发展对收入差距的非线性影响

资料来源：孙毅教授Working Paper

比如，我自己作为一个80后，在我上大学期间，要想掌握编程，至少得考上一个大学的计算机专业才能学习相关知识。但是，现在出现了零代码和低代码平台，我们发现小朋友也可以去学习编程。此外，我自己是一个不太记路的人，虽然在北京十几年了，但是开车还是需要导航。可以假设，如果我自己去做一个专车司机，我大概率是很难胜任这项工作。对于过去的专车司机来说，需要具备两项技能：一个是你得会开车，另外一个很重要的是你得会认路。如果一个人不会认路，就算得到这份工作，与一个熟练的司机相比，收入水平肯定是不高的。但是，现在有了地图、GPS这些导航工具，我们发现一个劳动者的技能被分解了，工作任务的一部分被人工智能替代，他们只要掌握其中一些必备的技能就可以了。我们可以发现，数字经济的发展让很多工作变得容易了，这背后的机理就是任务被分解了、工作技能要求单一化了。简单来说，如果一张卷子的区分度很高，一个学霸可以考100分，一个学渣可能考试不及格。但是，数字经济的发展让这张考卷变简单了，考试没有区分度了。

我们简单回顾一下，在2013年专车刚刚面世的时候，有一部分具备一定数字化素养的出租车司机很快地就转化为专车司机，并且收入也很高。但是，随着专车这个行业的发展，我们发现技能普及了，因为学习开车这项技能并不需要太高的成本，所以现在整个专车司机群体的收入水平趋向于均等化。

基于上述讨论，我们建立了一个理论模型来解释数字经济对就业的影响。在任务替代的过程中，我们发现很有意思的现象是：有些工作原本很难（比如掌握所有路线），但是它很容易被机器替代；还有一些工作很简单，但是很难用人工智能去实现。

我们把这两套技能对应到诺奖得主丹尼尔·卡尼曼描述的人脑中存在两套思维系统。在数字技术普及的过程中，人们的第一个系统，即处理非规则性的随机事件的能力越来重要，而以熟练为目标的学习与训练越来越不重要了。比如讲AlphaGo，当年它是下围棋战胜了人类。因为对人而言，下围棋是个挺难的游戏，要去记棋谱以及各种各样的规则，所以人是打不过机器。但是，反过来讲，我们朋友聚会打麻将临时三缺一，给某个人讲讲规则就能上手，因为打麻将比下围棋要简单得多。但是，如果让AlphaGo去跟我们打麻将，它大概率不会打得过我们。这里面就是莫拉维克悖论的一个体现：有时候人工智能很难实现的事情，对于人反而很容易。

这实际上是人工智能和人类智能之间的差别。人工智能本质是数据驱动的智能，而一项知识或一个模式被数据化之后，它就变成了显性知识。因此，数据化本身是一个编码的过程。我们最早的编码语言其实就是我们自己的语言，随后演变成文字。正如维根斯坦指出，“语言的逻辑边界就是人工智能的边界”。

但是有些东西是难以编码的，如领导力、创造力、以及刹那间的灵感等，这是人类智慧的光芒。人类相对于机器存在不可替代的一部分，即我们对事物本质的思考以及对不确定性的应对。人类智能的第一个体现是情境意识，我们的情感和常识在创造力中发挥着不可替代的作用；第二个体现是成分智能，我们可以同时执行很多任务，这是一个综合性的操作，而人工智能往往是单一性的操作；第三个体现是经验以及高阶的认知能力，比如应对不确定性和全局思维的能力；还有一个是我们对于情感的感知力，比如人际沟通的能力。

因此，从这项研究出发，回顾我们对学生的培养，恰恰就联想到陶行知先生讲的一句话，“千学万学，学做真人”。实际上，这项研究对于我们做教学有非常重要的启发，在数字经济发展的背景下，我们应该培养什么样的人才？我们培养的人才应该具备什么样的素质？上述内容是我想跟大家分享的第一个故事。

