何大安，吴振宇 | 生成式AI前景与企业选择行为

何大安 教授

工业化时代和数字经济时代的企业投资经营选择，都是解决投资什么、生产什么、生产多少、怎样生产等问题以追求效用最大化的理性行为，所有经济学流派的研究皆遵守理性原则的学术导向。主流经济学在逻辑自洽的假设前提、参照系和分析方法下建立了以效用最大化为核心的理论体系。但在经济学理性选择理论中，企业（个人）选择动机和目的高度统一，意味着应对符合效用最大化原则的偏好和认知进行论证。纽曼和摩根斯坦曾运用逻辑和数学工具对理性偏好进行严格的公理化论证，创立了著名的期望效用函数理论；阿罗和德布鲁将期望效用函数理论纳入瓦尔拉斯均衡分析框架，提出并论证了偏好一致性、最大化、相同选择等一系列分析范畴，这些范畴形成了后期面临质疑和挑战的“理性经济人”范式。

理性经济人是一个对偏好和最大化作出分析，却没有对认知进行解说的理论范式，之所以会出现这样的情形，部分原因是经济学为构筑精美的理论大厦而避开了认知分析可能带来的麻烦，部分原因是工业化时代科技因素尚未成为影响认知的不可回避的重要因素。随着大数据分析和人工智能技术的广泛运用，特别是随着以ChatGPT和Sora为代表的生成式AI（AIGC）技术产品的落地，大数据思维会改变人类认知，企业产供销以及投资决策活动会从过去依据不完整数据或历史经验模式的因果思维，转变为以极大量、多维度和完备性支撑的大数据思维。这种转变主要反映在以下三方面：第一 ，企业的选择偏好已不能用抽象的二元关系来解释，即不能用新古典经济学首创而一直对主流经济学发生影响的偏好内在一致性来解释；第二，企业认知受大数据分析和人工智能技术的影响，而不依靠对不完全信息（数据）的搜集、加工和处理；第三，企业对效用最大化预期的实践，既不依据主流经济学的理论推论，也不遵循非主流经济学强调的效用期望调整。这些转变至少会使理性选择理论处于以下学术困境：

学术困境一。经济学理性选择理论关于偏好的分析呈现以下图景：古典经济学避开了偏好和认知，通过将偏好、认知和效用等合而为一，直接对个体行为的效用函数作出描述；新古典经济学“松动”了这种合而为一，把偏好看成内生变量，但在描述效用函数时，仍将认知作为外生变量；现代主流经济学和非主流经济学注重偏好的多重性，并在一定程度和范围内将认知作为内生变量进行处理，开始逼近现实地解读效用函数。然而，在信息通信技术、互联网、大数据和人工智能等相互融合的当今社会，企业（个人）的选择偏好在“时空统一、同步并联、客户拉动、实时评价”场景下发生了变化，互联网上产品和服务的点击率、性价比评论、网红秀等，以及人工智能技术对产品和服务产供销的大数据分析，都会导致数字经济时代出现特有的选择偏好趋同化。新古典经济学的偏好内在一致性理论以及主流和非主流经济学的偏好多重性理论，都无法在自己的理论框架内解释偏好趋同化，这是经济学理性选择理论面临的学术困境。

学术困境二。现代主流和非主流经济学承接了由赫伯特·西蒙完善的有限理性学说，把信息的搜集、加工和处理过程解读为认知的形成过程。概括来讲，这一解读以偏好多重性为基础，通过修正新古典经济学的偏好内在一致性，以期弥补新古典经济学不能将认知视为内生变量的缺陷。在大数据、互联网和人工智能等融合的时代，伴随着偏好趋同化，多数企业（个体）的认知会仿效少数精英企业，这种仿效源于精英企业高科技层级所示范的最大化收益。于是，大部分企业的选择行为会追随精英企业，从而出现认知趋同化。认知趋同化和偏好趋同化会改变理性选择理论的分析参照系。企业是否可以跳越认知而直接选择，是经济学研究数字经济时需要特别关注的。数字经济背景下，大部分企业认知趋同化也可以解释为认知跳跃，但它不同于新古典经济学运用数理逻辑推理所论证的事先设定的认知跳越。因此，经济学理性论在原有框架内无法解释数字经济背景下的这种认知趋同化。

