作者简介：寇宗来，复旦大学中国社会主义市场经济研究中心、创新与数字经济研究院教授；周子尧，复旦大学中国社会主义市场经济研究中心博士研究生；汤凯为，澳门科技大学商学院硕士研究生。
引用格式：寇宗来,周子尧,汤凯为.数字时代的创新模式变革与内生商业周期形成[J].经济纵横,2026(2):84-93.
摘要：文章从创新模式的角度构建理解数字时代经济运行机制的分析框架。首先，梳理了创新要素、创新主体与创新模式的深刻变迁，以闭源与开源两种创新模式为切入点，探讨开源模式在技术竞争中的博弈逻辑。其次，分析技术与资本的互动如何共同推动内生商业周期的形成，揭示技术创新、资本策略与经济增长、经济波动之间的动态关系。最后，论述数字时代商业周期的新特征，指出在信息爆炸与技术变革不断加速的背景下，宏观调控与经济治理的基本逻辑亟须重塑。文章提出的分析框架为理解数字时代经济波动与创新机制提供了新的视角。
关键词：数字时代；开源；创新；内生商业周期；数字治理
一、引言
进入21世纪以来，随着技术变革持续加速，数字经济逐渐成为推动全球经济增长的关键力量。从人工智能到平台经济，新技术不仅深刻改变了创新的实现方式，也重塑了经济体系的运行逻辑。2021年5月28日，习近平总书记在中国科学院第二十次院士大会、中国工程院第十五次院士大会、中国科协第十次全国代表大会上指出：“新一轮科技革命和产业变革突飞猛进，科学研究范式正在发生深刻变革，学科交叉融合不断发展，科学技术和经济社会发展加速渗透融合。”这一判断揭示了数字时代创新活动的系统性特征，即技术变革不仅影响科研方法，也深刻作用于商业模式、增长路径乃至国际格局的演变。
过去二十年，中美日益成为全球创新格局的主导力量。一方面，美国持续引领数字技术发展，从苹果、特斯拉到OpenAI，不断推动新产业形态的形成，占据全球科技产业的战略高地；另一方面，中国依托国家支持、自主创新和开源生态建设，逐步缩小差距，在部分领域已具备与美国企业抗衡的技术能力。以人工智能为例，2022年OpenAI发布ChatGPT掀起生成式AI热潮，而2025年中国深度求索（DeepSeek）公司推出新一代大语言模型DeepSeek-R1，标志着中国科技企业在人工智能前沿领域取得又一实质性突破。中美创新竞争不仅是技术较量，更是资本市场与国家政策的综合博弈，两国均将数字创新视为政治、科技和资本领域的战略重点，投入大量资源展开激烈竞争。
基于中美科技竞争的现实观察，本文从创新模式的角度重新理解数字时代的经济运行逻辑。从创新要素、创新主体和创新模式三个维度系统梳理数字时代创新范式的转变，以闭源与开源模式为切入点，分析开源模式如何塑造新的竞争优势；通过分析技术与资本的互动，探讨产品市场和资本市场双重驱动下内生商业周期的形成机制；进而讨论数字时代内生商业周期的基本特征，并对宏观治理难题提出若干思考。
二、数字时代创新范式的转变
近年来，随着互联网、大数据、人工智能等技术的全面兴起，数字经济迅速发展，社会加速迈入数字化时代。数据作为新型生产要素，在深刻改变生产方式、生活方式和社会治理结构的同时，也重构了创新链条中的关键要素、核心主体与行为逻辑。正如图灵奖得主、关系型数据库奠基人格雷（Gray）所言，“数据密集型”的创新范式已成为当前科学研究的主要方向。数字时代的创新范式转变可以从三个方面来理解，分别是要素、主体和模式。
（一）以数据为核心的创新要素