第二个故事：新上山下乡运动

第二个故事，“新上山下乡运动”，也来源于我的研究。十九大报告强调数字技术要和实体经济融合，二十大报告进一步强调数字经济要和实体经济融合，问题在于数字经济和实体经济如何融合？

通过长期产业一线的调研和学习，在2018年，我们发现阿里巴巴提出了一个所谓的“新上山下乡运动”，让工程师到车间去写代码。大量的阿里工程师，包括当时的首席科学家闵万里，跑到车间去干什么？去和老工人聊天。这是一种经验驱动的智能经验，实际上体现为不可编码的隐性知识。阿里做工业云，本质上是把领域知识编码化，然后封装到人工智能的算法里面，就变成SAAS平台上的一个APP。实际上，我们讲数字经济和实体经济融合有两条腿，一条腿是对数字技术的理解，另一条腿是对行业的理解。但是，对于行业的理解需要经过一个深入的研究，就是我们所讲的business domain knowledge或是domain knowledge，即领域知识。特别是在传统场景中那些不可编码的隐性知识，它反而成为驱动数字经济和实体经济融合的关键。

不仅是中国的公司在这样做，我们当时为了研究中国应该如何发展智能制造，专门追踪了美国的智能制造政策。研究发现，美国智能制造最顶层的政策设计“Manufacture USA”，在所有政策细节中都会关注到一个非常重要的点，就是合作要跨界融合。例如，在项目申请中会列明要形成联合的团队，要有方案提供商、要有制造企业、要有学术界的人，而且在结题考核的时候需要你表明自己的工作能够为5家以上的中小企业数字化转型提供哪些帮助。本质上，美国智能制造的整个体系就围绕跨界的融合。

我国相应的政策，我觉得发改委有一个政策说得很好——“上云用数赋智”。政策核心就是我们对于数字经济和实体经济如何融合的理解，本质上也是跨界知识的融合。该政策里面有很多这样的目标、方向、措施，用跨界知识的融合来实现制造业和数字技术的融合。

因此，我们认为数字经济和实体经济的融合本质就是知识的融合。这里有一个问题就是如何融合，怎么实现由一个物理过程变成一个化学过程。例如，有的省份曾推出企业上云券，这其实是一个简单的技术或者服务的配置，是一个物理过程。融合不是单纯采用云计算或是数字化基础设施建设，融合需要一个化学过程。而由物理过程向化学过程转化的关键，取决于融合型的人才。

现在，我们企业中出现一个新的岗位叫首席数据官。实际上，我们政府也顺应了这个发展趋势，很多省份推出了一个新的职位叫“链长”，这个“链长”实际上也是在顺应这种产业跨界融合的趋势。所以这项研究也从另外一个角度告诉我们，我们未来培养的学生应该是融合型的人才，除了具备某一个领域的知识之外，还需要了解新一代信息技术。同时，如果人才是面向产业培养的，还应该具有一定的商业思维。数字化的转型和融合，某种程度上它是企业的一个战略管理和组织变革问题，如果要推动这项工作，还需要具备一些管理的技能。这种产业发展以及对人才融合型知识结构的需求，就是我们针对学生培养的课程体系建设。

第三个故事：被众包抛弃的员工

既然融合很重要，我们希望做出一些关于融合的方法论，所以就从一些底层的逻辑入手。我们发现资源学派的战略管理思想非常适合去解释这个过程，像以大卫·蒂斯为代表的学者就认为在融合的过程中，企业最核心的资源就是知识。于是，企业就面临一个开放式悖论：如果想获得更多的知识，就要去和别人去交流，这个时候可能就面临着核心资源的流失；但如果完全封闭，可能又没有新知识的进入。在数字化大幅降低交易成本，以及众包、众筹等新商业模式涌现的背景下，企业实际上面临了另外一个问题，就是价值和效率的取舍。外包强调的是效率，但有可能流失核心知识资产。如果不采用这些新的模式，企业可能又会承担很多无谓的负担。