学术困境三。认知是介于偏好与决策之间的变量，认知的变化会引起效用期望的调整，这是现代非主流经济学依据认知不确定性来推论效用函数的逻辑分析链。如何解读大数据时代人们投资和消费的效用函数呢？根据偏好趋同化和认知趋同化，我们可以把数字经济背景下的效用函数解释为介于主流理论的期望效用函数和非主流理论的效用期望函数（价值函数）之间的一种效用期望。其实，数字经济背景下，人们在投资和消费选择时，并没有放弃对信息的搜集、加工和处理。极少数精英企业运用大数据分析和人工智能技术获取认知，而大部分企业则借助精英企业的认知进行选择。尽管这样的解释或许过于抽象，但大部分企业已经明显存在“将脑袋放在精英企业肩上”的现象。大数据分析和人工智能技术的运用改变企业选择程序和内容的事实，要求经济学通过偏好和认知来解析数字经济下企业的效用期望，但现代主流和非主流经济学的理性选择理论在现有的“多重偏好和认知不确定”框架内，无法解释这种介于期望效用函数和效用期望函数之间由数字经济引致的效用期望，也就是说，经济学理性选择理论面临着由于难以解释数字经济下企业效用函数所带来的学术困境。

1.企业大数据分析能力决定企业掌握和运用人工智能的技术层级，“人工智能+”模式的科技层级变化会凸显企业的认知趋同化

人工智能技术起始于大数据分析，大数据分析离不开信息通信技术和互联网平台，数字经济是信息通信技术、大数据、互联网和人工智能等的融合。在数字经济初期，企业利用互联网平台进行产品和服务交易，形成了“互联网+”模式，此时，企业大数据分析主要是对信息通信技术能够触及而披露于互联网的大数据的搜集、储存、整合和分类，还不能对这些大数据进行加工和处理。只有当企业拥有一定层级的云计算技术，并能够运用互联网平台、传感器、社交媒体、卫星定位等多方位搜集大数据时，企业才具备加工和处理大数据的能力，这至少是在数字经济中期才出现的“互联网+”模式。在技术手段上，加工和处理大数据要求企业能够运用云计算，能够掌握和运用机器学习、物联网、区块链等人工智能技术，具体来说，就是企业能够运用这些技术来搜集、加工和处理产供销大数据，并通过对这些大数据的加工和处理来规划生产经营。“互联网+”模式发展到一定程度，企业的投资经营就进入了“人工智能+”模式。

“人工智能+”模式是数字经济运行的高级商业模式，它强化或加固了在“互联网+”模式中已经出现的偏好趋同化和认知趋同化，或者说，企业选择行为会更受偏好趋同化和认知趋同化的影响。不过，从企业理性选择考察，大多数企业的生产经营从“互联网+”模式发展到“人工智能+”模式，并非意味着大多数企业的认知来源于自己运用人工智能技术对产供销大数据的搜集、加工和处理。现实的情况是，大多数企业的认知往往来源于极少数掌握高尖端技术企业的认知。这是因为，在“人工智能+”模式的商业运行中，只有那些掌握和运用高尖端人工智能技术的极少数企业，才能够通过对产供销大数据的搜集、加工和处理而形成自己的认知，使自己的选择行为引领大部分企业。本文对此有如下推论：人工智能技术门槛越高，掌握和运用高尖端人工智能技术的企业数量就越少，就越容易强化大部分企业的认知趋同化。例如，现阶段及以后很长时期内，掌握和运用生成式AI技术的企业极少，大部分企业只是借助生成式AI产品进行生产经营。生成式AI是极少数高尖端企业的认知物化。

企业掌握和运用生成式AI的技术基础是大数据分析能力。大数据在性质上可分为数字化数据和非数字化数据，在时间维度上可划分为已发生的历史数据、正在发生的现期数据、即将发生的未来数据。一般来讲，企业运用人工智能技术搜集、加工和处理非数字化数据比数字化数据更困难，搜集、加工和处理现期数据比历史数据更困难，搜集、加工和处理未来数据则必须具备顶级技术。因此，人工智能技术门槛会引发认知趋同化，极少数企业大数据分析能力远超大部分企业大数据分析能力是产生认知趋同化的底层逻辑。另一方面，企业大数据分析的高科技层级决定“人工智能+”模式的高科技层级，人工智能的高技术层级会通过生产经营的效用最大化对企业选择行为产生持续性的作用力。理解这一点是我们认识生成式AI前景与企业选择行为关联的基点，也是我们将生成式AI发展前景融入经济学基础理论的契入点。

