释放数据生产力 构建新发展格局

汪寿阳 刘颖

构建新发展格局是我国立足当前、着眼长远的战略谋划，需要依靠科技创新，实现稳增长和防风险的长期均衡。数据生产力作为以数字技术为依托的改造自然的新能力，是打通双循环堵点、实现新发展格局的着力点。本文从技术基础、价值创造、组织结构、创新模式等方面，阐述了数据生产力的增长特征，分析了数据生产力引发生产关系变革的新治理体系，并提出了相应的政策建议。

一、新发展格局需要新的生产力形式

在国际环境日趋复杂、逆全球化趋势加强、贸易保护主义上升的背景下，我国加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局，是我国推进开放型经济高质量发展、适应全球新经济形势的战略选择，也为“十四五”国民经济发展指明了方向。新发展格局需要加快自主科技创新，以更加富有弹性和韧性、更安全可靠的经济体系，来解决深层次的发展不平衡不充分问题，需要重点发展以下4个领域：一是正确处理好传统消费升级与新兴消费培育的关系，激活国内超大规模市场需求潜力，形成内需主导型增长体系；二是以需求牵引供给，打通生产、分配、交换、消费各个环节，促进生产要素高效流动，推动供应链和产业链的稳定发展；三是以科技创新提高自主创新能力，促进基础研究、应用研究与产业化的有机衔接，加速科技成果向实际生产力的转化，为供需侧改革提供科技支撑；四是加强开放型经济循环，以扩大内需为基础形成国际竞争力，加强国内国际互联互通，实现双循环相互促进。

（一）数据生产力的定义与内涵

新发展格局需要新的生产力形式，马克思基于古典经济学理论将生产力与社会发展规律相结合，指出生产力的三要素为劳动主体、劳动对象和劳动资料，生产力是具有劳动能力的人和生产资料的有机结合而形成的改造自然的能力[1]。生产力的发展随着时代变迁呈现出知识化、智能化的演进规律。新经济时代生产力的三要素发生了根本变化：体力劳动者转变为知识劳动者；传统的土地、设备等生产资料与现代智能工具深度融合，极大提升了劳动资料的质量和效率；数据物化到劳动对象上形成知识密集型劳动对象，扩大劳动对象的范围并提升其附加值。这种以数据为关键要素、以新一代信息技术为依托的认识、适应、改造自然的新能力被称为数据生产力[2]，其价值创造方式与工业生产力有本质不同，数据要素对技术、土地、劳动、资本生产要素产生指数化的赋能效应，通过将数据转变为信息、信息转变为知识、知识转变为决策，在数据的自动流动中化解复杂社会经济系统的不确定性。

（二）数据生产力成为新发展格局的着力点

数据生产力的崛起，成为世界大国博弈竞争的制高点。数字经济发展突飞猛进，推进数据要素市场的自由流动和良性发展，释放数据生产力，成为打通双循环堵点、实现新发展格局的着力点。在需求侧，以数字技术为基础的社交营销、直播电商、生鲜电商等新零售模式，可以更精准地提供符合消费者需求的产品，极大地激发新消费潜能和内需市场活力。据中国互联网信息中心统计，2020年中国直播电商用户规模已达5.6亿人次，市场规模近万亿元，连续两年翻倍增长。在供给侧，数据生产力促进传统产业数字化转型，提高了产品的科技含量和附加值，一定程度上消除了供需错配和经济循环中的结构性梗阻。同时，数据生产力可以有效引导国际循环产业链升级，以新型基础设施建设为支撑，我国在技术自主创新上持续保持活力，提高了企业应对产业链、供应链断裂风险的能力，使其在全球价值链分工中拥有更大话语权。

二、数据生产力的增长特征

（一）数据生产力的技术基础：数据、算力、算法

数据生产力的本质是把人类对物理世界的认知规律映射到比特世界，在“数实共生”[3]状态下重构并优化物理世界的运行体系，推动资源优化配置从局部走向全局，不断催生出新组织、新业态、新模式，为经济增长提供新动能。数据生产力的发展需要技术和资源的支撑，背后的主导因素是数据、算力和算法。

数据是各种智能工具发挥作用的基础。数据生产力需要打破信息壁垒实现互联互通，做到全生产流程、全产业链、全生命周期管理数据的可获取、可分析、可执行，保证数据的及时性、准确性和完整性，从而能够用于量化决策与预测。算力是将数据生产资料转化为价值效益的基础工具，也是衡量新经济活力的重要指标，据统计，以云计算和边缘计算为代表的算力中心高速发展，年均增速达48%。算法是物理世界运行规律的模型化表达，基于算法的软件是业务、流程和组织的赋能工具和载体，能够实现数据在物理世界的自动流动。“数据+算力+算法”引发了工具革命和决策革命，是推动实现经济社会数字化转型的基石，通过实时分析、科学决策和精准执行，解决复杂系统的不确定性问题，提高供需匹配效率。