我们发现现在的产业有两类，一类是知识密集型的产业，另一类是非知识密集型的产业。但是，知识密集型的行业存在非知识密集型的环节。当数字技术让组织模块化之后，不同的模块上面承载了不同组织的知识，核心模块承载了核心知识、非核心模块承载了外围知识。基于一个模块化的设计，我们就发现可以很好地处理开放式创新的悖论，或者叫价值和效率的悖论，核心观点是核心模块一定要自己掌握以保护核心价值，而非核心模块可以采取外包、众包的这种方式来追求效率。所以核心模块需要保护知识资产，而非核心模块可以采用一些数字化驱动的新兴商业模式。

这项研究反过来讲，作为老师，你会希望自己的学生在企业采用众包模式时，被转移到那些灵活用工平台吗？现在互联网公司有一个词叫优化。例如，苹果在全球有价值链，但它永远不可能优化在美国的设计人员。波音公司现在已经变成了一个路由器（Hub Firm），靠数据来协同全球价值链。虽然波音把它很多相关工作外包，但是永远不可能把最核心的技术环节放到美国之外。所以知识密集型的环节永远是企业的核心，但是知识密集型企业也存在一些非知识密集型的环节，当企业一旦达到成熟的技术条件或者面临危机的条件下，就会把非知识密集型的环节优化掉。我们现在为什么有这么多平台的劳务外包，主要因为成本低。这个故事也告诉我们，培养出来一个学生应该进入企业的核心模块工作，而不应该成为在一个产业里面第一批被优化的人。

Q

三个故事对于培养数字时代的人才有什么启示？

A

第一个故事告诉我们培养的学生应该具备什么样的素质。在数字经济时代，我们培养出来的学生要能够与机器人赛跑，而不是把学生变成机器人。

第二个故事要求我们的教育要破除学科的思维。我们现在提出新文科、复合型人才的培养，都是在适应数字化驱动的产业人才需求。

第三个故事告诉我们要传授本质的、底层的、核心的知识。数字经济的发展不缺案例、热点，但是我们在教学内容的设置上应该平衡好哪些是经典的、本质的知识。

从教学角度来讲，首先，我们要教给学生那些更本质的东西。我们可以关注热点，但是要知道热点背后数字经济发展有很多本质的不变性的东西。第二，教学要和实践去融合。数字经济的很多新问题新方法是来源于产业界，实践不仅启发我们发现问题，也会倒逼我们思考问题。在这个过程中，我们掌握的新的知识进展，包括产业界的一些新的洞察和思想，都是非常鲜活的教学内容。第三，教学与科研是分不开的。特别像数字经济这种新兴学科，需要不断地去跟踪、筛选它的内容。

国科大如何培养数字经济人才

这个话题，我想结合我们国科大的“人工智能与应用”以及“数字化转型”两个特色MBA项目来谈一谈。

首先要说明的是，我们在数字经济人才培养方面的基础根植于国科大经管学院很多前辈不懈的努力。学院的首任院长成思危先生系统地建立了虚拟经济的知识体系，在国科大经管学院建立了全球第一个虚拟商务系；第二任院长汪寿阳教授，去年有一项很重要的工作，是利用系统科学的方法预警了比特币泡沫，这篇文章影响力也非常广泛，直接影响了我们国家的政策。现任的洪永淼院长，主要致力于人工智能和大数据驱动的计量经济学研究范式的变革。人工智能和大数据能处理很多传统的计量方法解决不了的问题，但也存在明显的短板，如作为黑箱模型无法做因果推断。洪老师现在正致力于推进人工智能与大数据驱动的新的经济学研究范式。学院有非常著名的大数据专家石勇教授，参与了很多与数字经济以及大数据相关的政策研究制定。还有非常著名的网络经济专家吕本富教授，他也是我的导师，在我们国家网络经济、数字经济的产业发展和相关政策制定中发挥了重要的作用。因此，我们学院的人才培养离不开我们的这些前辈长期的努力，这也体现出我们国科大经管学院在数字经济领域的传承。