2.ChatGPT语言大模型开创了生成式AI落地产品之先河，Sora视频大模型紧随其后，它们展现了生成式AI的发展前景

生成式AI的技术变化是从任务型人工智能模型到通用人工智能（Artificial General Intelligence，AGI）模型的转变，它的顶级状态可视为机器对人脑的替代。从理论上来讲，无论是ChatGPT还是Sora，都是在算法、算力和数据上通过GPT技术升级所构筑的大模型，这些大模型不能简单看成对先前人工智能模型知识的渐进积累，而是一种代替原有人工智能中主导模型的范式转化。目前，这样的范式转化表现为语言和视频大模型在生成式AI上的由点及面的扩展，它使生成式AI突破了任务型人工智能的局限，打开了通用人工智能（AGI）的大门。例如，OpenAI网页接口与用户交互对话的算法模型，就是通过人类监督的微调训练和人工智能训练师提供的对话，让ChatGPT能够在正误判断、反思质疑、中止不合规训练内容的基础上回答系列问题。ChatGPT在算力硬件、算法设置、数据处理等方面包含丰富内容，我们可以通过对这些内容的解析来展现生成式AI的发展前景。

经济学对生成式AI的研究，不是解释它的硬技术如何形成AI芯片，不是分析它的算法创新出什么样的智能计算和计算智能，也不是说明它的智能算力以多维度“向量集合”为基本算力单位对工艺制程的创新，而是研究它的海量数据处理、智能算法、智能算力、模型运用对企业生产经营的影响。就生成式AI的发展前景而论，由于人工智能神经网络替代人脑智能神经网络是生成式AI发展的终极前景，因而我们可以联系这种替代过程，对企业生产经营中诸如投资选择、产量和价格决定、竞争和垄断、产业组织等展开分析，换言之，我们需要从这种替代中提炼出能够反映生成式AI技术层级变动的基本要素，通过对这些影响企业生产经营的基本要素的分析，揭示企业大数据分析的技术能力及其变动。

从大数据构成来考察ChatGPT语言大模型和Sora视频大模型可以发现，大模型要达到人工智能神经网络替代人脑智能神经网络的技术层级，在应对历史数据和现期数据的基础上，能够搜集、加工和处理历史数据中的非数字化数据，并初步达到能够搜集、加工和处理现期数据中的非数字化数据的技术水准。ChatGPT和Sora等生成式AI即将落地产品的发展前景，是力求达到可以搜集、加工和处理未来数据的科技层级。诚然，这种能够对未来数据进行搜集、加工和处理的科技层级尚处于极少数企业的探索中，但它是一种符合生成式AI发展的理论逻辑推论。作为一种理论探讨，经济学可考虑以人工智能网络替代人脑智能网络的技术升级作为分析依据，将这种替代作为生成式AI发展前景的写照，并将这种技术替代作为研究企业投资选择、产量和价格决定、竞争和垄断、产业组织等的参照系。

3.经济学对企业选择行为的研究，要重视生成式AI的海量数据处理、智能算法、智能算力、模型运用及其综合的技术层级变动

生成式AI的发展始终面临海量数据处理、智能算法、智能算力、模型运用及其综合的技术升级问题，这种技术升级对企业投资经营的作用短期不显著但长期显著。大数据和人工智能等催生了科技人文主义，试图替代历史上自文艺复兴和启蒙运动以来占统治地位的各种人文主义。科技人文主义认为，人类社会和大自然的一切都可以解析为“算法”。基于科技人文主义的观点，第一，算法可看成一种模拟人脑的“机器型思想”，生成式AI的技术提升，实际上就是这种机器型思想从低层次向高层次的行进；第二，高层次机器型思想的形成，一方面受制于算力和数据，另一方面取决于具体的人工智能手段；第三，人工智能神经网络对人脑智能神经网络的技术模拟达到何种境界，取决于监督学习、无监督学习和强化学习的深度和广度。生成式AI达到较高技术层级时，会对制造业和服务业的边际生产率和产供销决策提供强技术支撑，从而进一步强化偏好趋同化和认知趋同化。

