文 | 江小涓 中國社會科學院大學教授、國務院原副秘書長

長期以來，政府、市場和社會邊界的劃分，在公共治理、在經濟學上都是一個大問題。我們為什麼需要市場？經濟學認為政府配置資源存在“缺乏資訊和激勵”這兩個方面，所以政府配置資源和提供服務的成本很高。每一個市場主體、每一筆交易都有獨特、具體的資訊，政府不可能完全掌握，所以由政府來配置資源肯定存在資訊扭曲導致的低效率。另一方面，激勵機制也不夠，市場主體自己賺的錢是自己的，政府是在替“全體公民”做事，激勵機制不夠也導致低效率。因此，經濟學長期講政府只針對市場失靈的問題進行干預。

從公共管理的角度看，無論哪個時期哪個學派，處理平衡好效率與公平的問題都是核心問題。中國的公共服務理念比較有特點，“既要又要還要”的理念強大，實踐中需要平衡的方面很多，處理政府和市場關係也是重點難點。

數字時代發生了什麼？在降低資訊成本和增強激勵機制兩方面發生了重要的變化。技術賦能政府更多更精準調控經濟的能力和提供多元化公共服務。因此，國內公共管理學界有一種共識度較高的傾向，贊同和主張政府提供更多公共服務。政府在AI（人工智慧）相關領域配置資源的能力增強，經濟學者認為政府要用更多投入支援AI産業發展的傾向也在加強。那麼，對此應當怎麼看？我想和讀者交流探討三個方面的內容。

數智技術賦能使政府公共服務和調控經濟能力顯著提升

去年，我到北京市12345“接訴即辦”中心調研，從電子大屏上看到，當日市民需要解決的問題大概有8萬件，類型複雜，比如市場管理，最主要的就是電商糾紛。排在前八的問題還有婦女權益、換屆選舉等。面對這些海量的服務需求，我們的政府部門可以做到99%的回復、96%的解決、97%的滿意度。

首先是智慧接訴和派單能力。這背後是數字能力和AI賦能。工作現場每位工作人員面前有兩個屏，語音實時就轉成文字，需要填的服務訴求同步就填完了。在撰寫和提取核心詞的同時，系統還對市民的訴求進行語義分析，自動歸類至2000多個標準化的問題目錄中，並結合訴求內容、地理位置、歷史數據等，智慧匹配對應的承辦單位。例如，涉及“電動自行車充電設施”的訴求，會被精準識別並派發至城管或街道部門。

其次是知識庫和智慧輔助決策。比如養老保險的問題，辦事指南知識庫為接線員實時顯示出來關於養老保險問題的政策點提供參考。人工智慧在這方面的應用從整體上極大地降低了政府處理這些資訊的成本。

再次是激勵機制。打到12345的訴求電話相當複雜，許多問題需要線下處理，政府系統要怎麼去及時回應呢？怎麼日復一日保持熱情和耐心、件件認真辦理呢？要有一個很好的回饋系統提供激勵機制。比如，在現在的網路投訴過程中，有一個“好/差評”系統。網路上投訴的公民，最後點一個“好/差評”，這個對政府監督的作用很突出。對於日常非常細碎的問題，過去投訴、信訪、到城管去告狀等方式成本太高，現在“好/差評”的激勵機制很有效。線上的處理系統和線下的辦事系統形成了一個閉環，可以説政府辦事的資訊問題和激勵問題，在數字化時代有很大改善。

政府調節經濟以前都是依靠匯總來的數據，沒有細節，現在細節直接到點位，顆粒度很細。比如“投資恢復”，以往靠下邊往上報，有資訊傳遞中的失真問題。現在直接用很多數據來驗證，比如有一個“挖掘機指數”，平臺把85%的在用挖掘機線上顯示，每一台機器是不是開工，都能夠知道。掌握這些數據，政府原先不知道市場具體資訊的情況就會有很大改變。

政府對新的資源配置能力也在提升

數智化時代，有許多新行業出現，也就是新的資源配置機會。這個領域政府配置資源的分量較重。因為落地場景由政府控制。網路化、數字化、智慧化都不是點位上的技術，要廣泛滲透應用才可以。在中國，這些場景中公共部門比重很高，或者需要政府許可。比亞迪總裁王傳福講過，電動車行業發展早期，技術産品和服務都有了，但是沒有落地場景。電動車行業起步主要在公交系統，需要由地方政府先給落地場景。所以場景在一個産業發展的初期階段特別重要，其他許多行業也都有這個發展歷程。不過，對數智化産業來説，在初級階段過去之後，給場景依然是政府最重要的調控手段。

