人工智能能否攻克“鲍莫尔病”_新浪财经

转自：人民论坛

【摘要】当前，服务业已成为我国国民经济的第一大产业。一般认为，服务业容易受到“鲍莫尔病”的影响，其生产率较低，在经济服务化的过程中，容易出现结构性减速。以生成式人工智能（AIGC）为代表的新一代人工智能将对服务业的生产模式、要素投入、技术进步、生产效率等产生巨大的影响，从而有可能治愈服务业的“鲍莫尔病”，提高全社会生产率，推动经济持续增长。因此，在政策上应大力支持人工智能基础技术的研发，鼓励人工智能技术在服务业广泛应用，并密切关注和防范人工智能广泛应用带来的问题和风险。

【关键词】人工智能 “鲍莫尔病” 供给效率

【中图分类号】TP18;F49 【文献标识码】A

近年来，我国服务业快速发展，占比持续上升，成为支撑经济增长的重要动力。2012年中国服务业增加值占GDP比重达到45.5%，首次超过工业成为第一大产业，此后服务业占比持续提升，2015年这一数字首次超过50%。2015年—2019年，我国服务业对经济增长的贡献接近60%，位居第一，2022年我国服务业增加值达到638698亿元，占GDP的比重为52.8%。服务业发展也得到了国家的高度重视，党的二十大报告提出：“构建优质高效的服务业新体系，推动现代服务业同先进制造业、现代农业深度融合。”

然而，在服务业占GDP比重越来越高的情况下，各类生产要素不断流向服务业领域。经济学家认为，三次产业中，服务业由于受到“鲍莫尔病”的影响，其生产率较低，在经济服务化的过程中，容易出现结构性减速。从根本上看，“鲍莫尔病”是因为服务业需要投入大量的人力资源，以面对面的方式完成，技术进步速度慢，难以实现工业化规模化生产。近年来，人工智能技术快速发展，以生成式人工智能（AIGC）为代表的新一代人工智能不断取得突破，这将对服务业的生产模式、要素投入、技术进步、生产效率等产生巨大的影响，从而有可能治愈服务业的“鲍莫尔病”，提高全社会生产率，推动经济持续增长。

什么是“鲍莫尔病”

二战后，各个国家服务业占GDP的比重持续上升。对此，很多经济学家提出了理论上的解释。以鲍莫尔（Baumol, W.J.）为代表的经济学家认为，服务业占GDP比重的上升，是因为服务业本身的生产率提升较慢，成本持续增加。在其开创性论文《非平衡增长的宏观经济学：城市危机剖析》中，鲍莫尔（1967）提出了一个两部门非均衡增长模型，即由技术进步推动的生产率持续增长的“进步部门”和技术影响弱生产率低的“停滞部门”，假设劳动力可以在两个部门之间自由流动，且社会对“停滞部门”所提供的服务缺乏需求价格弹性，那么，劳动力会持续流向生产率较低的“停滞部门”，这样，“停滞部门”的单位产品成本不断上升，产出价格越来越高，占GDP的比重越来越大，而整个国家的经济增长速度则会持续下降，这被称之为“鲍莫尔成本病”（Baumol's cost disease），简称“鲍莫尔病”。①在经济现实中，很多服务行业以劳务产出的方式进行，需要提供者与消费者同时在现场完成，很难做到机械化、标准化、自动化，其生产效率提升缓慢，是鲍莫尔所提出的“停滞部门”的代表。

“鲍莫尔病”的理论提出之后，引发了大量争议，而实证研究的结果也存在着显著差异。一部分实证研究证明了“鲍莫尔病”的确存在。鲍莫尔（2012）指出，在美国，从1948年—1995年，外科医疗服务的名义价格以每年5.5%的速度递增，病房成本以每年8.4%的速度递增，每个学生的教育支出以每年7.4%的速度递增，而同期消费者价格指数（CPI）的递增速度却低于4%。其他发达国家也有类似情况。价格的上升，造成了医疗服务与教育成为服务业内部成本增长最快的部门，其占GDP的比重也急剧上升。Anne-Kathrin Last和Heike Wetzel（2010）指出，对德国剧场表演的生产率进行了实证研究，他们使用随机前沿方法，将全要素生产率（TFP）分解为两个部分：第一，是否鲍莫尔的成本病模型在此部门有效；第二，效率进步能否补偿成本病带来的生产率负面影响。结果证明，随着工资的增加，单位劳动力成本上升，这证实了成本病假说。而且，虽然剧院有着明显的规模效应，但并不足以抵销成本病带来的非效率。从总体看，大部分经济学家都认为“鲍莫尔病”在经济中或多或少存在。2017年鲍莫尔去世时，芝加哥大学布斯商学院的美国经济专家小组对一些著名经济学家进行了调查，59%的受调查专家同意“鲍莫尔病”在现实生活中的确存在。