数字产业化和产业数字化是经济学对数字经济运行的概括性解读，客观来讲，两大产业能发展到哪一步，取决于像生成式AI这样的人工智能技术的引领。生成式AI的数据处理、智能算法、智能算力、模型运用等技术层级的提升，可以用人工智能神经网络对人脑智能神经网络的技术模拟来衡量，这种模拟的技术层级主要取决于机器学习的深度和广度。针对人脑智能神经网络的构成和分布，生成式AI依据模拟的智能神经网络的大数据构成和分布进行监督学习、无监督学习和强化学习，把构成神经元的低层级特征数据与高层级特征数据结合起来进行深度学习，以设计和建立科技层次极高的人工智能神经网络。ChatGPT和Sora就是运用这些机器学习方法，通过人工智能神经网络取代人脑智能神经网络的技术路径，建立语言大模型和视频大模型。如果我们从社会变迁的角度对数字产业化和产业数字化作出概括性解读，生成式AI以人工智能神经网络取代人脑智能神经网络的技术进步，则可以上升到硅基文明替代碳基文明的高度。

1.生成式AI的发展会大大提高企业搜集、加工和处理大数据的科技能力，信息不完全假设是否继续处于主导地位值得讨论

经济学关于企业选择行为的分析，是研究企业选择什么和怎样选择的问题，它实际上是理性选择理论在企业（厂商）理论上的延伸。企业理论创新首先要面临企业选择的基本假设问题。主流经济学关于信息不完全的假设是研究企业选择的前提，是对工业化时代企业选择行为的一种理论概括，但现有的经济学理论对信息的定义，并不完全对应于大数据的内涵和外延，这种不对应主要是因为信息来源于大数据这一事实。大数据的极大量、多维度和完备性等特征，决定了大数据对信息的完全涵盖，这给经济学提供了一种暗示或启示：随着企业搜集、加工和处理大数据的科技能力的空前提高，企业能否获取产供销的完全信息呢？经济学对经济活动充满人类难以把控的不确定性的经典论述，在很大程度上扼杀了数字经济的未来发展有可能使企业获取完全信息的理论“遐想”，这是当前经济学需要深入讨论的理论问题。

经济活动的不确定性是信息不完全的结果，不是独立或平行于信息不完全的客观存在。从经济活动看，两者是因果关系。数字经济覆盖面的逐步扩大，尤其是以生成式AI为标志的未来人工智能技术的应用扩张，无疑会提升企业大数据分析和人工智能运用的科技层级。具体地说，企业可以利用信息通信技术、互联网、传感器、社交媒体、云平台、卫星定位系统等搜集甚至挖掘大数据，可以运用云计算和各种人工智能技术加工和处理大数据，这会产生以下结果：第一，企业面对极大量的大数据，有可能全方位应对产供销大数据；第二，企业可以运用各种技术手段对多维度大数据进行搜集、加工和处理，纠正和剔除扭曲的、虚假的产供销数据；第三，企业可以运用各种技术手段来解析大数据的完备性，对直接或间接与产供销相关的大数据进行搜集、加工和处理。于是，随着生成式AI技术的应用扩张，信息不完全的程度和范围会大大降低和缩小，简言之，数字经济下企业能够获取产供销的信息量，虽然达不到完全信息，但慢慢接近完全信息的情形会逐步显现出来。

在未来以生成式AI为标志的人工智能技术的应用扩张中，经济学家或计算机专家、人工智能专家都无法确定企业能够获取多少信息，但我们可大体描述企业能够获取多少信息。撇开从大数据中剔除的虚假和扭曲信息，企业运用人工智能等技术手段挖掘和搜集的大数据数量、获取的信息数量远大于工业化时代所能得到的不完全信息数量，但小于企业试图获取的完全信息数量。大于不完全信息而小于完全信息的信息数量，被称为完备信息，即不完全信息<完备信息<完全信息。随着生成式AI人工智能技术的飞速发展，完备信息大于不完全信息已不容置疑，而完备信息接近完全信息则很遥远，它要求企业大数据分析的科技层级达到顶级状态，而当前的哲学社会科学无法详尽描述这样的顶级状态。然而，完备信息所要求的顶级科技层级无法用哲学社会科学语言描述是一回事，它的客观存在则是另一回事。如果我们用完备信息假设取代不完全信息假设，则企业选择理论创新至少有了可尝试分析的窗口。

