数据要素促进新质生产力发展的理论逻辑与实践路径——基于马克思主义生产力理论视角

新质生产力是马克思主义政治经济学基本原理同新时代数字经济发展实践相结合的产物，是对马克思主义生产力理论的创新与发展。在数字经济时代，数据是推动科技创新的关键生产要素，而科技创新是发展新质生产力的根本驱动力。然而，当前数据要素促进新质生产力发展的理论逻辑尚不清晰、实践路径仍不完善。为此，依据马克思主义政治经济学中的生产力理论对这一问题进行研究。

首先，基于马克思主义生产力理论，从生产要素发展和强化劳动者协作两个维度，对数据要素赋能新质生产力发展进行定性研究，并利用理论分析与逻辑解构相结合的方法，对数据要素在社会再生产各环节中所发挥的作用进行分析；其次，研究发现当前我国数据要素价值释放不充分，面临诸多问题，包括数据要素供给不充足、数据驱动创新能力较弱、数据要素市场化进程缓慢、数据流通不顺畅以及数字劳动力短缺等；最后，针对上述问题提出对策建议，如加快构建数据资源供给体系、发挥数据要素乘数效应、规范数据要素市场发展以及注重数字人才培育等。以期为释放数据要素价值并赋能新质生产力发展提供理论支撑和实践指引。

2023年9月，习近平总书记在黑龙江考察时提出，要“整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力”。随后，习近平总书记在多次讲话中对“新质生产力”加以阐释并特别指出，“新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。它由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志，特点是创新，关键在质优，本质是先进生产力”。马克思在《1844年经济学哲学手稿》中提出“生产力”一词，认为生产力是历史主体具有的能力，是一种动力而非现象。马克思的生产力理论包含宏观历史维度和微观经济维度的内容。其中：历史维度是探讨生产力对生产关系和上层建筑的决定性作用，并揭示社会形态变迁的物质动因；经济维度是探讨生产力在资本主义经济活动中的产生动因，并揭示生产力的内因和变革机制。马克思在历史维度上将揭示资本主义社会生产力发展内部矛盾并寻找解决这一矛盾的方案视为必须完成的任务，同时通过在微观经济维度剖析资本主义生产力来揭示这一矛盾。因此，只要资本主义社会没有终结，这个任务就不过时。这为以生产力理论阐述新质生产力发展提供了依据。马克思主义生产力理论将推动生产力发展的主要因素归纳为生产要素发展和强化劳动者协作两类。其中：生产要素发展有两层含义，一是原有生产要素升级，二是新型生产要素加入；强化劳动者协作体现在劳动者对劳动资料的协同使用上，通过协作能够提高社会劳动生产率，进而形成新的生产力。

近年来，我国高度重视数据要素的发展，先后出台了一系列政策文件：《关于构建更加完善的要素市场化配置体制机制的意见》提出，数据是继土地、劳动力、资本、技术之后的第五大生产要素；《“十四五”数字经济发展规划》提出，要充分释放数据要素价值，激活数据要素潜能；《关于构建数据基础制度更好发挥数据要素作用的意见》从数据权属、流通交易、收益分配和安全治理等4个方面，提出发挥数据要素作用的意见；《“数据要素×”三年行动计划（2024—2026年）》确定了发挥数据要素乘数效应的12个重点领域；《关于加快公共数据资源开发利用的意见》提出了扩大资源供给、规范授权运营等17项措施。而新质生产力在生产要素配置方面弱化了对土地、资本等传统生产要素的依赖，强化了数智技术的赋能作用和创新的驱动作用。同时，新质生产力所具有的高科技、高效能、高质量等本质属性决定了其需要引入新的生产要素并对传统要素进行优化组合。作为新型生产要素，数据要素是指以计算机“可读”的形式存在，通过“计算”参与社会再生产活动并具备流通利用价值，能为其所有者或使用者带来经济效益的数据资源。数据要素通过自身及其与传统要素的融合发挥作用，实现要素资源的优化配置，从而促进科技进步，提升全要素生产率；而数据要素与数智技术的融合，助力劳动者协作呈现出数智设备互联、互通、互操作的特性，并加速数据融合，进而扩展协作范畴、延长协作链条、提高协作效能，最终提升全要素生产率。新质生产力发展的核心标志恰是全要素生产率的提升。此外，新质生产力形成意味着生产力发展水平发生了质变。根据生产力决定生产关系、经济基础决定上层建筑的原理，新质生产力会引发生产关系和上层建筑的变革，形成新型生产关系和新型上层建筑。