1948年，香农（Shannon）指出冗余信息的重复传输有助于降低错误概率，进而将信息定义为对不确定性的消除。这一理论可视为人们早期对大数据潜在价值的认知。从知识管理的角度看，企业创新实质上是一个知识创造过程，信息流动能够促进显性知识与隐性知识之间的转化与重组，从而催生新知识。在数字技术广泛渗透的背景下，数据逐渐成为信息的主要载体，其在创新过程中的基础性作用也日益明确。与土地、劳动力和资本等传统生产要素相比，数据具有独特的经济属性。首先，数据具有“非竞争性”，即同一份数据可被多个主体同时使用而不会损耗，这为知识的共享与创新成果涌现提供了可能。其次，数据的复制成本极低，使其能够以近乎为零的边际成本进行大规模传播与复用，极大地加速了创新元素的扩散与组合。更为关键的是，数据展现出“规模报酬递增”的特性，数据的汇聚与交叉验证往往能产生“1+1>2”的效果，不同维度数据的融合能够揭示出单一数据集无法体现的深层规律与商业机会，从而激发更高阶的创新。这构成了数字经济中“赢者通吃”的底层逻辑。
在数字时代，数据掌控能力很大程度上决定了企业是否具备创新的先发优势。大量行业实践表明，企业的创新离不开强大的数据获取与处理能力。例如，OpenAI依赖大规模算力与语料资源，在人工智能领域取得显著突破；阿里巴巴借助“双十一”等大规模高频交易数据，在云计算、物流与金融科技等领域实现快速迭代；字节跳动通过算法驱动的内容分发系统，持续收集用户行为数据，优化产品服务；特斯拉则汇聚全球车辆的运行数据，不断推进自动驾驶系统的演进。然而，仅具备数据获取能力尚不足以实现突破性创新，企业成功的关键在于能否洞察并释放数据的内在价值。在数字时代，即便数据成为重要生产要素，但知识、智力、创意与资本等传统创新要素依然不可替代。大数据通常被理解为庞大的数据集合，但多数有价值的创新并非源于数据本身，而是蕴藏于数据关系之中。“算法”的本质即为关系的发现与模式的识别，深度学习则通过层层抽象捕捉变量间的复杂依赖结构。洞察数据关系并处理数据的能力越强，创新能力也越强。这也解释了为何政府尽管掌握庞大数据资源，仍需依赖具备前沿视野与技术能力的企业参与数据价值实现。
（二）以平台企业为主的创新主体
工业时代的创新主体多为边界封闭型的企业或研究机构，其创新活动通常依托内部研发系统展开。20世纪中期以来，随着信息技术的发展，企业间形成了以产品链为基础的利益共同体，创新组织开始呈现闭环合作模式。进入数字时代后，信息共享和交互显著增强，理论科研与工程技术深度融合，企业越来越多地依赖跨界整合资源，边界开放型的创新形态由此兴起。数字时代下，创新活动正从传统的政府或大企业主导，转向平台和生态圈主导的模式。平台企业已不再局限于单一领域，而是构建起覆盖多行业的创新生态。它们通过连接开发者、生产者、用户和服务方，形成数据与技术的交汇平台。例如，阿里巴巴不仅在电商领域占据重要地位，还通过“阿里云”等服务向大量中小企业提供算力与算法资源，从而支持外部创新能力的扩展。平台型企业依托其强大的数据积累、技术基础与网络效应，日益在创新体系中扮演着中枢角色。
在数字时代，创新竞争往往演变为大型平台企业间的数字生态竞争。例如，谷歌生态系统中有搜索引擎、地图软件、邮件系统和在线购物平台等，这些部门间的数据共享与互动赋予了谷歌强大的生命力，使其能长期占据巨大的市场份额。平台企业在资源配置、数据利用与技术部署方面拥有明显优势，但并未垄断全部创新空间。相反，它们通过开放API、开发工具包（SDK）与云服务基础设施，反哺中小型创新主体，推动产业生态的繁荣。总体而言，数字时代的创新主体呈现出从封闭到开放、从个体到网络、从产品到生态系统的转变，这种转变不仅重塑了创新活动的组织方式，也深刻影响了产业结构与市场竞争的演化路径。
（三）以闭源和开源为典型的创新模式