2.完备信息假设的充分条件，是企业产供销活动能够全面实现高级别的数据智能化

人类社会大踏步进入数字经济时代的标志，是大数据分析和人工智能技术开始成为企业经营决策的主要手段，这一标志在经济学基本学理上的反映，是科技因素成为内生变量而融入经济学的基础理论。科技因素对社会经济资源配置的作用，表现为企业在市场机制和科技手段共同作用下能够向社会提供什么样的产品和服务，以及提供多少产品和服务。数字经济背景下，企业生产经营的操作程序、机理构成和交易过程等，可概括为数据智能化和网络协同化。数据智能化主要指企业借助信息通信技术、互联网、物联网和运用云计算、人工智能技术等手段，对产供销大数据进行搜集、加工和处理，并通过人工智能匹配大数据来安排投资生产经营。网络协同化主要指企业与企业之间以及企业与消费者之间在互联网平台交易中的行为互动，通过各大行为主体之间的网络协调来进行产供销活动。当数据智能化和网络协同化被作为分析性概念来研究企业选择行为时，我们探讨生成式AI对企业选择行为的重塑，就有了分析性概念的支撑。

经济学运用分析性概念探讨经济问题，要求理论推论和经济实践必须逻辑自洽。就重塑企业选择理论而论，这种逻辑自洽是企业获取完备信息的充分条件。生成式AI落地产品对企业选择行为的重塑效应，集中反映在生成图像、生成视频、生成3D、生成音频、生成语言等大模型对企业经营决策的影响上，这种影响造成的企业大数据分析和人工智能运用能力的突破，使人们叹为观止。例如，ChatGPT和Sora可以把用户生成内容（UGC）和专业生成内容（PGC）在“算法、算力、数据”上的科技水准推上难以想象的高度。但从生成式AI未来的技术升级考察，无论将来GPT-35上升到GPT-4还是上升到GPT-5、GPT-6等，生成式AI所带来的科技层级变化，都可以通过数据智能化这一分析性概念展开描述和解释。

数据智能化概念的要义，是数据智能化在特定时空中蕴含企业搜集、加工和处理大数据的智能技术潜能，经济学可以用这种潜能来描述企业搜集、加工和处理大数据的技术水准变化。据此，本文提出推论一：当绝大部分企业的人工智能技术只能搜集、加工和处理历史数据中的数字化数据时，社会的数据智能化水准不高，充其量只是处于“人工智能+”阶段。推论二：当极少数企业能够搜集、加工和处理历史数据和现期数据中的非数字化数据，他们可以引领社会的数据智能化走向高层级，即数据智能化处于生成式AI的发展阶段。推论三：大部分企业的数据智能化走向高科技层级，极少数企业能够初步搜集、加工和处理未来数据，社会的数据智能化将全面进入生成式AI扩张的科技层级。因此，本文将数据智能化分为低、中、高三个级别，分别对应企业搜集、加工和处理大数据的低、中、高三个科技层级。就企业获取最大信息量而论，只有当企业数据智能化处于高级别技术水平时，才可以获取完备信息。也就是说，完备信息要成为企业选择理论的假设前提是企业产供销活动能够全面实现高级别的数据智能化。

我们将高级别的数据智能化作为完备信息假设取代不完全信息假设的充分条件，进而前瞻性地对生成式AI重塑企业选择行为展开以大数据分析为核心内容的粗框架分析，这是一种具有条件约束的粗线条的理论探讨。但有必要指出的是，数据智能化作为一个分析性概念，还包括能够解析数字经济运行的内容。例如，数据智能化可用于解读数字产业化和产业数字化，可用于研究数字经济下企业投资决策、产量和价格、竞争和垄断、产业组织变动等微观经济活动，可用于解释生成式AI产品的陆续落地会在多大程度上导致企业经营决策的变化，可用于分析企业数字化转型等。以生成式AI为代表的人工智能技术走向更高科技层级的过程，也是引领制造业和服务业走向数据智能化的过程。

3.完备信息假设的必要条件，是企业之间以及企业与消费者之间的行为互动能够全面实现高级网络协同化

网络协同化与数据智能化是数字经济的两方面，两者之间在长期和短期上存在关联。网络协同化在互联网交易平台上的现象形态，可以理解为点击率、关注度、网红、实时评价等引发的企业之间、企业与消费者之间的行为互动。网络协同化的跨越式形态是各大行为主体之间深层次的交易活动，这可在理论上解析为偏好、认知、效用期望等决定的各大行为主体之间的潜在行为互动。例如，阿里巴巴集团曾宣告采取线上线下结合的新零售战略，实际上，该战略是试图对偏好、认知、效用期望等进行大数据分析，以挖掘潜在的行为互动。一方面，分析企业深层次交易活动中“行为互动”的大数据，要比分析现象形态上交易活动的大数据困难得多，这是因为对深层次交易活动的大数据分析要求更高的科技层级。另一方面，深层次交易活动的大数据构成比现象形态的交易活动的大数据构成复杂得多。企业之间以及企业与消费者之间行为互动的网络协同化存在高低级别之分，高级别的网络协同化是偏好、认知、效用期望等决定的潜在行为互动。

