国际贸易形势日益复杂，数字经济快速发展，国际合作与区域一体化都面临着多重挑战。新加坡在促进国际互联互通有成熟的经验，在数字经济领域也走在世界的前列。在中国大力开展区域一体化的背景下，中国是否应与新加坡建立紧密合作关系？在数字经济背景下的国际合作应注意哪些方面？
澎湃新闻总编辑、总裁刘永钢作为主持人出席中新论坛的第二场圆桌讨论，与新加坡义顺集选区议员郭献川、华中科技大学教授陈波、新加坡毕马威合伙人办公室首席顾问兼毕马威-新科研联合实验室执行董事叶光荣围绕“长三角区域一体化的国际互联合作与新中数码互通”主题展开了讨论。
圆桌论坛现场。
国际区域经贸发展背景下的中新合作
11月4日，第三次“区域全面经济伙伴关系协定（RCEP）”会议于曼谷闭幕。该协定是以东盟为主导的区域经济一体化合作，新加坡与中国均为其中的成员国。
陈波认为，在全球发展区域自由贸易协定的背景下，RCEP的推进既能增强中国在推动区域乃至全球自由贸易方面的作用，同时也向中国提出了更多挑战。RCEP要求市场提供更高程度的开放与全球化环境，从有形商品的自由化到无形商品的自由化，甚至到法制法规与政府治理方式的开放等，这些都可能对中国的固有模式造成冲击。
华中科技大学教授陈波在圆桌论坛发言。
那么，国际层面的区域经贸合作有何意义？中新合作能为两国带来什么？
陈波表示，针对区域内的国际合作，从投资理论角度来说，合作伙伴可以分散投资风险。可能有的投资项目对于一个国家来说预估的不确定性太大，但在两个甚至多国参与时就可以分散风险，从而提高投资意愿。从政治经济学的角度来讲，很多国家对于中国的产能转移心存疑虑，但如果有多方参与，就可以充分保证投资项目操作的透明化，也就更容易被投资国接受，让产能转移进展更加顺利。
具体到中新合作，陈波分析，中国的优势在于有充足的资金和国际影响力，但是作为发展中国家，中国在企业行为规范上会存在一些问题。而新加坡有着成熟的企业规则和企业管理经验，能与中国形成优势互补。
郭献川基于新加坡的优势，提出了中新合作的两大可能方向。金融互联互通是中新双方均十分期待的一方面，作为全球第三大金融中心与第三大离岸人民币中心，新加坡能够在经验层面上为中国进一步开放资本市场、促进人民币国际化提供思路。同时，新加坡经历了世界上规模最大的医改，因此在社会保障方面也可以为中国提供一些政策经验，应对人口红利趋近消失与社会保障需求大幅增加的情况。
数字经济中需更加注重人的体验
数字经济带来的关键词有大数据、区块链、机器学习、人工智能等，大量的技术代替了人力，人应该如何从技术中获益又不被技术取代？
新加坡毕马威合伙人办公室首席顾问兼毕马威-新科研联合实验室执行董事叶光荣在圆桌论坛发言。
多国均有大型人工智能公司出现，大家面临一个共同的问题是，公司的员工如何从中获利？叶光荣认为，尖端技术在科技公司员工层面的普及对于员工个人发展以及技术更新都有重要意义。事实上，创造就业也是在打造用户体验，在这个过程中，员工就是企业的用户，高质量的就业岗位能够更好地提高员工的用户体验，才能更加有利于公司的长线发展。技术的进步
“技术会让我们更近，最终我们期待技术能够帮助降低人工的成本，同时提高我们工作的价值，这样我们才会有更好的生活。”叶光荣表示。
此外，叶光荣还从自身行业角度出发，强调了数字治理中“合规”对于人的重要性。在数字经济中，企业如何应对跨境监管与国家内部监管，不仅会影响企业自身的运营，也会影响消费者。如果“合规”无法控制好，也许监管的成本就会被转嫁到消费者身上，这在长远来看益处不大。
如何避免区域内国际合作发展数字经济的纠纷？
在观众提问环节，有嘉宾提出，在当今社会，石油输出国可能面临着无法从更长的供应链中获益、只是生产原油的情况，输出国无法在合作中获得更高的持股股权。那么，这种权力分配不均的现象会不会也在数字经济领域造成纠纷？
新加坡义顺集选区议员郭献川在圆桌论坛发言。
郭献川认为，类似情况的纠纷需要从第三方国家参与和创建互利结构两个方面进行协调。
首先，数字经济发展的重要前提之一是数据的隐私保密工作，数据共享并不意味着全部数据的共享。当有第三方国家作为枢纽参与，双方国家在交易时均把自己的基础数据放在国内，由第三方国家作为枢纽进行分析，就可以保存数据的隐私，这也是发展区域内国际经贸合作重要优势之一。
其次，中国的数字经济产量很大，很可能处于世界领先位置。如果此时中国与周边国家共享自己的数据，那么就会造成上游由中国主导共享、下游行业是中国领先的情况，容易在国家势力层面引起各国担忧。因此，一个互利的结构对于数据共享十分重要，也能有效避免纠纷的产生。
陈波回应，数字经济本身的发展就是在于处理自由与安全之间的矛盾。行业内不应出现垄断者控制核心数据，因为垄断者的出现会导致福利的递减，数据方出现垄断者造成的破坏性非常大。但是，数据也不能在无监管的情况下自由流动，大量的数据外泄对人的生活会带来很大的困扰。所以，如何对数据进行有效、有序地管理，是摆在学者与业内人士面前的巨大挑战，需要更多的研究与探讨。