舉個在全域數字化智慧化轉型中的“給場景”例子。政府側，比如智慧城市、智慧應急、智慧住建、智慧民生，政府可以給的都是海量用戶和巨大收益的場景。産業側，比如低空經濟，空域是政府在管，政府把這個機會給誰，那就是誰的市場。

所以，在人工智慧、數據要素領域，政府的調控很關鍵。沒有政府給場景去落地，就沒有學習、迭代的機會。

是劃分政府與市場邊界還是實現治理合作

既然政府資訊能力和激勵機制都在提升，為什麼還不能判斷數智化時代應該由政府更多配置資源呢？

一定要認識到，AI賦能政府的同時也賦能了社會和個人。無論政府效率如何提升，政府提供公共服務都是靠財政支出。從這個意義上講，判斷由政府還是由市場更多做事，仍然是個需要討論的問題，劃分好政府、市場邊界依然十分關鍵。比如一些應該由公民個人解決的問題，如寵物走失、電器維修、房屋修繕等，有的人就打電話給政府，要政府幫他解決。事實上，現實中線下線上有各種各樣的服務公司，完全可以解決這些問題。

AI時代，不光是政府能力在提升，市場化、社會化解決問題的能力也在提升，有時候市場做得更好更有效。此時雖然政府能做，但是否要收更多的稅、花費更多的財政資金去提供這類服務，並不是一個已有確定答案的問題。例如，為公民創造好的閱讀環境是一項基本公共服務，有很多地方為此改造公共圖書館，提供更多的線上閱讀條件，建許多可以刷身份證借閱圖書的街邊借閱廳，效果如何可以清楚地觀察到。我們看市場的做法，有許多大型讀書平臺，書刊豐富程度、更新速度令人難以想像，既可以付費也可以免費閱讀，只是內容豐富和更新速度的差異，線上讀者年均讀書十本以上。所以很多情況下，市場可能做得比政府更好。

政府配置資源有個固有問題，因為給場景是政府的能力，給誰不給誰，就有干擾市場公平競爭的可能，這和我們政府管別的事情的時候是一樣的。更嚴重的問題是審批黑箱的問題，官員通過掌控數據採集、存儲和交易審批權，形成“數據權力化”鏈條；再如技術門檻掩護權力不當使用問題，大數據和AI項目的技術複雜性有可能成為“權數交易”天然掩護，官員通過設置特定的專利或技術能力條款，為關聯企業量身定制招標條件，這些都是需要認真思考的問題。

至於公共服務和治理問題，由於資訊透明、效果可感知，有很多問題不一定非要用“政府還是市場”這種兩分法來解決，可以用多方合作治理來解決問題。美國教授埃莉諾·奧斯特羅姆是一位公共管理領域的經濟學諾獎獲得者，她有個理論被歸納為多中心治理理論，她構建的“公共池塘資源模型”，用社區多次合作方式治理水資源惡化、環境保護、氣候變化、森林資源衰退等公共問題都很有效率。

現在發生的變化更有利於多種形態的合作治理。技術助力資訊通達、規則透明、行為可知和觀點表達的實時便利程度，能夠對合作各方形成有效的監督，比政府更快、更聚焦，能夠避免少數人破壞規則或者以技術力量實施不當的行為。合作治理模式允許存在非常多元的規則，比如開源社區、技術社群、平臺規則，這都是局部治理的秩序。這與“要麼放給市場、要麼放給政府”的理念相比，有了很大的變化。團體性、社群性、協商性、回應性的局部合作治理應該是特別重要的協商治理方式。數字化時代的經濟和社會治理很可能是少數公權力形成的普遍性硬規則和特別多種形態合作治理形成的局部性軟規則共存並且相互支撐的治理體系。

我舉一個例子。任何平臺一定要保證消費者隱私，這是法律的要求。但我們看到國外有一類平臺大類叫病友網，患者願意把他大量的個人資訊特別是疾病資訊放上去。為什麼呢？理由是命比數重要，病人把自己的數據貢獻出來，要醫藥研發機構儘快研發出來治這個病的辦法。因此醫藥公司、藥品研發者、醫療機構、消費者都在一個平臺上。這就是利益相關者共同做的一個治理空間。全球有許多這樣的共識者數據空間，有規則有協議，願意者進來，不願者出去，這種方式我覺得在數字時代可能會變得日漸普遍。

總之，數字技術賦能各方，政府可以做得更多更好，其他各方亦然，要全面觀察分析，不能預設立場偏執一端。數智技術為局部合作、配置資源和治理合作提供更多新機遇，資源配置方式和社會治理要突破“市場還是政府”這個傳統二分法，面向豐富實踐認真思考討論。