文 | 江小涓 中国社会科学院大学教授、国务院原副秘书长

长期以来，政府、市场和社会边界的划分，在公共治理、在经济学上都是一个大问题。我们为什么需要市场？经济学认为政府配置资源存在“缺乏信息和激励”这两个方面，所以政府配置资源和提供服务的成本很高。每一个市场主体、每一笔交易都有独特、具体的信息，政府不可能完全掌握，所以由政府来配置资源肯定存在信息扭曲导致的低效率。另一方面，激励机制也不够，市场主体自己赚的钱是自己的，政府是在替“全体公民”做事，激励机制不够也导致低效率。因此，经济学长期讲政府只针对市场失灵的问题进行干预。

从公共管理的角度看，无论哪个时期哪个学派，处理平衡好效率与公平的问题都是核心问题。中国的公共服务理念比较有特点，“既要又要还要”的理念强大，实践中需要平衡的方面很多，处理政府和市场关系也是重点难点。

数字时代发生了什么？在降低信息成本和增强激励机制两方面发生了重要的变化。技术赋能政府更多更精准调控经济的能力和提供多元化公共服务。因此，国内公共管理学界有一种共识度较高的倾向，赞同和主张政府提供更多公共服务。政府在AI（人工智能）相关领域配置资源的能力增强，经济学者认为政府要用更多投入支持AI产业发展的倾向也在加强。那么，对此应当怎么看？我想和读者交流探讨三个方面的内容。

数智技术赋能使政府公共服务和调控经济能力显著提升

去年，我到北京市12345“接诉即办”中心调研，从电子大屏上看到，当日市民需要解决的问题大概有8万件，类型复杂，比如市场管理，最主要的就是电商纠纷。排在前八的问题还有妇女权益、换届选举等。面对这些海量的服务需求，我们的政府部门可以做到99%的回复、96%的解决、97%的满意度。

首先是智能接诉和派单能力。这背后是数字能力和AI赋能。工作现场每位工作人员面前有两个屏，语音实时就转成文字，需要填的服务诉求同步就填完了。在撰写和提取核心词的同时，系统还对市民的诉求进行语义分析，自动归类至2000多个标准化的问题目录中，并结合诉求内容、地理位置、历史数据等，智能匹配对应的承办单位。例如，涉及“电动自行车充电设施”的诉求，会被精准识别并派发至城管或街道部门。

其次是知识库和智能辅助决策。比如养老保险的问题，办事指南知识库为接线员实时显示出来关于养老保险问题的政策点提供参考。人工智能在这方面的应用从整体上极大地降低了政府处理这些信息的成本。

再次是激励机制。打到12345的诉求电话相当复杂，许多问题需要线下处理，政府系统要怎么去及时回应呢？怎么日复一日保持热情和耐心、件件认真办理呢？要有一个很好的回馈系统提供激励机制。比如，在现在的网络投诉过程中，有一个“好/差评”系统。网络上投诉的公民，最后点一个“好/差评”，这个对政府监督的作用很突出。对于日常非常细碎的问题，过去投诉、信访、到城管去告状等方式成本太高，现在“好/差评”的激励机制很有效。线上的处理系统和线下的办事系统形成了一个闭环，可以说政府办事的信息问题和激励问题，在数字化时代有很大改善。

政府调节经济以前都是依靠汇总来的数据，没有细节，现在细节直接到点位，颗粒度很细。比如“投资恢复”，以往靠下边往上报，有信息传递中的失真问题。现在直接用很多数据来验证，比如有一个“挖掘机指数”，平台把85%的在用挖掘机线上显示，每一台机器是不是开工，都能够知道。掌握这些数据，政府原先不知道市场具体信息的情况就会有很大改变。

政府对新的资源配置能力也在提升

数智化时代，有许多新行业出现，也就是新的资源配置机会。这个领域政府配置资源的分量较重。因为落地场景由政府控制。网络化、数字化、智能化都不是点位上的技术，要广泛渗透应用才可以。在中国，这些场景中公共部门比重很高，或者需要政府许可。比亚迪总裁王传福讲过，电动车行业发展早期，技术产品和服务都有了，但是没有落地场景。电动车行业起步主要在公交系统，需要由地方政府先给落地场景。所以场景在一个产业发展的初期阶段特别重要，其他许多行业也都有这个发展历程。不过，对数智化产业来说，在初级阶段过去之后，给场景依然是政府最重要的调控手段。