从目前研究动态看，经济学者偏重于分析网络协同化的现象形态，有人把企业之间以及企业与消费者之间的行为互动解释为数据流。诚然，我们可以把互联网上产品和服务介绍、广告宣传、原材料采购、产品售后服务的点击率、关注度、网红、实时评价等解释为数据流，但这只是对互联网+模式去中间化经营场景和生态的理解。经济学对网络协同化展开深层次分析，需要紧扣高级别的网络协同化，即需要围绕偏好、认知、效用期望等对各大行为主体潜在的行为互动进行研究，这是经济学建构数字经济下企业选择理论不可回避的内容。

网络协同化之所以被视为完备信息假设的必要条件，是因为各大主体之间行为互动所产生的大数据是企业产供销经营决策信息的重要部分，企业缺失这部分信息就只能获取不完全信息。简言之，企业要得到完备信息，必须通过大数据分析将大量不确定信息转变为确定信息。企业之间以及企业与消费者之间行为互动的最不确定信息，通常蕴含在还没有发生的未来数据中，企业要获取这些信息就必须具备搜集、加工和处理未来数据的顶级科技能力。由于不确定信息要受到企业和消费者偏好、认知和效用期望等变化的影响，这对企业掌握和运用科技手段提出了很高要求。从生成式AI综合各种人工智能技术的发展前景看，生成式AI大模型以人工智能神经网络取代人脑智能神经网络，是最有可能搜集、加工和处理由偏好、认知和效用期望等决定的高级别网络协同化所产生的大数据。因此，生成式AI的未来发展在为企业获取完备信息奠定技术基础的同时，也使重塑企业选择理论成为可能。

4.经济学重塑企业选择理论，可运用偏好趋同化和认知趋同化两个概念，对数字经济下企业选择作出符合理性原则的解说

如上所述，极少数企业具有很高的科技层级，可以运用领先的人工智能技术对产供销大数据进行分析，从而带来边际生产率的提升和投资经营决策正确产生的高效用。大多数科技层级较低的企业为追求高效用，会仿效极少数企业，形成偏好趋同化和认知趋同化。与以上情形相对应，那些具有高科技层级的极少数企业有可能获取完备信息。当我们以生成式AI的未来发展会使极少数企业有可能获取的完备信息作为假设前提，并运用偏好趋同化和认知趋同化这两个概念来分析企业选择行为时，便形成了一个建构数字经济下企业选择理论的分析框架。很明显，这个框架基于信息通信技术、大数据、互联网和人工智能等的融合背景，是一种试图以生成式AI的技术规定及其未来发展为分析主线，来重塑企业选择理论的前瞻性研究框架。偏好趋同化和认知趋同化与数据智能化和网络协同化之间存在关联，深入分析这些关联，是重塑企业选择理论至关重要的内容。

大部分科技层级较低的企业会不自觉地按照偏好趋同化和认知趋同化进行选择，要求我们对他们决策行为的效用期望作出分析。对此，本文有以下解释：当大部分企业按照偏好趋同化和认知趋同化进行投资经营选择时，实际上他们已跳跃认知，将“脑袋长在别人肩上”，直接效仿极少数高科技层级企业的偏好和认知。也就是说，大部分低科技层级企业的效用期望与极少数高科技层级企业的效用期望如出一辙，我们称之为效用期望趋同化。当然，名称并不重要，重要的是分析数字经济下这两类企业在偏好、认知和效用期望上存在的不同于工业化时期的依存关系。理解这种依存关系，可以在抽象层次上揭示偏好趋同化、认知趋同化和效用期望趋同化之间的学术逻辑，从而为我们建构数字经济下企业选择理论提供分析基础。