新质生产力源自马克思政治经济学中的生产力理论，其中蕴含着一个重要的思想——“主导生产力发展的生产要素会不断发展变化，生产力的静态属性和动态功能会伴随主导生产要素的发展而不断发展”。因此，对于新质生产力的研究，既要以马克思主义生产力理论为根基，又要注重生产要素的影响。然而，当前数据要素促进新质生产力发展的作用机理尚不清晰。一方面，数据要素和新质生产力均是新兴事物，都存在需要从理论层面进行探究的问题；另一方面，促进数据要素价值释放的政策措施仍有待完善。在此背景下，有必要从数据要素价值释放的视角就新质生产力展开研究。

目前，学界对新质生产力的研究主要包括以下几个方面。①对新质生产力内涵特征的分析。潘建屯和陶泓伶通过文献分析和理论探究，概括出新质生产力具有的三大内涵要素：科技创新、新兴产业和未来产业、高质量发展。②新质生产力培育路径研究。焦方义和杜瑄利用固定效应模型分析发现，发展数字经济是培育壮大新质生产力的关键；于凤霞提出，人工智能对发展新质生产力具有助推作用。③新质生产力的历史逻辑和生成逻辑研究。李弦利用马克思政治经济学中的劳动过程理论分析新质生产力的生成过程，提出应通过发挥数据要素的赋能作用，促进劳动者、劳动资料及劳动对象的优化组合；程娜和王璐从数字技术赋能的角度研究了新质生产力的生成逻辑，提出要注重数字技术应用以及数据要素与传统生产要素的融合。④新质生产力的测度指标体系研究。曹东勃和蔡煜从信息生产力、绿色生产力和创新生产力等3个维度构建了新质生产力测度指标体系。⑤新质生产力对经济社会发展的影响及贡献研究。方创琳和孙彪基于地理学视角分析了新质生产力在驱动城乡融合发展中的作用；郭晗和侯雪花提出了以新质生产力推进产业升级的有效路径。⑥地方层面因地制宜发展新质生产力的举措研究。刘志彪等以江苏为研究对象，提出依托产业转型促进江苏新质生产力发展的对策；伊彤归纳了当前北京发展新质生产力的做法，提出进一步提升战略科技力量协同攻关能力等建议。此外，国外学者关于新质生产力的研究相对较少且多为间接性研究。例如：Doorn和Badger探究了在数字经济背景下工业4.0对生产力发展的影响；Pham从马克思主义生产力理论视角审视了第四次科技革命带来的生产力变革。

总体而言，目前对于新质生产力的研究尚处于探索阶段并存在以下不足：①对于新质生产力的理论逻辑探究未能体现马克思主义生产力理论的根源性作用，未从生产力发展视角分析新质生产力的原创性价值。②缺乏从生产要素发展角度探讨新质生产力形成理论逻辑的研究；而数据作为新型生产要素，具有复用增效、协同优化和融合创新的作用。③对新质生产力形成标志的研究大多集中在由科技创新和产业变革带来的社会影响上，未能从全要素生产率提升的角度进行诠释，而数据要素所具有的乘数效应以及对劳动协作效率的赋能作用恰能提升全要素生产率。④现有研究受限于“要素论”观点，认为提高要素资源的质量便会加速新质生产力的形成，忽视了要素资源优化配置的作用；而数据要素具有乘数效应，能够通过与传统生产要素融合来实现资源的优化配置与再生。

与已有研究不同，本文以马克思主义生产力理论为基础，注重数据作为新型生产要素在生产力发展过程中的作用发挥，从优化生产要素和强化劳动者协作两个维度出发，探究数据要素能否以及如何促进新质生产力发展，并解构其理论逻辑，同时分析现存问题，最终提出对策建议。

1 数据要素促进新质生产力发展的理论逻辑

马克思主义生产力理论将构成劳动过程的要素概括为有目的的活动或劳动本身、劳动对象和劳动资料，并将这3类要素归纳为人的要素（劳动者）和物的要素（劳动对象、劳动资料）。其中，劳动者是社会价值创造的主体，劳动者的劳动活动是创造一切价值的源泉；劳动过程是社会生产过程的主要组成部分，构成劳动过程的要素便是生产过程的要素，即生产要素。马克思主义生产力理论将生产力视为生产能力及生产要素的发展；生产力的发展本质上是人生产能力的发展，并在生产要素的发展中得以切实体现。生产力发展过程中存在外部和内部两种关系。外部关系是生产力与生产关系之间的关系，主要内容是生产关系是生产力发展的界限，即生产力在一定生产关系界限内的变化是量变，超出界限的变化则是质变。内部关系是人的要素与物的要素之间的关系，主要内容是将物的要素中的生产工具视为生产力发展的标志物。生产工具的性质和特征既决定着生产力的属性和功能，也决定着人的要素与物的要素之间的关系，这意味着生产工具的变革势必会引发生产力水平的质变。

