萨金特：为什么马云的“大数据助计划经济论”似是而非

【财新网】（记者 王力为）“马云的说法原则上可能是对的，但是现实离这一目标还有十万八千里。”2011年诺贝尔经济学奖得主托马斯·萨金特（Thomas Sargent）针对马云的“大数据助计划经济论”在近日接受财新记者专访时这样表示。

10月9日，国庆假期后的第一天，2017年诺贝尔经济学奖即将公布。在专访中，萨金特就大数据、产业政策、诺奖、经济学意义等一系列热点问题给出了他的经济学家视角。

马云的话之所以是一句“聪明的评论”，是因为经济学史上一直存在关于计划经济和市场经济哪个更好的辩论。萨金特指出，亚当·斯密只是声称后者更好，从未给出证明。上世纪30年代一位经济学家给出分析证明，表明市场经济好，但是同时发现“仁慈的规划者”也能做得一样好。

“一些人把这个平手当做自由市场更好的论据。”他接着说，“哈耶克痛恨计划经济，说上述结论是基于拥有所有我们事实上并不拥有的信息的假设”；核心差异在于，中央规划者没有足够的信息，而竞争性市场是一个可以让人们分散化地去找到所有所需信息的机制。“但哈耶克也只是这么理论，没有给出证明。”

过去30年，仍不断有学者重新审视这个问题，包括把新的信息理论加进去，但仍无法证明哪种机制更好。萨金特说。

确实如马云所说，如果能获得足够多可靠的数据，并以合适的方式使用它们，计划经济存在潜力。但萨金特话锋一转说道，“但是即便是用上性能最强大的计算机，也仍然就像经济学家尝试写出的两种货物、四人分配的稍显愚蠢的假想型模型一样，离以合适的方式利用数据、解决现实中的问题仍差十万八千里。”

然后还要考虑政府的代理人问题，谁控制着政府？萨金特直言，这中间存在巨大的激励机制问题——哪怕总体是一个良治（benign）的政府。

市场经济的核心理念在于，每个人都更好地知道自己想要什么，因此最好的办法是让他们自己去决策。萨金特进一步思索道，马云无疑也是聪明人，“聪明人”说国家可以控制、主导经济，很可能并不是希望政府来安排、告诉每个人应该做什么；而是想说，政府可以提供给每个人一系列选项，从而让每个人都能选择那些不但对自己好，也对整个社会好的选项。

“但这些选择是什么，无疑又是极度复杂的。”他感叹道。

近来在国内经济学界引起较大争议的另一个问题是政府在产业政策等问题中所能扮演的角色。

萨金特就此回应称，我不是一个教条主义者（ideology，指咬紧一个立场不放的人）。“我认为确实有一些领域市场需要政府的帮助。如果有人说政府没法组织任何事务、取得好的结果，那会是一个愚蠢的说法。”

“看看美国在二战期间与德国人和日本人“生死赛跑”的曼哈顿计划，以及类似中国高铁等事物。”他说，“我这次从深圳到北京只是做的二等舱，你知道在美国，这样舒适程度的火车根本不见踪影。”

今年6月，以他的名字命名的萨金特数量经济与金融研究所在位于深圳的北大汇丰商学院成立。研究所的学术方向包括，研究人工智能、大数据在对经济、金融的分析预测中所起的作用。

萨金特就此坦言，“大数据一定程度上是个营销手段”，因其很大程度上是对人们认为已比较无聊的一个概念——统计学——的新说法。

“但是一些人认为营销是个不好的词，我不认为如此。一部分为此做营销的是各大学校的统计系，他们需要更多资源，我事实上认为这是好事。”因为经济学科的一大瓶颈是，如何获取及时、准确的关于人们有什么、想要什么的信息。

在他看来，中国确实在科技的一些应用领域走在美国之前。“我用一部华为手机，也用微信，并用它进行支付。在像深圳这样的城市里，到处都可以使用微信支付，现在连我的一些美国朋友也开始使用，或过来考察。”

关于诺贝尔奖，尽管流传着萨金特接到评委会打来的电话后只说了句：“我还没有备好课”，便匆匆登上开往普林斯顿的列车去上课的轶事，但是萨金特还是对财新记者坦言，这还是“很大的惊喜”。

在诺奖的大多数领域，尤其是经济学领域，不少人是凭借他们50年前的研究成果获得诺奖。他说，“因此，自从中国改革开放以来，我在斯坦福和纽约大学带的中国学生，很多非常聪明，又有很好的数学等方面训练，工作态度也极为努力，也有创造力，所以50年后，中国会在诺奖的每一个领域都获得非常丰厚的回报。”

“所以我们需要的就是时间？”他对财新记者的这一疑问回答道， “是的，时间和开放。”这也是为什么邓小平是有远见的人，而特朗普对经济和历史则显得无知。

他直言，历史的教训是，一个国家只要关上国际竞争的大门，将自己的产业保护起来，就像阿根廷当年做的那样，100年后就会像今天的阿根廷一样。

经济学虽然还未发展成熟到，能对大数据时代计划经济是否能表现得和市场经济一样好等问题给出明证，但是对于早年的阿根廷或现在的特朗普主义，还是自由贸易有着更光明未来，经济学还是可以给出清晰解释的。■

更多问答请见“【财新时间】萨金特：中国大数据应用处于领先地位”；财新视频主持人袁小珊对本文亦有贡献