张楠基于交叉学科建设、数据跨境流动和国家数据基础设施建设运营的视角发表了对公共管理学科建设的思考。在公共管理领域，无论是科技产业政策还是区域发展政策，或是卫生、环境政策，一旦进入到特定的政策场景必然就会有学科交叉，需要突破学科边界开展思考与探索。在当前的学术研究中，数据跨境流动和国家数据基础设施建设运营等热点问题需要跨学科的交叉学习研究，才能应对这些挑战。在学科建设方面，一是传统学科藩篱壁垒的突破需要有更好的机制去推动；二是知识凝练和传播机制体系的变化需要新的应对策略；三是开展交叉研究时如何突破原本学科分野形成的知识路径依赖。未来哲学社会科学实验室的定位可能更多是搭建一个能够对接多个学科的平台，从而使开展面向新的经济形态、新的技术场景的研究成为可能；最后从人才培养的角度来讲，数字经济这个新兴专业的魅力，可能并不在于这个专业未来一定怎样的前景，而在于这个专业对动态学习能力的持续要求。

严兵聚焦数字经济时代对跨国公司国际直接投资（FDI）研究的影响发表了自己的看法。第一，全球FDI整体下滑时，数字领域FDI持续增长，引发对传统影响因素是否仍适用及新因素的探讨。第二，数字经济技术迭代快，倒逼分析工具加速更新。过去博士阶段可能掌握时间序列、面板数据分析即可发顶刊，如今需掌握爬虫、机器学习等新技能，否则难以指导博士生。数据获取也从被动等数据变为主动构建，如团队花半年爬取商务部公开的400多万条外资数据。第三，数字经济时代的研究会遇到很多新问题，有一些误区，也有些挑战，例如企业数字化转型研究多依赖上市公司年报文本分析，但学者对企业实际转型操作了解甚少，测度的可能只是重视程度而非实际行为；部分学生高估新分析工具的作用，认为随机森林等可规避因果识别、内生性等传统经济学核心问题，实则新技术仅能在大样本下补充因果分析，无法完全替代传统方法。第四，团队通过爬虫构建的数据库，使用过程中会面临很多把握不准的问题。例如爬取的商务部外资数据是否涉及商业秘密，所有权及交易权归属存疑；爬取的微观数据加总后与宏观数据不一致，原因难辨，这是传统数据库未遇到的问题，需与同行探讨。

乔晗的发言围绕数字经济时代的创新变革展开，聚焦研究对象、创新范式及研究需求三方面的核心变化。首先，研究对象发生显著变革。数字经济时代技术进步呈现指数型增长，进步速度远超工业经济时代的线性增长，易产生奇点，推动商业模式持续创新。更关键的是，AI已不仅是技术，开始具备智商、情商，未来甚至可能出现领导力，硅基智能与碳基智能并存，带来社会经济系统变化，产生诸多崭新的经济学和管理学问题。其次，科研与产业创新范式双重变革。科研范式上，AI for Science成为新的重要趋势，AI可支撑各学科研究，成为科研协作伙伴。产业创新范式方面，数实孪生的方向正在发生改变。以化工行业为例，AI大模型出现后，产业创新可能跳过中试环节，先构建数字化系统验证，再进行实体投资，大幅降低试错成本，实现范式革新。最后，数字经济研究需要在解决新问题中构建新理论。工业经济时代的理论仍有用但不足，数字经济包含工业经济但范畴更广。例如数据要素特性与产权机制、数字跨境、数据主权等问题，均需基于交叉学科视角的新理论用于指导实践，这为数字经济时代的研究提供了大量新课题。

蔡熙乾从行为经济学视角探讨了数字经济与人工智能对个体决策及相关研究带来的新变化。首先，在决策信息基础层面发生了显著转变。传统行为经济学假设个体基于有限信息决策，而数字经济时代个体面临海量信息，这一根本差异催生了信息过载环境下如何决策的新研究问题，从而突破了以往基于有限信息框架的决策研究范式。其次，决策的影响因素因算法与AI的出现而扩展。算法推荐机制如何影响个体决策成为一个亟待研究的新课题；同时，算法固有的不透明特性会因用户偏好差异影响其接受度，进而改变决策行为，这一机制值得深入探讨；此外，人工智能与人类互动场景的日益增多，如教育领域AI助手对学生能力的影响、工作场景人机协作对团队效果的作用等等，为行为经济学开辟了新的研究领域和视角。最后，在研究工具层面，人工智能提供了革新性助力。传统研究中对个体心理变化的测量往往间接且依赖指标数据收集，难以细致刻画；如今借助AI机器人通过对话交互及语言分析技术，研究者能够在更微观层面捕捉个体心理的细微变化，从而获得更精细、更直接的研究工具支持。

各位老师在轻松愉悦的氛围中发表各自的真知灼见，增进了大家对数字经济领域学科建设与学术创新发展的认识，激发了现场更多关于未来数字领域学科建设、科研范式创新、优秀人才培养的思考和展望。