近年来，数字经济给人们带来的影响已经渗透到生活的方方面面，越来越多的传统产业瞄准互联网、大数据这些驱动经济发展的新动能谋求新一轮价值转型。生产力飞速发展的同时，虚拟货币、区块链等技术如雨后春笋般迅速涌现，政府监管也面临着更大的压力。在人类生产生活方式已经发生颠覆性变化的今天，数字经济发展的潜力又应该如何更进一步挖掘？

　　2001年诺贝尔经济学奖得主、纽约大学William Berkley 讲席教授迈克尔·斯宾赛在《罗汉对话》中指出，移动互联网在2014-2015年间，进入了爆炸式增长时期，特别是移动支付是当下中国数字经济重要组成部分，这种增长是现象级的，增速也是预料之中的。此外，数字技术具有经济重要性，会带来社会、政治，甚至国际问题，对国家安全和国防也同样重要。

　　在数字经济发展或许遭遇地域“壁垒”的情况之下，应该制定哪些国际政策来加速或整合数字经济发展模式？迈克尔·斯宾赛表示，最重要的是在开放中互通有无，我们已经发现了不少维度，但还没有很好地利用起来。

　　如何更好地利用数字技术解决紧迫的短期问题？应该制定哪些国际政策来加速或整合数字经济发展模式？带着这些疑问，新浪财经联合罗汉堂重磅推出《罗汉对话·远见》，本期对话迈克尔·斯宾赛。

　　以下为对话实录：

　　Q：如何更好地利用数字技术解决紧迫的短期问题？

　　A：我们致力于寻求更为均衡的全局观，就像陈龙教授看到了巨大的机遇，但也有人认为我们面对更艰巨的挑战，在我看来最重要的事，不论我们如何定位自己看待机遇的角度，我们总要避免过于消极，尤其是在监管或者在限制数字经济的其他动态创新方面太悲观。我们需要更透彻地理解如何应对这些多样的挑战，这也是为什么这些挑战将带来深远影响，包括隐私、数据安全、国际干预、国家安全问题、权力垄断以及能不能有足够的工作岗位。

　　此外，人们又能不能有足够的技能担起这些职位，在经济基本，或者至少部分是基于数字基础时，这些挑战会更严峻。比如幼儿早期认知能力，形成均衡全局观的一个前提是，我们必须对利益从哪里来以及怎么衡量这些利益有感知能力，这样才谈得上“怎么看”。我认为在某些领域，我们可能没有太多类似的问题，但是总体而言这个问题不容小觑。数字革命如火如荼，但增长率和生产力却急转直下，这个问题几乎随处可见，到底怎么了？这是我想谈的第一点。

　　其二，我们总是会有一种思维定式，但人类福祉并非单一维度的，有健康、有可持续性、有社会公平，也有物质上的幸福感，这些都是我们应该衡量的，还有文化因素，人是社会动物，有和他人建立联系的需求，而数字化正在影响这一切，但问题是我们衡量经济的标准总是落后于数字化带来的改变，所以我提出了衡量经济效益的其他方法。

　　所以我们首先应该认识到，有很多经济福利不会很明显，甚至不会被标准化的国家经济体制捕捉到。例如在医疗领域，变革性效应已经悄然发生，我去年做了一次背部手术，只在我的脊椎附近有一些微小创口，我早上八点半到医院，11点做手术，下午四点半就能出院。这在十年前都是不能想象的事情。为什么？都要归功于数字技术。开几个小口，把数字医疗设备放进去，就能得到所有的成像材料，甚至不需要内科手术，只需一台小小的仪器就可以知道你的身体里面哪里出了问题，这是个很好的例子，医生通过数字辅助也可以找到需要阅读的文献，文献浩如烟海，基本没有人能全部读完，相比之下数字技术像“超人”，有能力快速浏览并定位到你需要的东西，成像技术可能代表了数字技术的最普遍用途，或者是“超通用技术”。“通用目的”指的是可以被应用于各种场景而不是单一用途，质量由此被大大提高了。但在成本方面呈现，固定成本中等偏高，而可变成本极低甚至为负的特点，在软件、应用、数据中尤为明显。

　　数字化不会反映到成本上，也不会呈现在市场交易中，但是会在质量上明显感觉到，这部分的提升却也是我们不好衡量的，我所谈到的这种情况远非个例，我想强调的是，还有很多非常重要的其他衡量经济的维度，有两个斯坦福大学的学生，提出可以用成像技术检测皮肤癌。在斯坦福医学院的皮肤科中心，他们仔细研究了数万幅图像样本，作为训练数据集，用于机器学习和人工智能，他们进行了一些试点实验，效果非常好，我们有什么收获呢？