从我国的实际情况来看，服务业总体生产率较低，与第二产业相比有一定的差距。随着数字技术在社会经济生活中的持续扩散，服务业领域大量应用人工智能等数字技术，其生产效率有了大幅度提升，“鲍莫尔病”正在被治愈。Harry Greenfield（2005）指出，在300年前，四重奏只可能在一个小的沙龙表演，没有扩音器，也没有录音设备。而今天这方面的效率有了很大的提升。他进一步指出，鲍莫尔的服务概念存在着合成谬误，应将服务分为生产者服务与消费者服务，在信息革命的驱动下，生产者服务有着很高的技术进步率。因此，成本病应该已经治愈了。Jack E. Triplett和Barry P. Bosworth（2003）指出，在1995年之后，由于信息服务部门的劳动生产率增长要远远快于商品生产部门。如果从总产出水平来考察，在服务业内部的子行业中，数字化的经纪业与金融业的劳动生产率增长非常快。随着人工智能等新一代数字技术在服务业领域全面渗透，服务业“鲍莫尔病”将被逐步治愈。

人工智能治愈“鲍莫尔病”的途径

近年来，人工智能技术快速进步，在服务业等各行各业也有了广泛应用。从以前的人工智能来看，主要是倾向于单一场景和技术的应用，例如，机器视觉广泛应用于安防产业。而以生成式人工智能为代表的新一代人工智能，拓展了人工智能在产业应用的场景和深度，为治愈“鲍莫尔病”提供了更多的发展空间。咨询公司埃森哲（Accenture，2023）认为，生成式人工智能模仿人类对话和决策的能力让世界意识到人工智能的变革潜力，从而使人工智能在公众广泛采用方面出现了第一个真正转折点。Korinek认为，由于ChatGPT和其他人工智能机器人使认知工作自动化，而不需要投资设备和基础设施等物理资料，因此对生产力提高的影响可能比过去的技术革命要快得多。2023年世界经济论坛的调查表明，大约75%的受访公司预计在未来五年内广泛采用人工智能技术。在已经使用ChatGPT等生成式人工智能的企业中，93%计划让它承担更多工作。这将极大地提升服务业的劳动生产率。Brynjolfsson（2023）认为，生成式人工智能可以帮助企业扩展其产品并提高员工的生产力，而知识工作者和信息工作者也可以借助这些工具提升其劳动生产率，在十年内，生成式人工智能可以为美国的经济增长增加数万亿美元。OpenAI的首席执行官Sam Altman（2021）则认为，随着人工智能渗透到生产生活中，原来许多由劳动力成本决定的高价格产品或服务的价格会快速下降，从而使每个人都从中受益。他预测，在未来十年内，每个成年美国人每年能够从人工智能的应用中获得13500美元的利益。

服务业供给效率低下的一个重要原因是在服务环节中需要投入大量的人力资源，而人工智能的广泛应用，能够使很多服务环节由机器替代劳动力，从而使服务业减少对劳动力的依赖，效率得以快速提升。例如，新一代人工智能能够广泛应用到教育、金融和医疗等各个领域，提高这些行业的生产率。