（二）价值创造模式的变化：从规模经济到范围经济

工业经济时代，行业分工边界清晰，各种专业化活动被分解成单向价值链[4]。企业只作为线性价值链中的生产者和交付者，主要通过扩大单一产品规模来降低平均生产成本，成本降低会进一步带来产量的扩大，这种少品种大批量的规模经济成为工业时代的主导逻辑。随着社会经济的发展，多样化、个性化的消费趋势越发明显，工业时代以提高专业效率为核心的技术难以满足多品种小批量的要求。如何提高多样化效率，成为企业面临的新挑战。

在数字经济时代，信息技术的应用能够迅速分析海量数据，感知多样化消费潮流，提炼关键知识。随着数据生产力的发展，企业通过知识复用、技术赋能、分工协作，能够有效降低多样化生产的成本，提高供应链柔性水平，从而实现范围经济，以解决专业化与多样化的矛盾。因此，范围经济将取代规模经济，在资源共享条件下，满足长尾市场中的多品种小批量需求，成为数据生产力的主要增长模式[5]。

（三）组织结构的变化：从科层组织到网状组织

数据生产力同样推动着组织管理的变革。工业时代的企业遵从流水线的生产方式，形成了以任务和职能划分部门的科层组织和职能组织。职能组织蕴含的理性精神，正是工业化规模经济发展所要求的[6]。而后又涌现出以客户需求为导向、以业务流程为核心的流程驱动型组织，从而打破职能部门之间的隔阂，提高对客户需求的反应速度与效率。发展到数字经济时代，外部环境日益复杂多变，企业的决策方式从线性长链路向交互短链路转变，组织形态从惯于处理确定性事件向应对动态不确定性事件转变，组织运作更多采用网状协同的决策机制。在技术赋能对价值链、供应链和产业链的重塑下，企业开始探索通过数据驱动组织结构的迭代升级。

企业为了提升对不确定的动态环境的适应能力，大体上出现了两类自组织。一类是企业内的自组织，利用以数据中台、业务中台为主要载体的“赋能平台”，根据客户需求和企业价值诉求，自动组建新的创客化小微组织。通过数据的自由流动，以及数据的全面实时动态采集、建模、自学习、自决策和自优化，建立基于数据的动态反馈机制和决策机制，实现企业资源的优化配置，例如，阿里巴巴在2020年新冠肺炎疫情初期，以灵活高效的组织模式在7小时上线了第一个县级防疫系统。另一类是跨企业的自组织，主要包括超级组织、战略联盟、虚拟企业等形式。企业、组织或者个人基于能力形成模块化的小微组织，伴随数据的流动、转化与共享进行交互和价值共创。在这种多中心分布式的自组织形式下，消费者与企业、企业与企业之间的关系被重构，企业经营边界被拓宽，逐步形成“平台+用户+商家+服务商”的生态网络形式。例如，波音“梦幻787”飞机的研发生产基于来自6个国家、100多家供应商、数万人的在线协同研发；中国网约车平台每天实现2000万级出行人口与司机的业务协同。相较而言，自组织具备更大的开放体系、更多的资源参与、更密的网络协同、更广的技术平台，能够最大限度整合相关资源，将会重新定义竞争格局和产业结构。

（四）创新模式的变化：从实物验证到模拟仿真

现代创新理论的提出者约瑟夫·熊彼特认为，“创新”是经济增长和发展的动力，并指出“创新”的5种类型依次为：产品创新、技术创新、市场创新、资源配置创新、组织创新。从创新实践来看，创新本质上是不断尝试、验证、优化的过程。传统的产业创新以实物试验为主，验证周期长、费用高、风险大，这种基于实体的“试错法”是一项投入巨大、回报率低的工程。