第二，我们也有一些比较好的研究机构。国家级的实验室，包括大数据工程实验室、以及去年我们申请到的数字经济教育部哲学社会科学实验室。我们不仅有国际一流的数字技术研究所跟我们合作，还有中科院系统孵化出来的数字经济领先的产业企业。像我所在的数字经济与虚拟商务系，系主任就是中科院自动化所的副所长曾大军教授，他在数据驱动的管理决策领域是非常知名的学者。

2019年，在这些好的传承、好的资源的支撑下，在汪老师大力支持下，经管学院决定举办一个创新性的培养产业高端人才MBA项目，在当时分管MBA项目的董纪昌副院长主持下，我和田英杰副院长、MBA中心许健教授等多位学院老师，经过反复讨论，完成了项目的定位与教学培养体系设计。很顺利的是，在2020年，我们开设了人工智能与应用MBA项目，这个应该是国内第一个人工智能的特色MBA项目。

2020年8月，与首期人工智能与应用MBA同学座谈

在洪永淼院长的支持下，今年我们又进一步开设了数字化转型的MBA项目。其实，这两类项目都是聚焦产业高端人才的培养。我们培养的不是程序员，也不是传统的职业经理人，而是复合型的人才。

这种复合型的人才培养如何落地？第一个就是我们有这种学科融合的课程体系，比如说人工智能与MBA的课程模块，这个课程我们大概分为两个模块，一个是核心理论模块，另一个是应用模块。从学科的构成上，除了人工智能之外，还有数字经济、管理学相关课程以及一些参访。其中非常有特色的一门课叫领域大数据讲座，因为我们都讲人工智能的落地靠场景，但不同的场景有不同的解决方案，希望我们的学生拥有这种跨界的思维方式。这个讲座已经持续了三年了，感兴趣的老师和同学可以关注一下我们国科大MBA的公众号，我们历期的讲座在上面都有比较详细的介绍。

其次，我们的培养遵循了产教融合的方针，不仅有知名的经济学家、管理学家、技术专家，还有知名数字企业的创始人。通过师资的融合，将跨领域、跨学科的洞察和知识传授给我们的学生。

第三，是科教融合的培养模式。我们的学生在读期间可以参与很多国家级的课题，进一步去了解这个学科的研究前沿。未来我们可能还会有很多这样的项目可以开放给在读的学生。

这两个项目都取得了比较好的效果，人工智能与应用MBA被评为2021中国MBA最具特色项目，数字化转型MBA第一批学生明年才入学，现在已经被评为2022中国最具潜质特色MBA方向。目前，我们围绕数字经济产业人才的教育，形成了教育矩阵，包括人工智能与应用MBA 、数字化转型MBA、商业大数据分析MBA 。

尾声与期待

数字经济不管是研究还是教学，它的知识体系正处在孕育和发展的初期。从经济学的研究到金融学的研究，都有几百年的历史了，但是数字经济的起源，从冯·诺依曼1946年发明ENIAC到现在大概就是七八十年，留给我们大量的机遇。这个机遇是国家经济发展的历史机遇，对于我们学者而言，能够在研究生涯中赶上这样一个历史机遇，是一件非常幸运的事情。作为教师，培养数字经济需要的人才也是这个时代赋予我们的历史使命。

今天借这个机会，分享一些我自己的思考，也向大家介绍我们国科大经管学院数字经济产业人才培养的一些探索。受经管学院洪永淼院长和MBA中心许健教授的委托，向各位老师发出邀请，欢迎来到我们国科大交流指正。我们愿意把我们的经验、教训以及探索分享给我们的同仁。期待疫情缓和之后，我们有更多更深入的交流和合作机会。

心动了吗？猛戳下方了解更多！

精彩推荐

更多精彩内容