数字时代下的创新要素与创新主体发生了重大变化，同样也催生了新的创新模式。历史上，产品或服务的创新模式并非一成不变，往往随着制度选择、产业结构调整及资本配置而动态演变。20世纪以来，现代技术体系的发展不断在封闭、开放的两种风格间切换，其中以闭源（closed source）与开源（open source）为代表的两类技术创新模式已成为数字时代科技创新的主要模式。这种二元路径不仅体现出创新机制与激励结构的差异，也与产业组织形式、资本市场运作方式密切相关。
闭源模式作为工业化时期主导的创新模式，其基本特征是技术的专有性和排他性。20世纪中叶以来，在信息技术、电子工程和制药等高技术密集型行业，闭源模式被广泛采纳。企业通过专利、许可证和技术保密协议等手段控制关键技术资产，以获取市场溢价与垄断利润。在该模式中，技术创新高度依赖内部研发投入，其激励机制主要依赖对成果的产权所有与独占收益。例如，微软、英特尔、思科等公司在过去数十年里依靠对核心系统或硬件标准的控制，建立了高度稳固的市场地位。这一模式强化了技术壁垒，提高了创新的进入门槛，同时也塑造了以企业为中心、垂直整合为主导的技术创新结构。然而，在知识生产日益碎片化、协作需求日益增加的背景下，闭源路径在响应速度、成本效率与系统兼容性方面逐渐暴露出局限性。
开源模式的兴起为技术创新提供了另一种重要路径。开源的核心理念在于知识产权的开放共享，从而降低创新门槛、提升协作效率。20世纪90年代，在信息技术领域，以Linux为代表的自由软件社区证明了非中心化技术协作的可行性与活力。进入21世纪，随着版本控制工具（如Git）的普及，开源模式进一步制度化和规模化，成为推动新兴技术领域发展的重要力量。在人工智能领域，TensorFlow、PyTorch等开源研发工具已经成为主流，并且构建起了数据与算法共享的基础平台，极大地降低了入门门槛，促进了全球范围内的技术合作与快速扩散。与闭源模式相比，开源模式更强调网络外部性，其技术演进呈现出更高的适应性与演化能力。
在数字经济的推动下，闭源与开源模式之间的互动愈加频繁，催生出多样化的产业组织形态。创新模式的选择不仅涉及技术本身的逻辑，也深受制度安排、市场结构与资本配置方式的影响。在全球创新竞争加剧的背景下，模式的适配性和协同效率成为企业战略调整的核心议题。因此，理解开源与闭源模式的结构性差异和历史演进，对于准确把握技术驱动下的经济逻辑至关重要。
三、创新模式与资本策略
（一）开源模式的商业逻辑
在数字经济时代，闭源与开源不仅是技术开发模式与传播机制的差异，更体现了企业在商业竞争中的战略取向。开源意味着部分放弃对技术的独占权，但它依然能够吸引大量企业与开发者参与，背后原因值得深入探讨。
从技术开发流程看，编程中的调试（debug）往往是最耗费时间与精力的环节，开源模式通过向公众开放源代码，吸引更多开发者参与集体协作，从而显著提升问题发现与解决的效率，缩短研发周期、降低成本。从心理动机层面看，开源的重要驱动力之一是个人自我价值实现，程序员通过解决开源项目中长期未能解决的技术难题，不仅获得极大的满足感，还有助于向潜在雇主、合作伙伴或投资者证明其技术实力与创新能力。从企业战略角度看，当开源互补品增加的利润能够抵消未开源时核心业务的利润损失时，企业选择开源就是有利可图的；同时，如果一家企业是行业追赶者，且只占据较小市场份额，那么其开源的机会成本可能极低，开源的动力尤为强烈。