在数字时代，数据成为新型生产要素，这本身就是生产力发展的一种体现。数据要素的出现及其作用发挥伴随着数智技术的广泛应用，形成了基于数据流动和信息互联的生产组织形式，孕育出基于数据的新型生产关系并反作用于生产力发展。同时，数智技术的应用会推动形成新的生产工具，进而加速生产工具变革，促使生产力发生质变。在实践中，数据要素在数智技术的加持下融入社会生产和管理服务，发挥其放大、叠加、倍增的乘数效应，并作用于生产、流通、消费、分配等社会再生产环节，实现数据要素与传统生产要素的融合，进而提高单一要素资源的配置效率和产出效率，促使劳动者、劳动资料和劳动对象发生质变，由此引发生产力水平“质”的跃迁，形成新质生产力。因此，新质生产力代表着现阶段生产力发展的根本性质变。数据要素促进新质生产力发展的理论逻辑如图1所示。

1.1 数据要素的作用载体与作用形式

在数字时代，数据不仅能够参与经济社会活动，直接创造社会价值，还能与传统生产要素融合，驱动传统生产要素升级，优化资源配置，间接创造社会价值，进而促进新质生产力发展。

首先，数据要素能够促进规模报酬递增。数据要素因具有非排他性和无限增长性，能够突破传统生产要素供给有限对经济发展造成的制约，创造更多价值增量；数据被复用于多个场景中，能够推动多学科、多领域的知识渗透，创造出新知识，获得更多价值增量。

其次，数据要素能够加速科技创新。数智技术的广泛应用催生出海量数据，通过对海量数据的汇聚融合能够提升科研效率。例如，基于海量生物数据构建起的人工智能模型能在几小时内预测出之前需要花费几年时间才能得到的蛋白质分子构造。

再次，数据要素能够加速传统产业升级，催生新产业、新业态、新模式。数据要素能够提升传统产业的数智化水平，促使其生产方式和组织模式发生变革，实现产业结构的转型升级；同时，围绕数据采集、清洗、标注等环节，各类数据型企业发展壮大，形成了数据原生产业和数据标注师等新兴职业。

最后，数据要素能够加速传统生产要素的优化组合。对数据进行深度挖掘，能够降低要素交易成本和减少信息交互偏差，进而以数据流引领人流、物流、资金流的方式实现资源优化配置。

数字时代下的劳动者协作普遍存在于生产、流通、消费、分配等社会再生产环节，呈现出跨主体、跨区域、跨行业流动的态势。数据要素与数智技术的结合驱使劳动者之间的协作表现为基于数据的数字化劳动资料应用协同，进而强化协作链条上节点间以及单一节点内部各环节间的协作，最终促进新质生产力发展。

一方面，数据要素强化了不同节点间的协作。数据要素与数智技术结合能够促进社会再生产各环节中劳动者与实体生产资料的实时互联，并实现数据的实时共享，形成生产、流通等环节在线互联的数据链和智能化设备运转的协同链，推动业务链条上不同岗位人员的协同劳动以及各类设备的协同作业。同时，数智技术的运用使劳动者协作以数据驱动的数字化劳动资料协同应用的方式进行，促使劳动者协作呈现出数智设备协同和业务数据融合的特征。

另一方面，数据要素强化了单一节点内部各环节之间的协作。数据要素能够推动扩大企业的生产规模，助力企业将分散在不同部门、不同地域的劳动资料连接起来，实现企业内部生产过程的数据共享和跨主体的生产协作，进而扩大劳动协作与劳动资料协同的范围。数据要素还能提高商品流通环节中交易、储存、运输等阶段的协作水平，如通过传感器、物联网等技术采集商品流通过程中产生的业务数据，再利用智能算法预测商品销售走势，优化库存数量和运输路线，进而降低成本。

1.2 数据要素的作用环节

数据要素通过赋能社会再生产各环节，促进生产资料升级和全产业链优化，推动全要素生产率提升，引致生产力水平“质”的跃升。①数据要素赋能生产环节，为流通、消费、分配环节的高效运转提供保障；②数据要素赋能流通环节，促进生产商与消费者精准对接；③数据要素赋能消费环节，促进生产方式转型升级和流通效率提升；④数据要素赋能分配环节，提升收益分配机制的公平性，进而激励各类主体加大数据要素投入力度。