　　从技术层面来讲，我们有了很重要的成果。但是从实际角度出发，尤其是当你和你的医生都在洛杉矶，而我在纽约或者蒙塔纳，是不可能大老远跑去看皮肤病的，答案一定是否定的。人们总是习惯性认为，数字技术发展到最尖端的时候就会取代人类的地位，但这是不可能的。如果你住在伦敦或者上海想去看皮肤病专家，他们其实是不会接受预约的，简而言之我们有了更先进的工具，可以识别到哪里出现问题，如果你生活在城市，那么在你看来，从实用角度出发这些改变无关痛痒，但对偏远地区或者发展中国家会便利许多，的确如此，世界上80%的人家附近可能都找不到一个皮肤病专家，你口袋里的东西，你叫它电话，他们觉得是一个能上网的照相机，普惠才是整体效益所在。

　　总的来说，如果要看实用价值，应该取决于我们选择的参照组。如果和皮肤病医治技术相比，它可能勉强算是有趣的科学技术，但是也没有多重要。但是如果和什么都没有比较，那这种成像扫描技术就听起来相当重要了。这种认知的转变需要一定过程，可以让我们更着眼于效益，对冲工作、技能、结构性转变带来的挑战。

　　Q：应该制定哪些国际政策来加速或整合数字经济发展模式？

　　A：我认为最重要的是在开放中互通有无，我们已经发现了不少维度，但还没有很好地利用起来。例如，上游研究就是我们不曾触达的，因为这部分通常由政府资助，由学术界和高等院校完成研究，但长期以来的开放的全球体系是有充足理由的，因为我们需要公共产品的存在，北京的科学家不可能，同时在洛杉矶做同样的研究，应该要一波人负责一样研究，而另一批人在此基础上解读并作出自己的贡献，这是一种迭代式的积累，如果对国家安全的顾虑过犹不及，将会切断这种交互模式。

　　虽然我觉得很难实现，仍然构成很大的问题，所以我们应该达成协议都不应该这样做，生物医学造福人类，一旦要最新进展应该立刻共享成果，不分国界，这是我的立场，我们目前为止生活的世界应该在未来的一定时间内永续，这是其一。

　　其次在技术方面，像商业化这样的东西会产生经济效应，那么就更需要开放，更需要实践，需要和知识产权相关或者类似的东西，这可能是问题的根源所在，eBay第一个发现数字技术在开设线上市场中的重要性，紧接着又一批人，扩展了线上市场的内涵，亚马逊、阿里巴巴、拉丁美洲的美客多接踵而至，虽然并不是每一个都有大型平台的规模，但是成百上千的数字仍然很客观，更重要的是其中并不涉及技术盗用，你只需要了解别人的运作模式即可，我们可以通过向新闻业学习，找到创新的多个可行途径，努力使我们的系统更加开放，在这种环境下可能并非一蹴而就。中国在电子商务、移动支付和金融技术等领域都取得了长足的创新，重要的创新经验则应该快速推行到其他地区，并根据当地情况加以适当调整。

（本文内容不代表新浪财经观点）

　　互联网时代下，数字经济的快速崛起催生出新的产业生态，也拉动着传统产业不断升级迭代，重塑着社会经济的格局。在技术变革加速进行过程中，劳动力市场的格局也在悄然发生变化。一方面，自动化和智能化技术的应用释放出大量的劳动力；另一方面，共享经济带来全新的生活方式，创造出大量的就业机会。挑战与机遇并存，未来的就业格局究竟会发生怎样的变化？

　　2010年诺贝尔经济学奖得主、伦敦政治经济学院教授克里斯托弗·皮萨里德斯在《罗汉对话》中表示，人们对数字化的担忧以及其对劳动力市场影响的思考存在误区。我们当下面临的挑战是向新型工作的过渡，这并不代表社会缺乏足够的工作机会。特别是创造就业机会的因素，往往并不与可用的技术密切相关，所以发达经济体与小型经济体都可以创造充分的就业机会。