从专利竞赛的视角看，开源模式反映了一种经典的竞争手段：技术追赶者通过主动公开自身技术，抬高行业技术门槛，从而牵制领先者的创新步伐。在专利竞赛理论中，企业为了在创新竞赛中胜出，必须确保其专利满足新颖性（novelty）、实用性（utility）和创造性（non-obviousness），否则即使率先申请也可能被驳回。新颖性强调这项技术未曾出现或公开使用过，实用性强调技术必须有明确的应用价值，而创造性最关键，强调该技术相较于现有技术具有显著的进步，不能是显而易见的改进。这要求创新者必须大幅超越现有水平才能获取知识产权保护。
假设公司A是领先者，公司B是追赶者，当前市场公开的技术现状为E。企业成功获得专利的要求是其技术水平至少超过公开技术现状k个单位，即到达S，若A想要获得专利，必须满足A-E≥k。现在的情形是A与B均尚未获得专利，此时追赶者B面临两个选择：继续闭源保密，或将自己的技术公开。如果B选择保密，未来技术进步使得B-E≥k时，B可以申请专利并获得排他性权利。然而，A大概率会率先突破并申请专利，此时B将错失机会。相反，如果B选择开源或公开一部分自己掌握的技术，则能将市场公开技术现状从E提升到E’，专利申请的“门槛”也会相应被推高至S’，迫使领先者A需要付出更多努力才能达到新的专利获得要求。B的开源虽然令自己丧失了部分技术独占权，但通过将创新门槛推高的方式，牵制了竞争对手A的创新步伐，为自己“弯道超车”甚至“换道超车”争取到宝贵时间和机会。
（二）技术竞争与资本套利
在数字经济时代，闭源与开源作为两种主导性创新模式，在资本市场的定价机制中体现出不同的价值逻辑。闭源企业依托对核心技术的排他性控制，通过构建技术壁垒和数据壁垒，在市场中形成一定垄断地位。在此基础上，其市场估值不仅基于当前财务表现，还基于投资者对未来收益的预期。这种估值结构高度依赖于企业的增长叙事能力，即其能否构建具有说服力的增长故事。英伟达作为GPU芯片领域的领先者，正是这一闭源逻辑的典型体现。在机器学习需求急剧上升的背景下，英伟达的硬件产品被视为AI训练与部署的基础设施，市场对其未来增长空间持续看好。在资本市场中，其估值水平经历数轮大幅上调，甚至在部分时期脱离传统财务指标的支撑。
当市场对某项关键技术的增长潜力充满信心时，投资者会迅速抬高估值水平，使得闭源企业的股价迅速上涨。然而，闭源模式的估值风险正来自其对未来增长的过度依赖。由于技术的快速进展难以准确预测，企业的估值往往处于不确定的状态。当技术进展不如预期，或出现了技术替代品时，企业的估值可能会急剧下滑，进而导致资本市场的快速调整。
这种市场不确定性为开源模式提供了潜在竞争机会，尤其是在技术进步可以带来低成本替代品时，开源企业能够迅速打破闭源模式带来的资本泡沫。闭源企业独占性越强、利润越高，追赶者进行模仿与挑战的动机就越强。当追赶企业远远落后于领先企业，且市场占有率小、利润微薄时，其选择开源模式的激励最大而成本最小。此时，一些企业选择开源，为更多开发者和企业提供低成本工具，闭源企业的市场控制力受到强力挑战。技术领域的竞争会迅速向资本市场延伸，一方面，企业开源会提升市场公开技术水平，降低市场平均成本，迫使闭源垄断企业调低定价，导致每期现金流收入减少；另一方面，开源意味着更多智力与资金将参与技术开发，预示技术的井喷式发展甚至大转向，一定程度上会改变社会对原有闭源企业的未来预期，从而降低对其盈利增长能力的期望。从结果来看，闭源企业的估值V下降了。
闭源企业估值的下降为投资者提供了新的套利空间。投资者可以通过“做空”估值泡沫明显的闭源企业获得收益，并等待市场调整后，再通过开源企业的快速崛起获得资本利得。在此意义上，开源通过打破封闭体系中的信息与技术壁垒，激发市场资源的重新配置，推动了技术创新与资本市场之间更为紧密的互动。
四、技术与资本双重驱动下的内生商业周期