1.2.1 生产环节

数据要素在生产环节的赋能作用体现在生产要素创新、数据驱动研发及生产过程协同等3个方面。

首先，将数据列为生产要素是对生产要素理论的创新。

数据要素由数智技术催生而成，具有多主体生成、多场景复用的技术特征，以及低成本复用、规模报酬递增的经济特征。数据要素使得劳动协作由人与人协作升级为人机协作或数智设备之间的协作，从而提高协作的精准度和时效性。数据要素还能够促进数据原生产业发展，提升数字经济核心产业效益，使劳动协作过程产生的数据创造经济价值。而数据要素与传统生产要素的融合，能够形成基于数据的生产要素表现形式，使得要素资源配置方式由实物配置转变为数据匹配。

其次，数据要素驱动了研发过程的数字化转型。

将海量数据融入产品设计过程能够修正研发方向、优化研发路线，使研发决策由依赖员工经验的传统方式转变为“数据+算法”的数字化方式，从而规避因人为经验误差造成的研发失败。数据要素还能够打破产品研发各参与方的时空界限，促使协作方式由人员交流转变为数据融合。

最后，数据要素加速了产品生产过程的协同进程。

企业通过对产品制造、组装等环节过程数据的采集与分析，推动产品生产各环节的协同由实体空间向数据空间延伸，实现生产流程各环节的紧密衔接。若企业在生产过程中使用数智设备，数据要素就能以此为基础实现不同设备间的智能化互联、互通、互操作，推动产品生产的精细化和高效化。

1.2.2 流通环节

数据要素在流通环节的赋能作用主要体现在提升流通效能和优化流通链条两个方面。

其一，数据具有低成本复制、多场景复用的特点，使得搜集、处理、分析、传输数据等环节的经济成本大幅降低甚至趋近于零，进而助力降低流通成本。数据要素作用于商品流通环节，能够从各参与方的行为数据中挖掘出高价值属性信息，使得流通环节的协作方式由实体空间中的人、机器等实体交互转变为数字空间中的信息融合，从而提升流通效能。

其二，数据要素能够实现对流通环节各参与主体及其行为的数字化表征与精准识别，以此为基础企业能够通过数据级联分析的方式来优化流通链条，强化链条上各主体间的协作。

1.2.3 消费环节

数据要素在消费环节的赋能作用主要体现在供需精准对接和消费模式升级两个方面。

其一，物联网、云计算、人工智能等数智技术的应用使得商品属性信息等被完整记录，消费者依托互联网便可精准获取商品信息，并与商品制造方进行实时交互，将自身的个性化需求直接传递给制造方，从而参与产品研发、设计、生产的全过程；商品供给方也能依托互联网获取消费行为数据，并对其进行多维度分析，及时准确地得到需求变化信息，进而优化产品研发、设计、生产等环节。由此，实现商品需求方与供给方的精准匹配。

其二，数据要素催生出直播购物、跨境电商等在线消费模式，形成随时随地在线购买全球商品的场景；数据要素还催生出共享消费、即时零售等基于平台经济的消费模式，衍生出数字消费、虚拟消费等场景；元宇宙等技术催生出基于Web3.0的消费模式，通过虚实结合的方式使消费者预先获得商品的使用体验，形成沉浸式的消费场景。

1.2.4 分配环节

数据要素在分配环节的赋能作用主要体现在优化要素组合、促进要素增值及推动要素共享等3个方面。

首先，数据要素能够优化生产要素组合。

数据要素通过与传统生产要素融合，促使单一要素资源由低能级产出端向高能级产出端流动，提高生产要素内部的资源配置效率和产出效率。数据要素作用于分配环节，能够加速生产、流通、消费等环节的资源优化配置，推动产业链、供应链、价值链、创新链的高效融合与优化组合。

其次，数据要素能够促进要素增值。

数据要素通过与传统生产要素结合，能够形成数据资产甚至数据资本，使数据成为独立的商品并进行交易，同时还能作为抵押物进行融资、贷款。数据要素通过促进传统生产要素资源优化配置，能够加快要素价值生成，提高社会再生产各环节收益，形成新业态、新产业和新市场。

