久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

       1. 我們是應該先控制風險，還是先迎接數字技術？

 要達到5000萬用戶，電力花了46年，計算機花了14年，互聯網花了7年，皮卡丘花了19天。今天，在低收入國家也有60%的人已經擁有移動手機。決策時間前所未有的短，錯過成本前所未有的大。

邁克爾·斯賓塞認為，數字經濟帶來的福利還難以被準確衡量和估計，這會影響我們平衡數字經濟風險和收益。現有對經濟的衡量集中在對經濟增長的關注，忽略了健康、生活便利等其他福利。數字經濟的長期影響是深度多維的，需要一個更多維的框架衡量個人和社會福利。

2. 數字技術會擴大鴻溝，還是會讓世界變平？

技術從來都是雙刃劍。技術革命既讓地球能夠養活的人口從10億增加到70多億，也引發過兩次世界大戰。關鍵是能不能以最快速度，讓盡可能多的人受益。

邁克爾·斯賓塞認為，中國數字經濟的發展不僅體現在增長速度上，還體現在邊遠、貧困群體與現有經濟資源的結合速度上，這是令人震驚的普惠增長模式。

美國馬里蘭大學助理教授阿爾伯特·羅西 (Alberto Rossi) 認為：智能投顧能夠幫助用戶更穩健地配置資產，尤其是對投資經驗少、現金持有比例高、頻繁買賣的用戶而言更是如此。智能投顧讓投資更普惠。

3. 數據是誰的？誰是真正的受益者？

司機的行駛記錄對于個人而言意義不大，但如果分享出去，就會讓導航軟件的精準度更高。數據作為一種生產資料，不見得應該只追求唯一所有權，而是要尋找一種機制保護好隱私，并讓更多人受益。

2014諾貝爾經濟學獎獲得者讓·梯若爾 (Jean Tirole) 認為：我們如何在保護個人隱私的同時，不遏制科技的進步和創新的向前？我們想倒掉洗澡水，但別把寶寶也潑出去了。

4. 數字技術會讓更多的人失業，還是會讓工作時間更短？

眼下美國對AI的擔憂達到歷史高點，但實際上美國失業率是半個世紀以來的低位。技術革命并沒導致失業率上升，但會帶來新的工種，以及縮短工作時間。我們該為未來的工作做好哪些準備？

克里斯托弗·皮薩里德斯認為：并沒有證據證明技術會帶來失業率的提高。但技術的發展過程中，確實會促進就業的結構性轉變。以1980年以來的就業數據顯示，就業逐漸從制造業向服務業轉變。

5. 誰是平臺經濟的受益者，是所有參與者，還是少數平臺公司？

技術革命一直在深刻改變人類協同方式，到了數字時代，消費者和生產者被合成一張網，它就是平臺。在全新的協同關系中，各方的收益、責任、工作方式、福利保障等都發生了深遠變化。

克里斯托弗·皮薩里德斯認為：數字平臺是對分散市場匹配技術的改進，它具有提高所有市場參與者效率的潛力。互聯網和平臺經濟能夠有效打破制約成熟市場發展的阻礙。在中國，沒有互聯網，農民只能進城打工才能提高收入，互聯網讓他們在家鄉也可能獲得同樣的發展機會。

澳大利亞新南威爾士大學教授理查德·霍爾登 (Richard Holden) 認為：數字技術改變了企業的協同方式和邊界，讓原本很多公司內部才能完成復雜的協同變得高效和透明，更多的事務可以在公司外部由市場協同來完成。這給小微企業帶來更大的生存空間，更高效的利用資源做專業化分工。

6. 治理機制要如何改變，才能適應數字時代？

汽車誕生于歐洲，汽車商用的黃金時代卻在美國。在數字時代，什么樣的政府、市場和公司治理機制，才能適應今天自下而上的創新和新協同機制？

2016年諾貝爾經濟學獎獲得者本特·霍姆斯特羅姆 (Bengt Holmstrom) 認為：人工智能正在改變我們的經濟發展機制，也會改變我們制定政策的方式。

7. 金融服務在越來越平民化的同時，會不會引發更多的風險？

金融從來都是經濟發展的重要基礎設施，眼下，數字技術讓賣茶葉蛋的老太太和銀行行長享受到同樣的金融服務。但金融創新，包括數字貨幣，也可能帶來新的不確定性。

本特·霍姆斯特羅姆認為：數字經濟時代，信息是一種新的抵押品。有了數字平臺上收集的信息，小額借款人獲得信貸不需要抵押品，因為貸款人比借款人更了解他的信譽。在這方面，平臺模式更接近于西方信用卡的基礎模式，同時因為它基于數字識別，并包含大量數據，所以比信用卡便宜得多，也不容易被欺詐。

8. 數字時代，全球化會走回頭路嗎？

技術、貿易和知識的自由流動和分享是全球經濟繁榮的核心動力，在世界經濟分化嚴重、技術發展參差不齊的今天，我們如何推動全球數字經濟協同，讓每一個國家受益？

邁克爾·斯賓塞認為：讓我感到興奮的是中國的數字經濟增長范式能夠啟發其他國家，開發巨大的國內市場就能帶來巨大的增長機會。在此基礎上我們不難想象，只需要一點點的國際合作，這種發展模式就能推廣到全世界。各國小微企業參與到國際市場中或將成為下一個增長引擎，這才是最最激動人心的事。

9. 人工智能該不該有道德觀？

無人駕駛汽車必須選擇撞向一邊，左邊是老人，右邊是小孩，它該做何選擇？這該由算法來決定嗎？

2011年諾貝爾經濟學獲得者托馬斯·薩金特 (Thomas Sargent) 認為：說到底，機器并不是自己在學習，它們學的，都是人類輸入的數據。是人類在告訴機器要學習什么。因此，我們人類在給機器提供數據的時候，要努力去除掉一些偏見。

10. 大算力和大數據，一定會讓我們離真相更近嗎？

我們在多大程度上可以利用大數據和大算力做決策，接近世界的真相。在一秒鐘內能摸象腿數百萬次，我們就一定會避免盲人摸象了嗎？

2013年諾貝爾經濟學獲得者拉爾斯·彼得·漢森 (Lars Peter Hansen) 認為：數字經濟時代，豐富的數據確實為經濟學分析提供了更多的素材，但是實證分析本身的價值則非常有限。對于實際發生什么和可能發生什么，理論模型卻能幫助我們做不同情形和不同政策下的比較。因此純數據驅動具備一定的局限性，模型能讓人們在大數據時代的今天做更好的決策。

托馬斯·薩金特認為：大數據和大算力提升了抽象信息理論的價值，它們的高速發展對處理信息的方法論提出更高要求。更優的信息估計技術、算法博弈論、多元時間序列算法和數據模擬技術等都可以在大數據時代散發光彩。