　　共享经济时代为社会带来了新的就业机会，悄无声息地改变着全社会的就业格局，同时劳动者权益的保护也在与时俱进。皮萨里德斯表示，未来创造就业的主导部门，或许无法用大数据集来记录，也无法用计算机编程来完成工作。这些部门往往涉及服务经济中人与人之间直接的接触沟通，政府应该围绕就业进一步完善相关法律框架来更好的保护劳动者，法律最终比任何工会都能提供更好的工作保护。

　　共享经济与就业之间到底有怎样的联系？未来十年就业市场又将如何面对新常态？带着这些疑问，新浪财经联合罗汉堂重磅推出《罗汉对话·远见》，本期对话克里斯托弗·皮萨里德斯。

　　以下为对话实录：

　　关于未来的工作

　　一方面，人们普遍担心数字技术和人工智能，机器人技术会摧毁很多工作，我们通常会听到工作分布于不同技能中。但是，如果你看一下这些数字，他们就会说有大量的工作被破坏，在10%到15%之间，在接下来的20年里，有些工作的一半会消失。另一方面，失业率处于历史最低水平，就业率很高，当你把两者放在一起时，你会觉得，其中必有一个是错的。通常情况下，没有事实证据是错误的。

　　在我看来，对数字化的担忧以及其对劳动力市场的影响完全是错误的，面临的挑战是向新型工作的过渡，但并不是没有足够的工作要做，劳动力市场和经济能够产生几乎任何数量的就业机会。我们在世界上有许多不同规模的经济体，但它们的就业率大致相同，约70%的人口在工作。从失业率来看，无论经济体大小，范围从3%到6%或7%不等，那么你可能会问，如果有恐惧，那么经济就无法创造就业机会。为什么我们看到发达的大经济体创造了与小型经济体一样充分的就业机会，答案是创造就业机会的因素，并不真正与可用的技术相关，创建的工作类型是相关技术。但工作数量不是，这是因为经济中有一个非常大的服务部门可以创造你想拥有的任何数量的工作。

　　因此，我们现在经济中观察到的情况是，创造了许多工作，这些工作并不是我们过去二十年前的典型工作，现在有零工经济，我们称之为零时合同，是需求响应式的就业。你知道Airbnb类型的工作，你需要有人为你服务，你打电话给他们，他们为你服务，他们不在办公室工作，或者是任何朝九晚五作息的地方工作。这些工作最近数量激增，对于许多工人来说，他们并不是那种老式的安全工作，那里有你的退休金和年假。你在65岁退休，而他们是不同的，他们的工作更不安全，也许他们不是那么有成就感。我认为，在工作条件方面，社会与政府应该努力在回报方面，在工作条件方面对工人更具吸引力，但仍有工作，其中一些已经受到数字技术的帮助。我们提到的优步，Airbnb就是例子，一些人创造了与数字技术无关的经济部门，不是技术来确定数量，而是技术决定了类型。你知道，如果你需要出租车服务，那么优步依赖于新的技术，如果我们没有数字技术……你也无从打电话召他们来把你从A送到B，所以我们应该能够区分这两套。

　　共享经济与就业的创造

　　传统的工作岗位，绝大多数是办公室或工厂的职位，你早上去那里，你工作，你下午离开，你有雇主，集中在公司内。你有一个雇主，你知道他们是谁，雇主支付你的月工资。该雇主为你的社会保障基金和养老金提供资金，你和你的雇主在你将享有的年假上达成一致。如果你在办公室需要清洁，你告诉你的雇主，他会清理它。如果你太热，你需要一台空调，你会在某种程度上跟他说话，这是传统的安排。（零工经济）这些工作不是那样的，你没有办公室，就像优步司机，或响应需求工作的人，即你知道的共享经济，他们呆在家里，他们接到电话去做各种各样的工作，他们赶过去，完成工作，然后就回家了，他们实际上并没有雇主。他们中的一些人像某些就业人员，其他人就像临时工，做完某些工作后就回家。其他人则是在为自己工作，基本上现在什么都没有创造，但是期待在未来创造一些东西，在考虑创业，这些工作让人们渴望职业中的一些东西，如安全感，觉得类似雇主提供的一些保护。如果你生病了怎么办？如果你有雇主，你会得到病假，一些工资，一些帮助。如果你在这种（零工）经济中，在这种类型的工作中，你就无能为力。