最后，数据要素能够推动要素价值共享。

数据要素能够助力弥合发展鸿沟，缩小城乡、区域、群体等多方面的差距，促进要素价值的释放和全员共享。数据要素具有可复制性和非独占性，这就决定了以数据为要素的分配行为更加高效和公平。

1.3 数据要素的作用途径与实现目标

在数字时代，生产力具有新的表现形式，即具备数字素养的劳动者利用数字化劳动资料作用于突破时空界限的劳动对象，生产力的作用场景从单一的实体空间向数实同构的双重空间拓展，促使劳动者协作方式升级。

1.3.1 催生出新质劳动资料

首先，数据要素能够形成数据生产资料。

数据被嵌入社会再生产的各环节中，驱动不同环节以及单一环节内部各参与主体高效协作，推动数据生产要素创新，形成以数据为基础的新质生产资料；数据原生产业直接将数据转化为产品，并通过技术研发、场景应用等方式释放其价值，形成以数据为核心要素的新质生产资料；人工智能技术推动了科技创新和产业变革，数据作为训练人工智能产品的先验信息，能够融入产品的研发、优化及应用全链条中，形成数据驱动的新质生产资料。

其次，数据要素能够加快传统生产资料升级。

数据要素可以驱动传统生产资料网络化集成并催生出工业互联网，依托数据与算法的融合，实现生产设备、原材料等传统生产资料的紧密连接与高效协同，进而推动传统生产资料的网络化升级；在生产过程中嵌入物联网、边缘计算等技术，可驱使生产设备根据实时测量所得的数据优化生产流程，并赋予传统设备智能化作业和自主优化的能力，实现传统生产资料的智能化改造；将能源互联网、物联网应用于生产环节，能够实时获取能源消耗、原料投放等数据，并根据数据分析精准定位低能效环节，进而针对性引入低碳节能技术，提高传统能源利用率和资源循环使用率，实现传统生产资料的绿色化转型。

最后，数据要素能够催生出新质劳动工具。

数据要素能够直接催生出以人工智能大模型为代表的新质劳动工具，并驱动其不断迭代升级；数据要素通过与数智技术交互，形成以数据为原材料、以算法与算力相结合为劳动工具的数据生产力，其通过将数据“喂入”算法并在算力设施中开展运算来提高生产效率；数字化平台作为发展数字经济的新质劳动工具，能以“数实融合、虚实相生”的方式驱动传统生产要素结构升级与资源优化，提高劳动资料的利用效率和产出效能；数据要素能够加快通用技术对专用技术的替代进程，实现由专用技术条件下“流水线”生产模式向通用技术条件下“模块化”制造模式的转变。

1.3.2 孕育出新质劳动对象

首先，数据要素能够孕育出数字化劳动对象。

数据要素能够突破传统劳动对象的生产时空界限，拓展出“虚实同构”的数字化发展新空间；数据要素具有规模报酬递增性，对数据进行复制与复用不会造成其价值贬损，而通过多维度分析不仅能增加数据的价值，还能发挥数据价值的聚合效应；数据是数据相关产业发展的基础性资源，对其进行开发利用能够催生出数字化劳动对象，形成数据驱动的新产业、新业态和新模式。

其次，数据要素能够升级传统劳动对象。

数据要素与传统生产要素融合促使后者呈现出数智化特征和新质形态，进而成为新质劳动对象；数据要素与数智技术交互，能够孕育出元宇宙空间等非物质形态的新质劳动对象，并通过“虚实相生”实现物质形态劳动对象的虚拟化、数字化；数据要素还能够推动物质形态劳动对象的升级改造，提高新能源、新材料的研发效率，加快新能源、新材料的替代进程。

最后，数据要素还能形成竞争新优势。

数据要素能够催生出以数智化为特征的新竞争优势，并重塑依托资源禀赋形成的传统竞争优势，形成数智化创新集群；数据要素与数智技术的结合，推动互联网用户行为及其情感表达成为新型劳动对象，而数字化平台借助互联网广泛连接、资源共享的特征，使不同商家能够平等地获取用户数据，并将相关数据嵌入产品研发和生产过程，形成新质竞争形态。

1.3.3 培育出新质劳动力

首先，数据要素能够提高劳动者的数字素养。

数据要素对社会再生产各环节的渗透推动了数智技术的广泛应用，促使企业着手培养掌握数字技术的新型劳动者；数据要素作用于劳动力要素，能够激发劳动者的数据思维，驱动其探寻数据背后的业务逻辑，促使劳动者的行为决策由经验驱动向数据驱动转变，助力其在同等劳动时间内创造更多价值；数据要素催生出互联网经济等数字化商业模式，以及数据驱动的人机协同机制，创造出新型组织形态与学习模式，有助于提高劳动者的数字素质。