举个在全域数字化智能化转型中的“给场景”例子。政府侧，比如智慧城市、智慧应急、智慧住建、智慧民生，政府可以给的都是海量用户和巨大收益的场景。产业侧，比如低空经济，空域是政府在管，政府把这个机会给谁，那就是谁的市场。

所以，在人工智能、数据要素领域，政府的调控很关键。没有政府给场景去落地，就没有学习、迭代的机会。

是划分政府与市场边界还是实现治理合作

既然政府信息能力和激励机制都在提升，为什么还不能判断数智化时代应该由政府更多配置资源呢？

一定要认识到，AI赋能政府的同时也赋能了社会和个人。无论政府效率如何提升，政府提供公共服务都是靠财政支出。从这个意义上讲，判断由政府还是由市场更多做事，仍然是个需要讨论的问题，划分好政府、市场边界依然十分关键。比如一些应该由公民个人解决的问题，如宠物走失、电器维修、房屋修缮等，有的人就打电话给政府，要政府帮他解决。事实上，现实中线下线上有各种各样的服务公司，完全可以解决这些问题。

AI时代，不光是政府能力在提升，市场化、社会化解决问题的能力也在提升，有时候市场做得更好更有效。此时虽然政府能做，但是否要收更多的税、花费更多的财政资金去提供这类服务，并不是一个已有确定答案的问题。例如，为公民创造好的阅读环境是一项基本公共服务，有很多地方为此改造公共图书馆，提供更多的线上阅读条件，建许多可以刷身份证借阅图书的街边借阅厅，效果如何可以清楚地观察到。我们看市场的做法，有许多大型读书平台，书刊丰富程度、更新速度令人难以想象，既可以付费也可以免费阅读，只是内容丰富和更新速度的差异，线上读者年均读书十本以上。所以很多情况下，市场可能做得比政府更好。

政府配置资源有个固有问题，因为给场景是政府的能力，给谁不给谁，就有干扰市场公平竞争的可能，这和我们政府管别的事情的时候是一样的。更严重的问题是审批黑箱的问题，官员通过掌控数据采集、存储和交易审批权，形成“数据权力化”链条；再如技术门槛掩护权力不当使用问题，大数据和AI项目的技术复杂性有可能成为“权数交易”天然掩护，官员通过设置特定的专利或技术能力条款，为关联企业量身定制招标条件，这些都是需要认真思考的问题。

至于公共服务和治理问题，由于信息透明、效果可感知，有很多问题不一定非要用“政府还是市场”这种两分法来解决，可以用多方合作治理来解决问题。美国教授埃莉诺·奥斯特罗姆是一位公共管理领域的经济学诺奖获得者，她有个理论被归纳为多中心治理理论，她构建的“公共池塘资源模型”，用社区多次合作方式治理水资源恶化、环境保护、气候变化、森林资源衰退等公共问题都很有效率。

现在发生的变化更有利于多种形态的合作治理。技术助力信息通达、规则透明、行为可知和观点表达的实时便利程度，能够对合作各方形成有效的监督，比政府更快、更聚焦，能够避免少数人破坏规则或者以技术力量实施不当的行为。合作治理模式允许存在非常多元的规则，比如开源社区、技术社群、平台规则，这都是局部治理的秩序。这与“要么放给市场、要么放给政府”的理念相比，有了很大的变化。团体性、社群性、协商性、回应性的局部合作治理应该是特别重要的协商治理方式。数字化时代的经济和社会治理很可能是少数公权力形成的普遍性硬规则和特别多种形态合作治理形成的局部性软规则共存并且相互支撑的治理体系。

我举一个例子。任何平台一定要保证消费者隐私，这是法律的要求。但我们看到国外有一类平台大类叫病友网，患者愿意把他大量的个人信息特别是疾病信息放上去。为什么呢？理由是命比数重要，病人把自己的数据贡献出来，要医药研发机构尽快研发出来治这个病的办法。因此医药公司、药品研发者、医疗机构、消费者都在一个平台上。这就是利益相关者共同做的一个治理空间。全球有许多这样的共识者数据空间，有规则有协议，愿意者进来，不愿者出去，这种方式我觉得在数字时代可能会变得日渐普遍。

总之，数字技术赋能各方，政府可以做得更多更好，其他各方亦然，要全面观察分析，不能预设立场偏执一端。数智技术为局部合作、配置资源和治理合作提供更多新机遇，资源配置方式和社会治理要突破“市场还是政府”这个传统二分法，面向丰富实践认真思考讨论。