早在30多年前，就有學者關注人工智能對經濟學產生的影響，并結合經濟學的基本命題進行了一些研究，這可以看成人工智能經濟學（Economics of Artificial Intelligence）的探索。

1986年9月2-4日，“經濟學和人工智能大會”（Economics and Artificial Intelligence Conference）在法國Aix-en-Provence舉辦。會議議題涉及到了人工智能經濟學的一些根本問題，例如勞動力分工、決策等問題。

隨著新一代人工智能的應用，經濟學界掀起了一股研究人工智能在經濟研究中應用的熱潮。

美國國家經濟研究局（NBER，National Bureau of Economic Research）最近幾年時間，持續(xù)舉辦人工智能經濟學的論壇（Economics of Artificial Intelligence），為此還專門設計了一個官方網站。

微軟公司的Michael Schwarz針對人工智能經濟學提出了一些開放性的問題（Open Questions），并指出了研究方向（Research Directions），他提出了一個根本性的問題，那就是人工智能和數(shù)據的邊際價值（Marginal Value of Data）。

工業(yè)4.0研究院在構建第四次工業(yè)革命（The Fourth Industrial Revolution）體系過程中，希望解決新領域的一些問題，這包括“人工智能經濟學”。

首先，任何稱得上經濟學的學科，通常都要回答對生產力（Productivity）的影響。彼特 F. 德魯克（Peter F. Drucker）在1994年11月出版的《社會轉型時代》（The Age of Social Transformation）中提出了二十一世紀的主要資源是知識，而不是勞動力、原材料或資本。

從新一代人工智能主要以大數(shù)據為原材料就比較清楚，數(shù)據是主要的資源。

但是，Michael Schwarz也提出了數(shù)據是不是戰(zhàn)略資產（Strategic Asset）的疑問。如果數(shù)據是戰(zhàn)略資產，自然會產生某種壟斷性的商業(yè)模式。數(shù)據是像石油還是像水？如果是前者，那就非常值錢，但如果是后者，雖然有價值，但難以形成商業(yè)模式賣錢。

其次，在云服務日益變成數(shù)字商業(yè)基礎設施的時代，人工智能也成為了云服務上的標準配置。

大家通過開源代碼或者應用編程接口（API，Application Programming Interface）獲得服務。一些企業(yè)提供人工智能框架的開源程序，幫助開發(fā)人員熟悉相關算法，從而發(fā)過來降低這些開發(fā)人員使用云服務平臺的成本。而對于API，這是目前最主要的使用方式。

從經濟學家的視角來看，API的模式還是開源的模式更容易被商品化，從而使得其價值難以持續(xù)？這個問題的答案估計各不相同，自然導致企業(yè)戰(zhàn)略模式不同。

最后，從實用的角度看，經濟學家也需要回答一個問題，人工智能所依賴的數(shù)據，能不能帶來先發(fā)優(yōu)勢（First Mover Advantage）？

國內不少創(chuàng)業(yè)團隊都把先發(fā)優(yōu)勢作為商業(yè)模式的核心，其邏輯大都是隨著投資在技術上的研發(fā)，將隨著時間流逝而增加價值，因為數(shù)據越多越有機會形成競爭優(yōu)勢。

不過，這是不是真的可以避免商品化的影響？如果技術成本足夠低，長期來講，只要任何團隊愿意付出努力，都可以積累足夠多的數(shù)據，除非有其他因素影響，否則，簡單理解先發(fā)優(yōu)勢是無益的。