其次，数据要素能够拓展劳动主体边界。

数据要素催生出“零工经济”模式下的新型职业群体，拓展了劳动主体边界；数据要素与元宇宙技术结合，能够生成数字人等虚拟现实产品，从而催生出数字化劳动主体。

最后，数据要素能够优化就业结构。

数据要素对就业具有正负双向作用，对复杂劳动和创新性劳动发挥正向赋能作用，对简单劳动和重复性劳动发挥负向替代作用；数据要素能够驱动劳动力资源优化配置，在数字化平台和智能算法的助力下，实现劳动力资源优化组合，创造出高附加值的就业形态，进而推动就业结构的整体跃升。

2 数据要素促进新质生产力发展的主要挑战

当前，我国已初步建立有利于数据要素发展的政策体系，促进数据要素融入社会再生产各环节，使劳动者、劳动资料和劳动对象均呈现新的形态，加速了数字经济的发展。2023年，我国数字经济规模超55万亿元，其核心产业增加值占GDP的10%左右；算力和存力总规模均位居全球前列；以DeepSeek为代表的人工智能技术取得新突破，高性能计算持续处于全球第一梯队。此外，数据要素市场日趋活跃，2023年数据生产总量达32.85 ZB，同比增长22.44%，数据存储总量达1.73 ZB。然而，新质生产力的发展不是由量变推动的规模扩张，而是由质变引发的结构性变革，表现为“创造性破坏”与“创造性转型”的统一。这意味着数据要素在促进新质生产力发展的过程中势必会对传统生产力及其构成要素产生冲击。因此，在新旧动能转换期，要充分释放数据要素价值，及时调整发展动力。事实上，当前我国数据要素价值的释放尚不充分，在数据要素供给、数据驱动创新、数据要素市场化、数据要素流通以及数字劳动力供给等方面存在不足。

2.1 数据要素有效供给不充足

数据要素的有效供给是赋能新质生产力发展的前提。然而，当前数据供给存在“质”与“量”的双重约束。

首先，数据质量问题突出。数智技术不断迭代导致技术漏洞频发，数据完整性遭到破坏，进而影响数据分析结果的准确性。

其次，数据资源开发不充分。部分地区将公共数据视为国有资产，因此仅对国有单位开放使用，提高了其他单位的使用门槛；公共数据产品由政府组织开发，因此仅适用于少数组织，难以广泛服务社会公众；许多企业尚未理清其数据资源底数，数据治理能力普遍不强，致使企业数据资产入表困难；现行法律虽然保护了公民个人数据的安全，但在一定程度上也限制了数据的流动。

再次，数据垄断现象严重。部分高质量数据被少数企业占有，大多数企业很难获取；企业出于自身利益考虑，不愿提供所拥有的数据，导致数据共享受阻。

最后，数据安全问题突出。随着数据要素融入社会再生产各环节，企业或个人可能遭受网络攻击和系统入侵，致使私有数据面临被恶意操作的安全隐患，进而导致企业和个人不愿提供具体数据。

2.2 数据要素驱动创新不力

科技创新是发展新质生产力的核心要素，而发挥数据要素对创新的乘数效应能够提升创新效能。然而，当前我国数据驱动创新仍存在许多堵点卡点。

首先，核心数智技术的自主研发能力不足。在操作系统、芯片等领域，我国的研发实力远落后于国际先进水平，用于软件开发、模型训练的系统软件未实现国产化。

其次，数据要素对实体经济发展的赋能不够。第一、第二产业数实融合程度远落后于第三产业，而第三产业中生产性服务业的占比较低。不同行业数智技术嵌入程度不一，不同地区数字经济发展水平也不同步，全国一体化的现代化产业体系难以形成。

再次，数据驱动的创新体系不完善。阻碍数据流动的机制性障碍仍然存在，数据孤岛现象加剧并影响对数据深层次价值的挖掘，跨主体、跨部门的数据协同困难。

最后，数据要素融入前沿科技研发困难。数据要素大多以原始数据的形式存在于不同的数据空间，未能被及时获取；数商企业更关注数据交易行为，忽视数字技术创新，数据领域的研发投入不足。

2.3 数据要素市场化发展缓慢

数据要素作用发挥的关键是数据要素市场化。其以数据价值化为前提、以数据基础设施建设为支撑、以数据监管政策落地为保障。但对于数据要素市场化，当前我国仍存在三方面不足。