（一）经济增长与波动的理论基础
经济主体的竞争与合作催生了技术创新，进而推动经济增长并引发经济波动。数字时代下，创新范式与模式的转变赋予了经济运行新的实践内涵。在探讨数字时代经济运行逻辑之前，本文简要总结不同学派有关创新、增长与波动的经济学理论基础。大量文献揭示了技术创新影响经济增长与波动的机制，最基本的框架可以追溯至索洛（Solow）提出的新古典增长理论。该理论指出，资本积累与技术进步共同推动人均产出的增长，在稳态均衡条件下，技术进步被视为外生变量，是决定长期增长率的唯一因素。尽管储蓄率与人口增长率影响经济从初始状态到稳态的过渡路径，但对长期增长本身并无决定性作用。随着经济学的发展，内生增长理论对新古典增长理论进行了重要扩展，认为技术进步本身并非完全外生，而可以通过市场机制内生产生，创新活动、人力资本积累等成为决定增长潜力的关键要素，从而使增长动力不再依赖外生设定，而是基于制度与行为选择。
经济波动理论强调短期均衡偏离。凯恩斯学派认为，由于价格与工资存在粘性，且市场主体在面对未来时具有高度不确定性，因此总需求波动会导致产出与就业偏离。这一理论催生了IS-LM框架以及短期菲利普斯曲线等分析工具。相较之下，新古典学派强调经济系统具有自我调节能力，波动主要源于真实经济冲击，尤其是技术冲击的作用；同时，在理性预期假设下，经济主体会根据信息调整行为，从而削弱政策干预的效应。
熊彼特（Schumpeter）的创新理论更加有力地解释了经济增长与波动的内在联系。熊彼特认为创新是增长的根本源泉，经济增长与经济波动是一枚硬币的两面。在其理论中，创新本质上是通过建立一种新的生产函数实现生产要素与组织方式的重新组合，而经济增长的趋势正是社会资源优化配置的结果。在这一过程中，创新往往伴随着旧有结构的瓦解，即“创造性破坏”。这一理论提供了一个动态视角，即创新带来长期增长，但也可能引发周期性动荡，如企业破产、就业结构变化与资本市场重估等短期调整。2025年经济学诺奖得主阿吉翁（Aghion）等进一步将熊彼特的“创造性破坏”机制形式化，引入到一般数学模型中，并提出了著名的“熊彼特范式（Schumpeterian paradigm）”。
除此之外，根据西蒙（Simon）提出的有限理性（bounded rationality）理论，创新、增长与波动的联系也可以由“认知差异”所解释。传统经济模型假设经济主体拥有完备信息与计算能力，能够作出最优决策。然而，如果所有可能性都能被穷尽、所有资源配置都达到最优，那么创新便无从产生。有限理性揭示了经济行为中的“试错”属性，创新是认知差异的套利结果，即从市场一般参与者尚未识别的机会中获取超额收益。例如，1968年3M公司的西尔弗（Silver）博士尝试研发一款超强力胶水，但实验没能如预想成功，他只制备出了一种黏性很弱的胶水。起初，公司管理层甚至西尔弗本人都对这个失败的产品不以为意，直到公司另一位同事弗莱（Fry）偶然发现，这个黏性不强但不留痕迹、可重复使用的胶水可以用来固定书签。于是，弗莱对胶水做了一番改良，并成功发明了畅销全世界的办公必需品——便利贴。便利贴的出现源于一次被认定为“失败”的实验，其商业化成功体现了从被忽视的技术性能中识别并利用机会的能力，这正是认知差异套利的经典范例。这种认知差异所激发的探索行为，与熊彼特所谓的“企业家精神”在逻辑上高度一致，都是推动经济增长与波动交替出现的核心机制。
