翁翕：数据要素市场发展

作者：翁翕 北京大学光华管理学院教授

去年12月15日，国家数据局发布《“数据要素×”三年行动计划（2024—2026年）（征求意见稿）》（简称“三年行动计划”）。三年行动计划提出，到2026年底，数据产业年均增速超过20%，数据交易规模增长1倍，场内交易规模大幅提升，推动数据要素价值创造的新业态成为经济增长新动力，数据赋能经济提质增效作用更加凸显，成为高质量发展的重要驱动力量。

从8年前的“互联网+”到如今的“数据要素×”，如何看这一主体的转变？三年行动计划提出的背景是什么？主要内容有哪些？如何理解数据要素的乘数效应？数据要素的发展又需要哪些学术支持？

数据要素市场发展的背景

数据要素市场的提出源自2020年印发的《关于构建更加完善的要素市场化配置体制机制的意见》，这一文件首次提出培育数据要素市场，这也是在全球范围内首次提出数据要素这一概念。而2022年发布的“数据二十条”，则是数据要素市场发展的纲领性文件。

数据要素为什么如此重要？以大数据、人工智能为代表的信息技术迅猛发展，并掀起了新一轮的技术与商业革命，也让我们认识到了它们的重要性。

现在数字经济已经形成了一个数实融合、数据要素和人工智能的铁三角，我们不能单纯的去看待数据要素，而是说数实融合产生了数据要素，数据要素训练了很多人工智能大语言模型，同时这些模型又进一步赋能数实融合发展。从这一角度看，数据要素是数字经济发展非常重要的一环。

三年行动计划聚焦工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳这12个行业和领域，推动发挥数据要素乘数效应，释放数据要素价值。

目标在2026年底，打造300个以上示范性强、显示度高、带动性广的典型应用场景，涌现出一批成效明显的数据要素应用示范地区。

同时，数据产业年均增速超过20%，数据交易规模倍增，推动数据要素价值创造的新业态成为经济增长新动力。

在许多领域，数据要素的开发利用现在仍处于摸索阶段。未来应坚持市场导向、应用牵引，引导广大市场主体丰富数据应用场景，在智能制造、智慧农业等重点领域，要按照鼓励创新原则，留足发展空间，同时坚守数据安全底线，严禁简单封杀或放任不管。对看得准、有发展前景的数据开发利用场景，要引导其健康规范发展；对一时看不准的，设置一定的“观察期”，对出现的问题及时引导或处置。

如何理解数据要素的乘数效应？

数据要素的乘数效应具体可以体现在以下三个方面：

“乘”要素方面，数据可以在生产函数中直接作用于劳动、资本、技术等传统生产要素，通过改善微观主体的决策效率提高全要素生产率。比如对于劳动者而言，数据可以通过灌输更先进的知识和技术，提升人力资源素质，提高劳动生产效率；对于资本而言，数据可以通过辅助投融资决策，更精准地服务实体经济；对于技术而言，数据可以通过促进先进技术的传播扩散，带动全社会生产力水平提升。

“乘”场景方面，与传统生产要素不同，数据具有非竞争性且可以无限复制、重复使用的特性。以气象数据为例。它既可以应用于绿色低碳，通过优化新能源企业决策实现降本增效；又可以应用于应急管理，通过智能决策降低极端天气气候事件影响；还可以用于设计天气指数保险、天气衍生品等创新性金融服务。这意味着数据可以通过多场景复用来最大限度地释放其价值。

“乘”数据方面，数据要素规模报酬递增的特性意味着通过数据的多源融合可以产生1+1大于2的效果。以OpenAI公司研发Chat-GPT为例。在初始的GPT-1和GPT-2模型阶段，OpenAI使用的训练数据量分别为5G和40G，模型的训练效果非常一般。但到了GPT-3模型，训练数据量达到了45T（约为GPT-2的1000倍），模型的生成效果实现了爆发性的提升。这充分说明数据融合可以量变引发质变，创造新的信息和知识。

流通使用是发挥出数据在不同行业千姿百态的乘数效应核心。一方面，无论数据是与何种事物相乘，必须流通起来才能创造出更大价值。另一方面，通过流通使用可以鼓励市场主体逐步探索和完善数据定价体系，用市场化的手段合理评估和量化数据的经济贡献，有助于进一步将数据资源提升为数据资产，真正释放其内在价值。数据的流通使用归根到底还是要以实际应用需求为导向，尽可能地挖掘数据价值。

数据要素发展亟需学术支持

从三年行动计划来看，数据要素市场未来三年将迎来爆发性增长，而且现在地方政府发展数据要素市场的热情高涨，有“数据将成为未来的一大风口”、“未来将以数据财政代替土地财政”等各种说法。数据市场作为一种崭新的市场形态，并没有任何现有理论来指导其发展，现在还处于各地竞相探索阶段。

同时，在地方实践中也看到数据市场面临着要素化、市场化、价值化的多种挑战。数据要素化主要需要解决数据确权、价值挖掘和形成稳定需求和供给等问题；数据市场化则需要建立完善的数据市场体系、公平高效的收益分配机制并形成合理的交易价格；数据价值化则是解决数据资产入表评估问题，形成一套行之有效的数据资产估值体系。在很多现实场景中，这些挑战相辅相成，交织在一起。

因此数据要素市场的发展在鼓励地方先行先试的同时，也需要在发展中规范、在规范中发展，有很多理论问题和实践问题，亟需学术界的支持。

在理论问题方面，包括纳入数据要素的新生产函数，数据要素与其他生产要素的协同联动机制及其对全要素生产率的贡献，构建数据要素生产、流通、分配等基础性经济理论等；在实践问题方面，包括数据要素典型应用场景的案例总结与推广、数据要素使用和流通效率的评估方法、数据资源盘点和数据资产入表等。

在“健全数据基础制度，推动数据开发开放和流通使用; 适度超前建设数字基础设施，加快形成全国一体化算力体系；推动解决数据跨境流动等问题”上，亟需学界更深入地参与，为数据要素的进一步发展提供智力支持，无论是理论方面还是实践方面，推动数据要素市场化配置，激发要素价值，助力数字中国建设。