从具体途径来看，新一代人工智能可以作为员工的助理，提高工作效率，从而治愈这些工作中可能存在的“鲍莫尔病”。以ChatGPT为例，其使语言识别、交互、支持和个性化成为可能，将提升服务业的效率。一家提供就业服务的平台（Glassdoor旗下的社交平台Fishbowl）对1000家企业进行调查的结果显示，近50%的企业表示已经在使用ChatGPT；30%表示有计划使用。而在已经使用ChatGPT的企业中，48%已经让其代替员工工作。ChatGPT的具体职责包括：客服、代码编写、招聘信息撰写、文案和内容创作、会议记录和文件摘要等。目前来看，ChatGPT的工作得到了公司的普遍认可，55%给出了“优秀”的评价，34%认为“非常好”，这为企业节省了成本。48%的受访企业称，自使用这款人工智能聊天程序以来，公司节省了超过5万美元的费用，11%表示节省下来的费用高达10多万美元。而一些测试发现，使用生成式人工智能能够极大地提高文字写作的效率（节省40%的时间且质量更高），还能够极大地提高程序员的工作效率。Erik Brynjolfsson，Danielle Li和Lindsey R. Raymond（2023）研究了人工智能对客服工作的影响，在使用人工智能后，客服每小时可以成功解决的投诉数量增加了13.8%，而且成功解决的投诉份额略有增加，特别是对技能较低和经验不足的员工，在使用人工智能之后，其效率提高幅度更大。Shakked Noy和Whitney Zhang（2023）发现，在市场营销和人力资源等领域，在使用ChatGPT后，整体生产率有了大幅度提升，且对绩效较差的员工有着更大的提升效应。

新一代人工智能还可能完全取代某些工作，从而提高整体经济的效率。研究指出，新一代人工智能对80%的职业产生影响，作家、网络和数字设计师、金融定量分析师、区块链工程师等可能大部分被人工智能取代。根据高盛公司的一份研究报告，平均而言，人工智能可能会使18%的工作自动化程度更高乃至被机器取代，对高收入国家的影响更为显著。以美国为例，将有15%—35%的工作被取代，包括办公室、行政、律师等工作，这些工作被人工智能取代后，其效率将有大幅度提升。Gartner预计，到2025年，大型组织30%的营销信息将由人工智能生成。到2030年，人工智能将完成电影90%的工作量（从文本到视频）。劳动力替代还将产生结构转换效应。麦肯锡全球研究所（McKinsey Global Institute，2018）指出，在人工智能的推动下，对工作的需求可能会从重复性任务转向那些由社会和认知驱动并需要更多的数字技能的任务。劳动就业的结构转换也将提高全社会的劳动生产率。

从典型行业来看，人工智能将使医疗、教育等鲍莫尔认为成本上升最快的行业效率提升。医疗领域是受“鲍莫尔病”影响的典型行业。Bobby J. Newbell（2007）认为：在医疗领域，决定生产率的内在因素，即询问病史和各项检查，受到技术进步的影响甚小，技术进步也基本上没有提高护士更换绷带的速度。医疗领域中人类互动的固有特性使得该行业的生产率没有随着技术进步而大幅度提升。随着以生成式人工智能为代表的新一代人工智能在医疗领域的广泛应用，医疗领域的“鲍莫尔病”有可能趋于缓解。Khanna和Narendra N.等（2022）通过经济学分析发现，在诊断和治疗中使用人工智能工具可以节省大量成本。一是解决医疗系统中的浪费问题。数据显示，在美国花费的所有医疗保健资金中，几乎有四分之一被浪费了，而人工智能通过对过度治疗和不当医疗保健服务的治理，将减少医疗资金的浪费。二是提高疾病诊断、治疗、护理、医院管理等全过程的效率。人工智能在医学影像（例如，引入AI分析系统的高级CT扫描、磁共振成像和超声，可以更准确地执行重复、简单的任务，减少医疗差错，降低成本，并在出现严重情况之前促进早期诊断和干预）和疾病诊断（例如，更精准地发现疾病与输入预测因子之间的非线性相关性）等方面已具有一定的效率优势，而利用大数据和人工智能方法，能够为患者提供快速而精准的护理。在治疗方面，利用人工智能预测疾病预后和治疗反应，将提高医生在疾病治疗方面的效率。三是人工智能能够加快药物研发。新药开发的成本越来越高，时间越来越长，这被称为Eroom定律（Eroom是Moore单词反拼，意思是与摩尔定律相反，即反摩尔定律）。Gartner预计，在未来，将有超过30%的新药物和材料将由生成式人工智能技术发现。人工智能算法能够在短时间内评估数百万种潜在药物，预测其有效性，使药物发现的时间从3—6年缩短至1—2年，成本也能够快速下降。例如，Insilico公司的算法能通过阅读医学文献来寻找潜在的蛋白质、细胞或病原体，以确定药物研发方向。目前由该公司开发的一款完全由人工智能完成的用于特发性肺纤维化（IPF）的药物已进入一期临床试验。