进入数字时代后，创新的不确定性和非线性更加凸显，技术变革对短期波动的影响持续增强，加剧了宏观经济运行的复杂性。在此背景下，传统经济学理论面临一些挑战，如熊彼特的“创造性破坏”理论强调技术进步如何推动市场和产业的重组，然而并未充分考虑到资本市场的作用，而其他经济学理论普遍强调创新的作用，而忽略了创新背后的激励与机制。面对数字时代创新模式的转变，经济学亟须构建能够同时整合技术变革、资本市场行为与创新机制的分析框架，以更好地刻画数字时代的经济运行逻辑。
（二）内生商业周期的形成逻辑
本文提出“内生商业周期”理论，作为解释数字时代经济增长与波动的分析框架，也为理解熊彼特创新理论提供新的视角。
最初，领先企业通过闭源模式开展技术创新，抢占大量市场份额并获取超额收益，资本市场通过“做多”策略推动其市值上涨。当追赶企业利润空间不断被压缩，且与前沿技术差距始终无法填补时，将选择开源模式，通过技术民主化和低成本替代品打破市场壁垒，导致闭源企业利润下降；此时资本市场则通过“做空”策略压低闭源企业市场估值，并从中获利。随着开源带来的效率提升、资源优化配置，市场又会出现一个或几个掌握颠覆性技术的领先者，巨大的超额收益激励其闭源发展，引领资本做大做强，直到下一波外部开源和做空的出现。闭源模式与开源模式交替过程中，技术与资本的互动推动了市场的周期性波动，形成了一个“内生商业周期”。
以人工智能技术为例，可以较为清晰地观察到数字时代内生商业周期的形成过程。21世纪初，深度学习与人工神经网络成为推动AI发展的基础动力。2017年，谷歌推出完全基于注意力机制（self-attention）的Transformer架构，显著提升了对长序列数据的处理效率，开启了AI技术的关键转折点。在此阶段，谷歌采取闭源模式，依托技术壁垒稳固其市场领先地位，并吸引资本市场对云计算、分布式训练等配套产业的持续投入。随着算力基础（尤其是GPU）和互联网大规模数据积累的完善，AI进入大模型时代。2022年底，OpenAI推出基于GPT-3.5的ChatGPT，凭借流畅自然的对话生成和较强的逻辑推理能力迅速获取全球用户，成为史上用户增长最快的消费级应用。OpenAI是典型的闭源企业，其GPT-3.5及之后的模型从未开源，因而凭借强大的算法和算力获取了大量垄断利润。尽管OpenAI并未上市，但资本市场对其估值预期迅速抬升，部分风险投资机构估算，企业市场估值在ChatGPT发布后的一年内上升约3～5倍。同时，AI技术需求还带动了产业链上游厂商的盈利爆发，典型的例子就是GPU生产商英伟达市值在短期内持续上涨，成为资本“做多”的集中标的。
然而，在传统AI巨头及其供应商如日中天的时候，巨大的垄断利润也吸引了许多模仿者和追赶者。中国企业百度于2023年3月率先发布“文心一言”，阿里云在4月推出“通义千问”，腾讯“混元”大模型于9月面世。这些企业仍然以Transformer架构为主要技术路线，参数规模普遍在千亿级别，与OpenAI仍有差距。随后，一些企业开始“换道超车”，2025年1月深度求索公司推出新一代AI模型DeepSeek-R1，并开源一整套涵盖模型架构、训练方法与应用生态的完整体系。该模型在数学推理、代码生成等任务上性能对标OpenAI的GPT-4，但训练成本仅560万美元，远低于美国同类模型的数亿美元投入。2025年1月27日，DeepSeek应用超越ChatGPT登顶苹果美国地区应用商店免费APP下载排行榜。受到DeepSeek的冲击，美国GPU巨头英伟达当日股价暴跌约17%，博通公司股价下跌17%，AMD股价下跌6%，微软股价下跌2%，甚至电力供应企业的股价也受到一定影响。在资本市场巨震的过程中，DeepSeek背后的幻方量化等私募机构很有可能以“做空”方式介入估值修正与资源重配过程，从中获取套利收益。可见，资本“做多”与“做空”不局限于人工智能行业本身，还可能布局在其互补行业或替代行业。