数据生产力能够通过数字孪生、模拟仿真等技术，在虚拟世界建立实时高效、零边际成本的试错方式。依托基于模型的产品定义（Model Based Definition，MBD）、全数字化样机、数字孪生体等新技术，实现对创新对象及其运行环境和运行模型的数字化。在这种模式下，企业可基于相似性原理，构建虚拟世界对物理世界描述、诊断、预测、决策的新体系，快速对创新方案进行验证、选择与优化，从而提升创新效率。近年来，基于模拟仿真的创新模式在飞机、汽车、食品饮料、医药、建筑、工程等领域逐步兴起，展现了显著的效果，例如，埃隆·马斯克的公司SpaceX在火箭太空发射研发阶段，通过数字空间的模拟仿真，大幅降低了研制成本，缩短了周期，提高了研发效率，使太空发射成本由1.85万美元/千克下降为2720美元/千克。

三、数据生产力需要新治理体系

数据生产力的发展加速了生产关系的变革，重新定义了生产力体系下的主体和权利，改变了企业的竞争方式，同时也给治理体系带来了数据权属不清、数据资产定价困难、数据市场不正当竞争等一系列治理热点和难点。因此，亟须建立一套与数据生产力相适应的治理体系，明确数据产权的分配机制，创新数据治理模式。

（一）数据产权分配机制

党的十九届四中全会明确提出，数据可以作为生产要素参与报酬分配。但是，在数据要素分配过程中，数据要素的财产权益界定，目前还没有明确的规则。与实体物品不同，数据具有复杂性、不确定性、可复制性、隐私性、时效性等属性。因此，数据产权的认定比传统实体产权认定更加复杂，传统的以强调静态归属和排他性效力为核心的产权制度，如物权、所有权、知识产权，无法直接套用于数据产权问题。数据产权包含所有权、使用权、收益权等一组相对的权利束，数据产权的界定会对数据生产者、加工者、使用者等主体的福利乃至社会福利产生很大的影响。应该以创新发展为目标，根据数据自身特性，在综合考量相关主体利益诉求的基础上，探索建立一套高效、公平且激励相容的数据价值分配机制。

数据产权合理分配的关键在于三权分离，即分离产权中的所有权、使用权、收益权。首先，由个人行为产生的原始底层数据所有权归属数据生产者；经过匿名处理、脱敏建模的数据，已经确认无法识别特定个人或用于精准用户画像的数据，所有权属于数据加工者。其次，数据加工者对其收集、处理、脱敏后的数据享有使用权。最后，参与数据生产、收集、分析、价值实现过程的各方主体均享有数据的收益权，收益分配根据投入产出比，通过等价交换实现。值得关注的是平台与个体之间的交易，由于数据体量较大、数据类型繁杂、涉及个体用户较多，针对每个个体用户的数据定价是十分复杂低效的，可以借鉴庇古税，通过设计合理的税收制度，由政府向使用数据获得收益的企业根据获得收益的多少，征收一定比例的“数据税”，再将收取的税收投入数字基础设施建设，进一步提高数据安全技术，通过间接转移支付让每个数据生产者都能享有收益，进而提高社会整体福利[7]。

（二）数据治理新模式

数字经济时代，流动的数据成为连接世界的载体，便利了人们的生产和生活，促进了经济社会的发展。伴随着数据的流动，尤其是为解决数据流动过程中产生的一系列问题，数据治理模式逐渐兴起[8]。数据治理是以“数据”为研究对象，主张在确保数据安全的前提下，建立健全规则体系，理顺数据流通各个环节参与者的权责关系，通过加强不同参与者之间的良性互动，铸就依赖关系，形成共建共治共享的数据流通模式，最大程度地发掘数据潜能的新型治理模式[9]。

数据治理主要表现为协同化、智能化、平台化、自主化。第一，数据治理是一种多主体参与的协同治理。数据生产力是一个去中心化、多主体参与的生态体系，传统的单向集中的封闭管理系统已然失效，鼓励政府、平台、第三方多元参与的协同治理模式才能满足新型生产力的要求。第二，数据治理是一种基于先进技术的智能治理。通过运用大数据、云计算、人工智能等现代信息技术，形成了“用数据决策、用数据管理、用数据服务”的智能化治理机制。第三，数据治理是一种解决平台问题的平台治理。平台是数字经济时代兴起的一种新型商业模式，平台治理应合理界定政府、平台、第三方的权利和责任，充分发挥平台的枢纽作用和技术优势。第四，数据治理是一种摸着石头过河的自主探索治理。数字技术快速演变，世界各国尚无成熟通用的治理经验，在数据治理方式和路径的选择上，应该从我国国情出发，坚持以自主探索、依靠市场为主要方式，有效发挥行业组织和企业的主观能动性。