多国主管机构已开始批准人工智能产品正式进入医疗服务领域。据不完全统计，美国食品药品监督管理局（以下简称FDA）已批准多种基于人工智能的医疗设备。例如，2017年1月，Arterys的医学影像平台获得了美国FDA的批准，这是第一个用于临床实践的机器应用。它最初被批准用于心脏核磁共振图像分析，现已被批准用于其他影像学设备。2018年4月，FDA批准了IDx-DR系统上市，这是FDA授权的第一个人工智能诊断系统，用于检测诊断为糖尿病的成年患者（22岁及以上）的糖尿病视网膜病变。医生只需要将患者的视网膜图像上传到云服务器，系统将自主给出筛查决策，即观察随访还是进一步治疗。Tractica预测，到2025年，医疗保健人工智能市场的收入机会将超过340亿美元。其中，来自22个关键医疗保健人工智能用例的全球软件收入将从2018年的5.117亿美元增长到2025年的86亿美元。

教育领域也深受“鲍莫尔病”的影响。在过去的50年间，教育行业的生产率提升并不明显。一个经常被引用的案例是一位大学教授利用PowerPoint进行一个小时的课程讲授，向他的学生传达信息的速度并不比50年前使用幻灯机或黑板的讲师快得多（Bobby J. Newbell, 2007）。然而，人工智能在教育领域的广泛应用，可以为学生的学习活动和教师的教学活动提供有力的辅助和支持，从而提高教育的效率。生成式人工智能在以更具适应性和更加个性化的方式为学生学习提供智能化支持，人工智能和VR、AR等技术可以使学生们以体验的方式进行学习，以游戏的方式身临其境地与授课和书本的知识内容发生互动，从而使学生可以长期保持注意力的集中。相比传统教育模式中只能通过教师的教学语言、图片和文字来传授知识，沉浸式学习所营造的体验式的学习环境可以更好地帮助学生加深对知识的记忆和理解。在教学活动中，人工智能可以帮助教师进行写作文本的检查和评价，将教师从耗时费力的对文本的错别字、标点符号和病句的检查与校对工作中解放出来；也可以帮助教师进行教学内容的设置，提高教学的质量和效率。通过更为灵活和创新的方式，帮助教育工作者创建教学内容。这些工具可用于生成课程计划、创建测验和考试以及编写教育材料，从而节省教育工作者的时间和精力，为学生提供引人入胜且行之有效的学习体验。人工智能强大的语言翻译功能，还可以消除教育活动中的语言障碍。这可以极大地缓解学生学习外语的困难，消除因语言不通而导致的信息传递壁垒和障碍，为学生提供理解不同语种的文本或语音材料的渠道，从而大大扩展信息和知识在整个世界范围内的传播和交流。

人工智能能够提高科技研发的效率。研发服务既是服务业的重要组成部分，还对服务业效率的提升有着基础作用。然而，由于科学技术研发的特点，使技术进步呈现出减速趋势。Park和Michael等研究人员（2023）②通过对近年来全球的论文和专利进行定量分析发现，随着时间的推移，突破性成果的数量在持续下降，而且这种下降不能被已发表科学质量、引文实践或特定领域等因素的变化所解释，深层次的原因是随着知识存量的增加，科学家和发明家的知识面越来越窄。另一方面，过去几个世纪的技术进步，已在容易突破的科技领域实现了突破，剩下的领域都是“硬骨头”。而人工智能技术，是一种能够帮助人类提高研发效率的“元技术”，Sam Altman认为，正是因为人工智能技术的进步与广泛应用，我们将进入加速进步的“万物摩尔定律”阶段。通过广泛应用人工智能，能够突破技术进步减速趋势，推动另一场科技革命。例如，生成式人工智能能够理解科学论文与专利文献，可以自己学习和积累知识，从而帮助科学家发现创新的可能方向和前沿领域。在数据处理方面，科研仪器和试验设备正在产生前所未有的数据量，而各种日常生产和生活中也产生了海量数据，人工智能在处理海量数据方面具有独特的优势，从而实现以数据驱动科技研发的进步。