人类选择行为具有示范效应，企业投资经营的示范效应是效用（利润）最大化的反映。数字经济下企业效用最大化是大数据分析和人工智能技术的科技层级决定的，企业为实现效用最大化，通常偏好于采用先进的技术方法和手段获取对产品、服务、市场决策等的超前认知，但由于只有极少数科技层级很高的精英企业才具有这样的认知，于是，普通企业会向精英企业“看齐”，从而形成企业的偏好趋同化和认知趋同化。工业化时代，普通企业效仿精英企业的情形并非普遍现象。生成式AI是人工智能技术进入较高科技层级的产物，它未来发展的广阔空间具有效用最大化的示范效应。基于此，我们以偏好趋同化和认知趋同化作为分析参照系，对数字经济下企业选择行为展开理论解读，把企业划分为精英和普通两大行为主体，并通过分析效用期望而说明示范效应。很明显，这样的参照系以“群体行为”为基本分析单元，是结合数字经济实际对理性选择理论的一种理论感悟。

主流经济学坚持以“个体行为”为基本分析单元，在分析企业选择行为时，将企业看成抽象的个体，对偏好、认知和效用期望等的分析也以抽象个体为研究对象。随着信息通信技术、大数据、互联网和人工智能等相融合的数字经济时代的到来，尤其是未来各种生成式AI大模型的广泛应用对科技层级的提高，经济学个体主义方法论将难以解释企业利用互联网、运用云计算和各种人工智能技术进行生产经营的市场情形。实际情况是，企业日益“分裂”成科技层级高的精英群体和科技层级低的普通群体，随着偏好趋同化、认知趋同化、效用趋同化等的逐步形成，经济学基本分析单元从“个体行为”转变为“群体行为”的条件已出现端倪。经济学是否可以采用群体主义方法论呢？如果可以，群体主义方法论将会与完备信息假设、偏好趋同化、认知趋同化、效用趋同化等一起，能否构成一个新的理性选择理论框架呢？这是属于理论感悟阶段的分析框架，还有许多问题需要分析和讨论。

生成式AI大模型的广泛应用会推动逻辑推理、概率推理、语音识别、自然语言处理、专家系统等思想内容的人工智能技术发展，并运用机器学习技术完成对事件的预测。在完善数据智能化的前提下处理网络协同化的复杂交易场景，力图揭示数字经济生态所蕴含的企业之间、企业与消费者之间行为互动的大数据构成。网络协同化包括点击率、关注度、在线支付、物流保证、信用担保、风险监控、产品和服务上下游关联的网络协同等复杂交易场景，它会产生由这些复杂内容决定的网络协同效应。西方学者通过比较互联网平台经济与传统交易模式，把拥有更多卖家会吸引更多买家，以及拥有更多买家会吸引更多的卖家的正向反馈回路，称为网络协同效应，这是一种着眼于对互联网平台应用结果的解读，而没有将网络协同化看成分析性概念。

生成式AI的充分发展会重塑企业选择行为，这种理论认知应当落地于企业选择理论的假设前提、分析参照系和分析方法等所对应的数字经济现实。解读数字经济对应的这种现实变化，需要对重塑企业选择理论的三大要素展开符合学理和实际的论证。显然，这样的论证离不开数据智能化和网络协同化。这是因为，企业选择行为的变化是数字经济下数据智能化和网络协同化在企业产供销活动中全面实施的结果，无论是改变假设前提和分析参照系还是改变分析方法，都要求数据智能化和网络协同化达到很高的科技层级。我们把数据智能化和网络协同化视为分析性概念，将它们作为生成式AI充分发展将会导致企业选择行为变化的分析工具，也是一种值得探讨的理论感悟。

经济学对人工智能发展影响经济活动的解析不能局限于技术范围。科技人文主义有许多夸张的推论，而人工智能对社会的认知在许多场合要远超人类对社会的认知。马斯克的星链、智能无人机等建立在硅基文明基础上的人工智能技术正在改变战争规则，庞大的算力瞬间可以学习人类有史以来的所有知识、习惯思维方式等，ChatGPT语言大模型和Sora视频大模型在创造一个新世界，它们虽然没有情感，但可以通过人类没有的编辑工具和视频工具把抽象的东西转变为能够看得见和能够把握的东西，从而向我们证明以生成式AI为代表的人工智能技术可以突破人类思维学习的局限。硅基文明替代碳基文明是未来发展趋势，生成式AI的未来发展不可以改变企业选择行为吗？

原载于《社会科学战线》2024年第9期，注释从略。

责编 | 刘雅君

初审 | 陈家威

复审 | 刘雅君

终审 | 刘   莉