四、发展数据生产力的政策建议

（一）加强统筹协调，夯实数字基础设施底座

数字基础设施建设是发展数据生产力的底座，是激发新消费需求和助力产业升级的赋能平台。伴随全国各地新基建行动计划的推进，各地区在5G、物联网、大数据、人工智能等数字基础设施建设上成效显著。由于数字基建的跨区域辐射力强，各地区、各部门应加强资源融通、统筹协调，采用共建、共享、共用、共治理念与已有设施有机融合，促进传统基础设施的提质增效，最大限度避免重复建设，缩短建设周期。鼓励在行业层面推行统一运行网络、统一基础设施、统一数据资源、统一服务平台、统一安全策略、统一标准规范的原则，构建供给与需求相匹配、线上与线下相结合的产业新生态，抓住产业数字化契机补齐短板，促进产业链升级和高质量发展，持续满足人民群众对更高服务水平的需求。

（二）坚持需求导向，加快培育数字要素市场

数据要素市场化将推动技术、资本、劳动力、土地等传统生产要素发生深刻变革与优化重组，需要坚持需求导向，重点关注数据确权、数字资产评估、数据定价交易、数据流通等基础性问题。数据产权界定是数据要素有效配置的基础，需要加快建立并完善符合我国国情和经济发展需要、适应数字经济特征的新型所有权制度，健全数据要素市场法律法规和行业规范。加强对数据要素的分类管理，界定数据共享属性和权益，科学划定普遍共享、限制共享、不共享等类型和层级，在确保关系到国家安全的数据资源归政府统一管理的同时，推动建立公共数据资源的开放共享机制和商用数据资源的市场化机制。鼓励企业和民众等主体参与到数据采集、加工、应用等数据资产化的核心环节，平衡好隐私保护与数据流通中的各方利益冲突，促进数据定价标准化和数据市场规范化，科学引导数字要素有效配置，充分释放价值，并应对好数据生产力带来的生产关系变化的挑战。

（三）完善制度建设，激发多主体协同创新活力

数据生产力的发展离不开基础科学研究和应用转化。随着新一代信息技术、人工智能等数字技术的加速演进，数字领域的科技竞争加快向基础研究前移。虽然我国数字领域基础科学研究在国际上具有较好的影响力，但也存在重大原创性成果缺乏等问题，导致数据生产力所依赖的基础软件、关键材料、关键零部件等自主可控性不强。为破解这些难题，应瞄准数字科技前沿，加强基础研究前瞻性部署，发挥国家科技项目支持原始创新的作用，健全国家实验室体系，建立跨学科、跨区域实验室共建、共研、共享机制，加快基础科学人才和团队的引进和培养。此外，还要建立健全“政—产—学—研—用”融合创新机制，完善创新文化和创新制度建设，打通基层创新通路，建立企业与科研院所的研发合作机制，鼓励联合创新平台建设，形成良好的创新实践闭环。

（四）深化“数治”融合，提升社会治理现代化水平

深化“人治”“法治”与“数治”的有机融合，构建社会治理新格局。一是稳步推进“数治”工程，将数字技术和数据治理理念融入现代社会治理体系中，顶层规划基础数据库，联合法律、政治、经济、行政、教育等多部门，理顺权责关系，形成数据治理合力，营造主体共建、风险共治、成果共享的数据治理环境。二是以数字化治理推动政企服务模式优化、提升行政管理效能、促进评价机制改革，大幅减轻基层工作负担，有效提升社会治理效率。三是“数治”工程需要注意对“数字弱势群体”的保护，消除数字鸿沟，比如老年人群体等，需要配套人性化、有温度的措施来保证其权益，多措并举，全面提升基层服务与社会治理现代化水平。

---

[1] 马克思.资本论：第一卷[M].北京：人民出版社，1975：202.

[2] 阿里研究院.数据生产力崛起：新动能 新治理[R].2020.9.

[3] 腾讯研究院.数实共生—未来经济2021白皮书[R].2021.1.

[4] 吕本富.从平台经济到平台经济学[J].财经问题研究，2018，No.414（5）：12-16.

[5] 谢伏瞻.论新工业革命加速拓展与全球治理变革方向[J].经济研究，2019，54（7）：4-13.

[6] 谢康，吴瑶，肖静华.数据驱动的组织结构适应性创新——数字经济的创新逻辑（三）[J].北京交通大学学报（社会科学版），2020，19（3）：6-17.

[7] 吕本富，卢超男.数据开放与隐私保护的平衡研究[J].文献与数据学报，2020，2（3）：17-24.

[8] 张莉.数据治理与数据安全[M].北京：人民邮电出版社，2019.

[9] 杜小勇.系统探讨“数据治理”[N].人民日报，2020-09-08（20）.