生成式人工智能的演进与广泛应用，有可能突破波兰尼悖论，从而打开人工智能应用的空间。哲学家迈克尔·波兰尼在1964年提出了一个观点，即“机器在某些特定领域拥有明显优势，而在另一些领域难以逾越人类”，这是因为“我们能比我们自身所意识到的知道更多”，在人类从事生产的过程中，即使是简单的活动，实际上需要的理解力比我们预想的要多出很多，这类知识很难被机械、自动化或计算机所替代，被称之为隐性知识。现阶段，人工智能与人类各有优劣：机器更加理性和善于进行基于规则的分析，拥有人类无法企及的知识存储量以及超越人类几个数量级的计算能力，但同时也像个“聪明的白痴”，“在所有需要‘思考’的地方成功，却在人与动物不需要思考的领域失败”（计算机科学家唐纳德·克努特语）。生成式人工智能在自然语言理解、情感交互等方面的突破，使其将打破波兰尼悖论，推动服务机器人进入发展新阶段。服务机器人能够广泛应用到家庭服务、医疗、餐饮、物流和酒店等领域，代替人类完成繁琐而难以自动化的任务，减少这些行业对人力的依赖，从而提高生产效率。根据中国电子学会数据，2021年全球服务机器人市场规模达到172亿美元，2017年—2021年复合增长率达27%。通过引进ChatGPT等生成式人工智能，将推动服务机器人的功能快速提升，并应用到更广泛的领域。

服务业供给效率低下的另一个原因是供应链产业链既涉及到物，又涉及到人，完成最终服务的各个环节之间难以耦合，从而无法降低成本。而人工智能的广泛应用，能够推动服务业供应链全方位全链路数字化、智能化改造，将人、物、知识、技能、标准等整合在一起，并将这些资源进行智能组合，实现服务资源的汇聚、智能调度与优化使用，从而推动服务业供应链效率的提升，使自助服务与自动化和在线访问相结合，重塑服务的生产和交付方式，推动自动化从后台扩展到前台。

人工智能能够推动服务工业化，发挥规模经济效应。服务业产生“鲍莫尔病”的一个重要原因是其需要面对面个性化完成，无法像工业产品一样实现规模化生产和消费。随着人工智能技术在服务业的渗透，“服务工业化”发展模式成为可能。在医疗行业，人工智能能够将最优秀医生的经验进行汇聚，实现自动化诊断与治疗，也可以为新入行的医生提出有价值的诊疗建议，从而帮助这些医生大幅度提高工作效率。人工智能在教育领域，能够为教师在备课、作业批阅等环节提供大量效率工具。而对于服务机器人、自动驾驶等行业而言，能够通过以商品替代服务，以工业化生产的方式治愈服务业领域的“鲍莫尔病”。

人工智能推动服务业强化商业模式创新，提高服务业供需匹配效率。很多服务产品无法被“拥有”，无法被储存、带走或以后使用，因此，存在供需匹配效率不高的情况，在不同时空的服务领域可能出现消费者排队与资源闲置并存的现象，这造成了服务效率的降低。人工智能技术能够优化企业的资源调度、利用与分配，使服务能力的时空分布更符合消费者的需求。对消费者而言，人工智能技术也能够帮助消费者合理安排接受服务的时间与空间，从而提升消费者体验。人工智能技术提供服务质量、交易匹配等方面的优势，从而使点对点交易成为可能，推动“零工”和“共享”等商业模式创新，从而增加服务业资源供给的柔性。

发挥人工智能作用治愈“鲍莫尔病”的政策建议

从总体上看，人工智能在治愈“鲍莫尔病”方面表现出较大优势，在未来也将有巨大的潜力。为了将这些优势进一步发挥出来，需要在政策方面予以支持。

一是积极推动人工智能基础研究。鉴于人工智能在社会经济各个方面的应用潜力和对生产率提升的重要作用，有必要将人工智能技术研发提升到国家战略高度。而人工智能的许多技术具有基础性与通用性，因此，需将其作为基础研究加以高度重视。各国政府也出台了相应的政策，支持人工智能技术的研发。例如，2023年5月23日，美国宣布了一系列围绕美国人工智能使用和发展的新举措，以抓住人工智能带来的新机遇。

