文章内容

促进实体经济与数字经济的深度融合，是推动经济高质量发展的重要路径。这一过程中既蕴含着巨大的潜力，可实现对双方的赋能，同时也伴随着一定的风险与挑战，需要我们加以关注。

首先，数字经济作为一种经济形态，与工业经济相比，增加了数据这一要素。数字经济助力实体经济更全面、更智能地运用数据，为实体经济带来了显著的效率提升和创新空间，是对实体经济的赋能。通过大数据和人工智能等技术，实体经济中的生产、流通和服务环节得以优化。例如在自然灾害风险评估领域，引入气象、遥感等方面的数据，应用机器学习等分析技术，可以实现更精准的风险预判，进而使得巨灾保险、天气指数保险等相关产品具有一定的可推广性。

同时，实体经济也促进了数字经济技术的持续演进，为其技术应用提供了更多场景。数字经济的技术价值只有在具体应用场景中才能充分释放，而实体经济的复杂性为数字技术提供了多样化的试验场。例如，复杂的供应链管理需求推动了区块链技术的发展，多元信息融合的需求推动了隐私计算的发展。可以说，实体经济的需求不仅驱动了数字经济的技术创新，也为数字经济的发展提供了坚实的市场基础。

其次，在促进实体经济与数字经济深度融合的过程中，也需要关注潜在风险。如信息茧房、算法歧视等问题目前已对社会公众造成一定困扰。算法本身没有问题，但不合理地运用算法就可能导致一定风险。2024 年，中央网络安全和信息化委员会办公室秘书局、工业和信息化部办公厅、公安部办公厅、国家市场监督管理总局办公厅四部门联合开展了“清朗·网络平台算法典型问题治理”专项行动，提出重点整治同质化推送营造“信息茧房”、违规操纵干预榜单炒作热点、盲目追求利益侵害新就业形态劳动者权益、利用算法实施大数据“杀熟”、算法向上向善服务缺失侵害用户合法权益等重点问题。此次行动的目标是净化网络环境，保护用户权益，促进算法技术的健康发展。

又如，随着大语言模型在应用过程中的突飞猛进，信息偏误问题已引起了广泛关注。在 2024 年世界经济论坛发布的《全球风险报告》中，信息偏误位列短期风险的第一位。由于人工智能模型的“幻觉”“漂移”等问题，可能使其得出的结论是片面或者是错误的。人工智能与实体经济融合，是否可能出现在以往传统模式下不会出现的错误，而又难以被发现？这也是需要进一步关注和研究的问题。

总之，实体经济与数字经济的深度融合有利于发挥各自优势形成合力，同时也需要关注新技术带来的风险。

（作者为北京大学经济学院风险管理与保险学系副主任、教授）