在AI领先者垄断地位短暂动摇的窗口期，技术民主化快速推进，技术创新进入新一轮竞争。追赶者的创新机会显著提升，一大批后发企业快速跟进，资源得以重新配置。同时，领先者与追赶者的技术代差被缩小，OpenAI等领先者不再能够“躺着赚钱”，其创新激励极大增强，可能走上新的技术路径、叙事逻辑，成功进入下一个经济周期的上升阶段。在新一轮创新竞争中，一些企业可能出现颠覆性创新成果，并得到资本青睐，成为下一个垄断领先者，从而完成一个内生周期的闭环。
总体来说，内生商业周期刻画了两种创新模式的交替过程，以及其背后产品市场与资本市场互动的基本逻辑。在数字时代，技术与资本动态交织，推动着产业结构的周期性重构。开源模式打破了闭源企业依赖叙事构建的估值壁垒，重塑了技术供给方式和市场博弈格局。在这一框架下，创新不再是孤立的企业行为，而是成为系统协作与博弈的核心变量，资本也成为重构技术路线与市场秩序的关键力量。
五、数字时代内生商业周期的特征与治理
（一）内生商业周期的特征
在数字时代，技术创新成为驱动经济增长与波动的核心变量，其重要性已超过以往任何时期。人工智能、云计算、大数据、物联网等关键性技术的广泛应用，使全要素生产率实现了实质性跃升。与以往依赖资本积累和劳动投入不同，当代经济增长愈发依赖数字技术和数据资源的持续积累。这些技术与资源具有显著的正外部性，一旦取得突破或形成规模，便可被低成本复制，并迅速扩散至多个行业，提高多部门生产水平。然而，数字技术的快速发展与渗透，也意味着传统的经济结构面临冲击与重塑，经济增长与波动都表现出与传统经济时代不同的特征。
数字时代的经济波动将比以往任何时候都更加强烈。首先，从有限理性的角度看，数字技术的高复杂性和难以预测性，使经济主体之间的信息不对称问题更加突出，认知差异被不断放大。当一项新技术或新模式出现时，不同市场主体在理解、判断与采纳速度上的分化，会造成资产重估、投资决策与制度响应的不一致性，从而加剧短期经济震荡。其次，“创造性破坏”的速度在数字时代显著提升，新旧动能之间的切换更为剧烈。以平台经济为例，电商平台凭借算法推荐系统和数据规模优势迅速获得用户流量与市场份额，传统零售业则在较短时间内陷入系统性收缩。这一替代过程不仅改变了产业结构，也对劳动力市场形成冲击，对居民生活产生实质性影响。此外，平台经济中高度集中的市场结构、强烈的网络外部性和“赢家通吃”的格局，使技术路径与市场竞争明显趋同，一旦头部企业在技术方向上发生战略转折，其外溢效应可能传导至整个产业链，引发连锁反应。更进一步，数据要素的高流动性、金融市场的高频交易行为，以及社交平台中情绪扩散的加速机制，共同造成市场过度反应的常态化，强化了经济系统的波动性。
数字时代经济波动发生的频率更高、不确定性更强。在传统工业经济时代，产业更迭与技术扩散往往呈现出以年为单位的线性过程，市场主体有相对充分的时间调整产能、重组资源。而在数字时代，前所未有的信息传播速度，使技术更新周期压缩至季度甚至月度的层面，经济运行呈现更高频率的震荡。市场对于技术领先者的失误或追赶者的突破反应极为敏感，资本与资源配置出现快速重构的趋势。当多数市场参与者基于同一技术或赛道形成集体性乐观预期时，便可能形成自我强化的增长泡沫；反之，当预期修正或认知反转发生时，估值坍塌也将迅速发生。例如，在人工智能模型迭代速度日益加快的背景下，开源技术的“突袭”可能打破原有技术壁垒，使闭源企业的市场优势在短期内迅速瓦解，带动估值重估进而资本市场的剧烈波动。这种由高频创新驱动、预期快速变动触发，并通过资本市场机制传导的经济波动，正是数字时代内生商业周期的核心特征。