　　这就是为什么我认为我们需要认真研究这些类型的工作，看看我们如何能够提供一种保护。它可能是相同的，可能与传统的相似，但你不能简单地复制，因为我们生活在不同的条件下。但是，一个能够让工人满意的工作就是让他们拥有一些安全的东西，让他们为工作而感到骄傲，得到很好的补偿。这将使他们在劳动力市场上有一个他们可以期待的未来。我们怎么做并不简单。我现在不能告诉你说你只要做到a，b，c和d，然后最后一切都会完成。而是肯定需要深入研究，因为我们不想从一开始就弄错。我们必须确保我们所做的工作基于良好的基础。熟悉劳动力市场的运作方式，我们希望在罗汉堂，我们将在该领域开展研究项目，因为他们适用于中国，因为各国也有不同的应用。

　　新增就业机会和消失的工作岗位

　　是的，因为工作的破坏在某种程度上更加耸人听闻，你知道，工作会被摧毁，你知道，这就像战争。创造就业机会对人们来说真的很重要，因为那是需要努力的方向。但从某种意义上说，开始说“哦，不要担心，将来总会在这样或那样的行业创造就业”。我认为未来创造就业的主导的部门，是无法用大数据集记录的部门，因此也是无法用计算机进行编程来完成工作的部门。他们通常是涉及服务经济中人与人之间直接接触的行业。

　　我认为，医疗保健行业将是最重要的，部分原因是人口的老龄化。但也因为社会日益成熟，生活水平成熟，我们对健康质量有更多要求，在中国，它将成为一个巨大的扩张行业，因为与其他国家相比，目前它只雇用了极少数人，即使在可比的发展水平上也是如此。因为在中国，更多地依赖家庭照顾，特别是照顾老年人，年幼的人，病人，它不一定是需求幼儿园，养老院，通常是围绕家庭，父母照顾小孩，当孩子长大后，他们会看着年迈的父母。这种模式通常与经济发展并不同步，还有食宿和旅游业，因为很多中国人出行，你在欧洲旅游景点到处都可以看到中国游客，而且欧洲人和其他西方人来到中国旅游，都需要良好的服务和设施，提供优质的酒店住宿，良好的餐厅，文化历史景点等等。中国有非常好的酒店，但也许还无法满足大众旅游的发展方向，那些行业将再次创造新的就业，那些涉及服务经济的各种其他工作，这些工作不能重复编程，甚至是房地产维护，城市环境等，运维基础设施的工作，仍然需要人手。

　　您是否认为这将是五年或十年就业市场的新常态，无论是在欧洲、美国还是在中国？

　　我认为我们应该从政府、法律而不是工会中寻求保护，因为现在工作的组织方式，不是可以很容易地成立工会的……而且雇主方面，你也找不到地方去进行集体谈判，以保护工人的权利和福利。这种情况下，必须依靠政府以及政府围绕就业建立的法律框架。法律最终比任何工会都能提供更好的工作保护。许多国家都有高度发达的劳动法，我们在自己的伦敦经济学院里也有一个活跃的劳动法研究项目，而且基本上是把我们的研究应用于我们对工人权利的保护，以及前瞻就业市场的发展，提供与时俱进的劳动保护，然后形成法律，容易解决争议，就业需要一个全新的法律框架，这与集体谈判不同，请记住，工业化之前没有工会和集体谈判，在19世纪初第一次工业革命之后，在英国首先出现了工会，所以我们在工会发展方面有近两个世纪的经验，而新的劳动保护法律框架只有20年的经验。显然，我们需要耐心等待，但我们确实需要在这方面迅速取得进展。

（本文内容不代表新浪财经观点）

　　近年来，大数据的快速崛起助推着云计算、人工智能等领域的加速变革，也正在掀起新一轮技术革命的浪潮。依靠大数据构成的生态体系在新技术发展融合和创新变革的过程中发挥着不可替代的作用。未来，我们又应该如何挖掘数据背后所蕴藏的更大价值，让数据转化成财富。

　　2013年诺贝尔经济学奖得主、芝加哥大学经济和社会科学资深讲座教授拉尔斯·彼得·汉森在2019罗汉堂数字经济年会上指出，数据并不都是在我们需要做出合理政策建议的维度变得丰富，往往需要一个模型来告诉我们究竟应该关注哪些数据？需要加入什么衡量因素？需要加上什么维度？这些都需要一个概念的框架。

　　与此同时，新的挑战接踵而来。云计算的广泛应用让机器算法成为数据库的“大脑”，帮助人类对大数据进行“思考”。汉森表示，我们不能止步于此，概念框架的不断更新完善可以让我们在使用新的数据时更有意义。虽然利用大数据解决问题的大门向所有研究领域开放，不过，真正建立适用于这些新数据的模型，才能获得对既有数据独到的洞察。