首先，数据价值化实现困难。

数据市场发展不规范，交易机构多由政府部门设立，同质化竞争严重，且数据市场的场内交易与场外交易不互通，导致全国统一的数据要素大市场难以形成；数据确权难度大，数据要素由多主体相互作用生成，导致数据持有权、使用权和经营权的界限不清晰，数据归属与收益治理模式不明确；数据要素定价困难，数据可同时应用于多个场景，且在不同场景中体现不同的价值，这种复杂性会增加其价值度量的难度，进而导致数据估价标准不统一。

其次，数据基础设施不完善。

信息安全技术理论上能够解决数据流通中的安全问题，但在实践中难以满足信息安全需求，要有配套的基础设施予以保障。然而，数据基础设施建设需要投入大量资金，且我国区域、城乡、行业间发展差距明显，导致数据基础设施建设不均衡。

最后，数据相关法律法规不完善。

数据流通领域的法律法规存在缺失，现行法律法规主要面向网络安全和信息保护，未针对数据流通、市场准入等给出法律界定，致使数据的流通利用缺少法律保护；防范数据垄断的法律法规存在缺失，数据要素具有的可复制性使其不适用于《中华人民共和国反垄断法》，现行法规未对数据垄断给出明确的法律定义，进而难以判定企业的数据垄断行为；行业自治、组织自律的数据监管体系尚未形成，数据要素监管的主体、客体及依据等内容尚不明确，数据领域执法、司法等的工作程序也有待进一步完善。

2.4 数据要素流通不顺畅

数据要素正加速渗透至千行百业，因此数据的有效流通十分重要。然而，数据割裂现象的存在限制了数据要素的高效流通。

首先，数据交易机制不健全。当前数据要素大多以原始数据的形态存在，其资源化和资产化进展缓慢；不同数源单位的接口标准不统一，增加了数据安全风险和交易规则制定难度。

其次，数据共享不充分。数据来源方常出于维护自身优势的考虑而不愿共享数据，造成数据共享不畅；同时，可信的数据共享协议和平台缺失，导致不同组织间的数据交互困难；数据监管政策在不同行业间存在差异，也增加了数据共享的复杂性。

最后，公共数据开放度较低。公共数据授权运营模式主要有整体授权、分领域授权和依场景授权3种，不同模式下的技术方案不完全兼容，导致数据基础设施重复建设；公共数据收益分配机制不完善，导致其管理成本增加，数据开放的可持续性难以保障。

2.5 数字劳动力短缺

数据要素对社会再生产各环节的渗透加速了高端劳动力市场的发展，也会对中低端劳动力市场产生替代和挤出效应。

首先，中低技能劳动力失业风险增加。数据要素与数智技术结合加速产品生产流程向智能化方向演进，导致从事简单劳动的劳动者被机器替代，增加技术性失业风险；数据要素赋能作用的发挥依赖于数智设备的应用，这会提升劳动者的就业门槛，导致难以掌握数智技术的劳动群体失业。

其次，数字劳动力供给存在数量不足、质量偏低、结构失衡等三重困境。当前数字劳动力供给与数字经济发展所需的数字劳动力规模差距明显，高校按专业培养人才的模式难以满足数字时代对复合型人才的需求。2023年，我国数字化综合人才缺口超2 500万，存在人才供给不充足、结构不合理等问题。

最后，数字劳动力分布不均衡。数字劳动力主要聚集在数字经济蓬勃发展的地区或行业。在区域分布上，主要聚集在经济发达的东部沿海地区，中部、西部及东北部地区较少；在城乡分布上，主要聚集在一、二线城市，三线城市及农村地区较少；在行业分布上，主要聚集在第三产业，其次为第二产业，第一产业较少。

3 数据要素助力新质生产力发展的实践路径

无论是数据要素还是新质生产力，当下均处于理论研究和实践探索的初始阶段。这就意味着要想以数据要素价值释放来促进新质生产力发展，需要从理论层面和实践层面提出系统性的对策并加以推进，政府部门还需要从政策层面给予支持。因此，为破解当前数据要素促进新质生产力发展过程中存在的挑战，须从数据要素价值释放的视角，厘清新质生产力的发展逻辑、选择实践路径并提出对策建议，具体如图2所示。

3.1 加快构建数据资源供给体系，夯实数据赋能根基

高质量的数据供给是数据要素赋能新质生产力发展的前提。然而，当前我国数据资源供给不足，致使数据赋能作用受限。因此，构建数据资源供给体系十分重要，需要从数据基础设施建设、数据资源开放、数据产权登记等维度进行分析并提出对策。

