推文人 | 刘韵扬

原文信息：Beraja, M., Yang, D. Y., & Yuchtman, N. (2020). Data-intensive Innovation and the State: Evidence from AI Firms in China (No. w27723). National Bureau of Economic Research.

 

01 研究背景

 

人工智能与机器学习技术（AI）的研发属于数据密集型（data-intensive），例如翻译、语音和人脸识别以及国际象棋大赛等。数据与其他投入要素相比存在两点区别：一方面，迄今为止，各国政府一直是数据的主要收集者；另一方面，数据可以在企业内部的多种用途之间共享。企业能够用获得的政府数据开发政府和商业产品。因此，政府数据不仅能影响政府产品创新，也能影响定位更大商业市场的产品创新。该文认为，数据的这两个特征使得政府在塑造数据密集经济的创新和增长等方面扮演重要角色。

 

为检验这两个数据特征的实证相关性，该文选择我国的人脸识别AI行业开展研究。人脸识别AI行业特别适合研究政府数据能否导致数据密集行业企业的政府和商业产品增加。企业需要大量数据开发人脸识别软件，尤其是能够匹配人脸与个人身份识别。政府既集中了大量的个人识别数据，也对用于监控的人脸识别软件有需求。获得政府合同的企业能够使用这些非公开政府数据，开发合同规定生产的软件。政府产品所需的技术也用于开发商业人脸识别AI应用。因此，政府数据能够在多种用途上共享，从而可能存在范围经济。

 

02 研究方法

 

（1）数据来源

 

该文实证分析收集数据面临三个挑战：第一，匹配AI企业和政府合同；第二，汇编AI企业软件生产信息，区分政府和商业用途；第三，测量企业能够获取的政府数据数量。该文通过整合AI企业信息、AI企业软件发布信息以及地方政府采购AI软件和监控摄像头信息，购建了一个新数据库。

 

（2）实证模型

 

该文使用三重差分方法（triple differences）识别政府数据使用权对AI企业后续产品研发和创新的影响。具体地，本文比较了企业在获得政府合同前后的软件发布数量，并控制了企业和时间固定效应。同时，为了准确识别政府数据的效应，也利用了政府合同间的差异。实证模型如下：

 

 

（3）理论模型

 

该文建立了一个偏向性技术进步模型，分析结果表明政府数据供给可以提高经济增长率，并影响私人部门的创新方向。但是，只有范围经济足够大以及国家和公民的偏好足够一致时，政府数据供给政策才能增加福利。

 

03 实证结果

 

下图为该文的基准回归结果：

 

 

如Panel A所示，相比收到非公共安全合同的企业，收到公共安全合同的企业不仅会生产更多的政府软件产品，而且也会生产更多的商业软件产品。

 

如Panel B所示，相比第一份公共安全合同为数据稀缺的企业，第一份公共安全合同为数据密集的企业均会生产更多的政府和商业软件产品，三年平均多生产2.9政府产品、1.9个商业产品。

 

04 结论

 

该文认为，随着数据密集技术的普及，各国政府通过数据收集、分配和管理，可能对推动未来几十年技术创新至关重要。由于数据区别于其他要素的两个特点，各国政府能够在数据密集经济中发挥重要作用，即政府数据可以产生范围经济。实证分析结果表明政府数据确实能够导致范围经济。理论模型结果表明，政府数据供给能够影响私人部门的技术创新，但只有范围经济足够大，并且政府和公民偏好相同时，这一政策才能提高福利。

 

Abstract

 

Data-intensive technologies, like AI, are increasingly widespread. We argue that the direction of innovation and growth in data-intensive economies may be crucially shaped by the state because: (i) the state is a key collector of data and (ii) data is sharable across uses within firms, potentially generating economies of scope. We study a prototypical setting: facial recognition AI in China. Collecting comprehensive data on firms and government procurement contracts, we find evidence of economies of scope arising from government data: firms awarded contracts providing access to more government data produce both more government and commercial software. We then build a directed technical change model to study the implications of government data access for the direction of innovation, growth, and welfare. We conclude with three applications showing how data-intensive innovation may be shaped by the state: both directly, by setting industrial policy; and indirectly, by choosing surveillance levels and privacy regulations.