　　如何利用数据解决深层社会问题？数据在研究中又发挥了何种作用？带着这些问题，罗汉堂联合新浪财经重磅推出《罗汉对话·远见》，对话拉尔斯·彼得·汉森。

　　以下为对话实录：

　　Q：为什么政策制定不能完全基于实证发现？

　　A：证据当然是非常关键的，更需要我们聪明和智慧地用好证据。但是对于所有最重要的政策问题来说，你需要某种眼力，需要某种概念框架，去获取证据，并且转化为政策建议。一个鲜有证据的地方，我们所说的证据从性质上来说几乎无法告诉我们发生了什么。一项新政策可以把我们从数据丰富区带到数据匮乏区。特别是当我们面临的动态问题，随着时间阶段的推移不停地演变时，情况尤其如此。所以需要用一个概念框架来发问，你应该留意哪些数据，并且你如何看待这些数据。

　　Q：怎样才能更好地利用数据解决深层社会问题？

　　A：我同意新的数据以及新的数据的丰富度，是一个令人振奋的现象。并且对于那些建立模型的人，如经济学家来说，我们要考虑合理使用数据，因为尽管数据丰富，但只是在某些维度丰富，并不都是在我们需要做出合理政策建议的维度丰富。进而言之，我们需要模型告诉我们究竟关注哪些数据。我们如何衡量来自数字经济的社会福利？我们需要加入什么衡量因素？我们需要加上什么维度？这些都需要概念框架。所以任何时候我们只要定义为社会政策，并且政策会持续下去，拥有这些数据就很美好。我们有计算机算法帮助我们看这些大数据库，也很棒，但你不能止步于此。所以面对的挑战可能是我们需要新的和不同的概念框架，更加明智和有意义地使用这些新的数据。大门向许多非常令人兴奋的研究开启，此时需要建立适于应用这些新数据的模型，产生对数据的洞察。

　　Q：数据在您现在着手的气候变化研究中发挥了何种作用？

　　A：但是我要纠正一下。这不仅仅是模型。我们的调查主要是用一个框架，让我们能透过不同的模型来看到（气候变化的）后果将是什么。所以不仅仅是看数据，它看的是多个不同的模型，因为没有一个评估经济损失的模型得到公认。我们并不能确认气候变化的影响有多大。所以这更像是一个应对不确定性的框架，在这类问题中，不确定性的重要之处在于它能改善政策制定。现在，因为下述原因，这变成了一个困难的问题。首先，它关系到气候科学。所以需要了解一系列来自气候科学的模型视角。它们取得了很多进展。

　　但气候变化这件事的本质，部分在于我们把环境从我们有很多历史的情景。推向我们不知道的情景，并且我们必须推测后果将会是什么，经济活动对人类福祉的影响，我们将会生存于一个与当下怎样不同的环境里，这才是建模发挥作用的地方。为此你真的需要好好想一想模型。有来自气候的模型，告诉我们气温上升的影响，人类向大气层排放二氧化碳对气候、对气温带来后果。这一部分来自气候科学。经济学会评估损失方面起作用。一旦我们看到了气候变化，经济后果是什么？人类如何适应新的环境？我们如何量化这些后果？于是会有从多种角度产生的模型出现。那就需要考虑一体化的模型。这并非易事。事实上，气候变化下量化人类活动的影响，理解起来有局限性。气候科学的许多证据已经打下了人类在环境的烙印。当你进行量化的判断而且它在不同的背景下呈现，不确定性就会出现，所以我们想从气候科学中提取不确定性的特征，并且与我们从经济侧考虑的不特定性结合起来。而这两类不确定性之间的互动，对于我们考虑碳排放的社会成本是非常重要的。所以我们的确需要努力建立一个丰富的框架，进行量化，支持政策分析。

　　Q：大数据是否能代表理论研究最终形态？

　　A：我们想得出理论是因为我们要对大量的数据做出判断。但是现在假设我引入了新的政策，也许是对绿色科技增加补贴，或者对碳消费加征税收。这类问题我可不能仅凭现有的数据，因为数据并不沿着这些关键的政策维度演变。所以我们需要用经济分析、推理，对我们下一步行为会导致什么经济后果做出明智的判断。没错，我们当然会找到聪明的方法去使用丰富的数据，但我们不会止步于此。

（本文内容不代表新浪财经观点）