（二）数字时代的内生商业周期治理
数字时代宏观经济调控也面临重大挑战。首先，数字技术的创新路径并非线性，市场和监管者无法准确预测，而现有政策工具多依赖于对宏观变量的滞后观测与历史经验判断，难以及时响应。其次，数字经济的快速演化模糊了市场与监管的边界，使政策界定本身也更为复杂。在很多时候，过度干预可能抑制技术扩散与创新活力，影响长期增长潜力，但监管缺位可能导致新兴技术的滥用、算法垄断或数据滥采滥用等问题，引发新的系统性风险。此外，数字经济的全球化特征也使监管协调更加困难，政策制定往往要突破传统部门分工框架，建立更加开放、共享与响应迅速的治理机制。
数字时代的内生商业周期治理应兼顾创新激励与风险防控。一方面，闭源技术企业需要在市场估值及垄断利润的高涨期接受透明化与竞争政策的约束，防止资本泡沫和资源错配；另一方面，要鼓励开源创新，以其外溢效应平衡市场竞争格局，降低技术壁垒，并为下一轮技术突破奠定开放基础。在资本市场层面，可通过高频交易限制、跨平台风险预警和信息披露制度，减少集体性预期过度所引发的剧烈波动。数字时代，一些大型企业在生态内部制定并维护规则，虽然为周期治理优化了交易秩序，但也带来了技术垄断与“大而管不了”的监管挑战。这就要求市场不仅需要传统的自发秩序、行政监管秩序和法律秩序，还必须引入“技术秩序”作为稳定市场运行的重要补充力量，同时对企业创新模式、技术开发路径形成新的治理逻辑。
总之，数字时代的技术创新已深刻改变了经济增长与波动的内在逻辑，推动经济运行进入一个更加高频且剧烈的动态过程。这一新特征不仅促进经济理论对传统增长模型与周期理论作出回应与修正，也要求政策治理必须具备更高水平的灵活性与前瞻性，形成跨部门、多主体协同的动态治理网络。
六、结语
在数字时代，创新范式发生了巨大转变，创新竞争格局也深刻变化。本文从闭源与开源两种典型创新模式出发，讨论了闭源模式与开源模式在创新竞争中的基本逻辑，以及产品市场、资本市场的互动机制，进而揭示了内生商业周期的形成过程。在这一分析框架中，技术创新不再是外生冲击，而是与资本相互交织、深度融合，共同构成经济周期波动的内在驱动。
随着数字时代的发展，闭源与开源可能不再是简单的二元对立关系，越来越多企业采取核心闭源、外围开源的混合模式，在控制核心技术的同时扩展生态规模、吸引开发者参与，使创新模式更加多样、竞争格局更加复杂。现实世界里，创新模式的选择与调整并不完全由企业自主决定，而是受到外部制度环境与战略格局的影响。在专利制度、版权制度以及反垄断法规的框架下，闭源模式的可持续性取决于制度对知识产权边界的界定强度，开源模式的可行性则依赖于网络基础设施、社区文化与跨组织协作机制的成熟度。此外，地缘政治因素亦不可忽视。例如，中美科技竞争背景下，美国政府往往限制本土企业与中国开源或分享核心技术和产品，中国企业也在国家支持下开展关键技术攻关，并将开源视为突破封锁、加快技术追赶的重要路径。这表明闭源和开源不仅是一种工具选择，更是创新竞争与国家战略之间互动的载体。
展望未来，随着人工智能、量子计算、生物技术等前沿领域的持续突破，内生商业周期的复杂性还将进一步提升。技术之间的相互赋能会放大波动幅度，全球化的资本和数据流动会加速周期传导。未来的治理应建立以自发秩序、制度秩序和技术秩序相结合的多维框架，在保持创新驱动力的同时，防范资本泡沫和过度预期引发的系统性波动。这种框架能够在经济稳定与技术发展之间实现动态平衡，支持数字经济的长期健康运行。
（本文原载于《经济纵横》2026年第2期，编发时有删减）