人工智能的创新，不仅涉及技术创新，还涉及数据等方面的制度、商业模式、业态等创新，在政策方面必须多方协同，从而推动人工智能基础研究的快速进步。

在数据方面，应以国家统筹的方式，建立优质内容收集整理机制，并将图书、论文等优质内容数字化；推动不同平台、不同App之间进行数据共享，从而为大模型发展提供优质数据。在企业数据方面，需要打通各个平台、企业和部门之间的数据，建立高质量数据共享机制。以ChatGPT为代表的大模型的训练需要大量高质量的数据，很容易出现数据饥饿（Data hunger）。由于模型的参数增加具有规模报酬递减的现象，因此，高质量的数据将是训练大模型的稀缺资源，共享核心数据集的政策将是未来提高研究生产力和以创新为导向的竞争的关键工具。从量上来看，根据《国家数据资源调查报告（2021）》，2021年全年，我国数据产量达到6.6ZB，占全球数据总产量（67ZB）的9.9%，仅次于美国（16ZB），位列全球第二。我国人工智能企业在发展过程中，利用人工标注的方式，储备了丰富的数据。中文互联网内容虽然不少，但存在数据割裂分散、高质量数据不多、对外开放度不够等问题。经济合作与发展组织（OECD）2023年的研究表明，汉语的高质量数据仅占全球的3.2%。③这与我国互联网App化，各个平台、企业乃至应用程序之间形成一个个“数据烟囱”有着直接关系。需要国家层面出台推动数据共享的政策体系，尤其是需要在数据要素价值、隐私保护和数据共享之间，设计一条平衡的政策路径，从而更高效地推动与个人隐私关系不大的高质量文本数据共享。

加大对人工智能研究的资金支持力度。从经济学的角度来看，新一代人工智能技术能够应用到社会经济的各个领域，技术开发者对人工智能创新的跨领域应用，难以获得相应的收益。尤其是当前人工智能技术处于快速发展阶段，而先进入者对后进入者的研究具有跨期溢出效应。因此，在技术研究方面，开发者难以获得技术的横向与纵向溢出效益，私人最优水平的研发投资将小于社会最优水平的研发投入。增加政府投入，能够补足私人投资的不足，从而推动人工智能技术快速进步。我国政府可考虑设立人工智能基础研发基金，鼓励科研机构、高校、企业、社会组织等持续参与到人工智能的研发过程中来。

二是鼓励扩大人工智能应用场景。人工智能具有应用到服务业各个领域的巨大潜力，然而，作为一种新的技术，其应用场景的拓展，需要大量互补性资源的投入与配套政策的支持。

加大人工智能应用的互补性资源投入。人工智能的应用，需要在信息传输、终端设备、计算能力、基础数据等方面投入大量互补性资源。对服务业而言，绝大部分企业都是中小微企业，缺乏应用人工智能技术的互补性资源。在政策上，支持拥有大量信息传输、终端设备、计算能力、基础数据等各类互补性资源的企业将其资源以低价的方式开放给中小微企业；或者以政府采购的方式，将这些资源免费提供给中小微企业，使其以较低的成本和门槛就能够使用人工智能技术，提高其运营效率。

建立人才培训制度。人工智能的使用，需要有一定的知识资源。因此，需要加大人才培训的投入，使企业储备熟练使用人工智能的人才。值得注意的是，人工智能人才的培训，重点应放在应用型人才方面，即能够顺利将人工智能技术应用到业务领域的人才，包括对企业现有员工的人工智能使用技能培训，从而使企业树立应用人工智能的意识。

三是注意防范人工智能在服务业领域带来的潜在风险与问题。人工智能在服务行业的广泛应用，可能带来数据安全、网络安全、内容安全等方面的潜在问题。在鼓励人工智能广泛应用的同时，要密切关注潜在的风险与问题。

（作者为中国社会科学院财经战略研究院研究员、教授、博导，浙江金融职业学院电子商务与新消费研究院研究员）

【注：本文系中国社会科学院创新工程项目“防止资本无序扩张——基于数字平台的理论与实证研究”（项目编号：2022CJYB03）的研究成果】

【注释】

①Baumol, W J (1967), "Macroeconomics of unbalanced growth: The anatomy of the urban crisis", American Economic Review 57: 415-426.

②Park, Michael, Erin Leahey, and Russell J. Funk. "Papers and patents are becoming less disruptive over time." Nature 613.7942 (2023): 138-144.

③OECD (2023), "AI language models: Technological, socio-economic and policy considerations", OECD Digital Economy Papers, No. 352, OECD Publishing, Paris, https://doi.org/10.1787/13d38f92-en.

责编/周小梨美编/杨玲玲