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據的邊際價值（Marginal Value of Data）。

工業4.0研究院在構建第四次工業革命（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據為原材料就比較清楚，數據是主要的資源。

但是，Michael Schwarz也提出了數據是不是戰略資產（Strategic Asset）的疑問。如果數據是戰略資產，自然會產生某種壟斷性的商業模式。數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，但難以形成商業模式賣錢。

其次，在云服務日益變成數字商業基礎設施的時代，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。一些企業提供人工智能框架的開源程序，幫助開發人員熟悉相關算法，從而發過來降低這些開發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？這個問題的答案估計各不相同，自然導致企業戰略模式不同。

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據，能不能帶來先發優勢（First Mover Advantage）？

國內不少創業團隊都把先發優勢作為商業模式的核心，其邏輯大都是隨著投資在技術上的研發，將隨著時間流逝而增加價值，因為數據越多越有機會形成競爭優勢。

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據，除非有其他因素影響，否則，簡單理解先發優勢是無益的。