首先，加快数据基础设施建设与数字技术创新。

数据要素供给的前提是数据生成，而数据基础设施可以为数据生成提供场所和工具，数字技术创新可以保障所生成数据的质量和安全。为此，一方面，要注重政府投资，采用多元投入的模式，发挥财政资金的杠杆效应和引导带动作用，吸引社会资本参与数据基础设施建设和数字技术创新；设立“数字技术创新”专项项目，并采取揭榜挂帅的组织方式，确保研究成果直接应用于数据生成环节。另一方面，加快“东数西算”国家大数据计算工程的实施，提升已有数据基础设施的运营效能，分区域合理布局算力资源，优化算力供给与需求关系，保障数据供给体系功能完备、分布均衡。

其次，分类推进数据资源开放。

①对于公共数据，鼓励行业内搭建数据资源库及数据治理平台，构建以数据目录为基础的一体化公共数据管理体系，吸引社会力量参与数据授权运营，扩大数据开放的受益群体。

②对于企业数据，制定数据分级分类标准和数据质量评价标准，确保数据顺利入表；强化企业生产经营过程中数据的汇聚、整理，支持通过数据标注平台等渠道开放数据，面向已开放数据的企业发放数据券。

③对于个人数据，出台数据授权使用规范和保护制度，完善受托方代表数据来源方行使数据持有权、使用权和经营权的机制，支持数商企业对授权后的个人数据进行开发。

最后，推进数据产权登记。

对数据产权进行登记能使其获得法律认可，进而保障数据供给方权益。为此，须构建数据产权登记服务体系，满足企业或个人的产权登记和存证管理需求；规范数据产权登记流程，制定面向数据价值评估、数据应用场景认定等数据产权登记环节的政策措施；建设数据产权登记服务平台，依托第三方机构开展公共数据产权登记，探索针对企业数据和个人数据不同的产权登记模式和数据流转机制。

3.2 发挥数据要素乘数效应，加速数据驱动创新

新质生产力的显著特点是创新。创新范式先后出现了4种——技术驱动、需求牵引、供需对接、系统集成，目前正向数据密集型范式迁移，发挥数据驱动作用是促进创新的关键。然而，当前我国数据驱动创新的动力不足，制约着新质生产力的发展。在此背景下，发挥数据要素对创新的乘数效应至关重要，需要从数据产业、数实融合、创新生态等维度进行分析并提出对策。

首先，开发数据产业。

数据要素与传统生产要素融合，能够发挥其对传统生产要素放大、叠加、倍增的乘数效应，由此扩展传统要素的增值空间，催生出数据产业。须推动“云、边、端”协同发展，开展关于数据采集、标注、治理等的技术创新活动以及数据安全技术研发活动；建设高速泛在的数据传输网和高效敏捷的数据处理中台，完善行业标准和规则规范；打造数据领域创新平台，加大财政对数据领域原始创新的支持力度，鼓励企业牵头建设数据产业创新联合体、数据技术开源平台及社区，并引导企业参与运营。

其次，深化数实融合发展。

数据要素的出现加速了信息传播，推动了数智技术与实体经济的融合，进而驱动技术创新。

一方面，推进第一、第二产业的数字化转型。加大数字技术在农业和工业领域的应用，优化产业活动的流程；推动智慧农业、智能制造等新业态发展，实施“数据要素×”试点示范工程，孵化新技术、新产品、新应用。

另一方面，推进数字经济跨区域协同发展。立足国家大数据战略，统筹布局和调配全国数据资源、算力资源及电力资源；推动数字经济发达区、较发达区和欠发达区的联动协作，因地制宜制定推动区域数字经济发展的产业政策。

最后，构建数字创新生态。

数据要素将物理世界映射到数字空间中，使物理世界中的创新行为在数字空间中得到验证，从而形成数字创新生态。应加强元宇宙领域的技术攻关，将元宇宙关键技术纳入国家重大科技项目，支持元宇宙领域的原始创新；一体化推进元宇宙技术研发、标准制定、治理体系建设，鼓励地方优先布局相关产业；支持国内企业参与国际元宇宙标准制定，推动国内外标准衔接，引导不同产业、行业、企业利用元宇宙技术组建数字空间创新联合体，加速多领域的知识交流与技术整合。

3.3 规范数据要素市场发展，创新数据流通模式

数据是发展新质生产力的核心要素，而数据要素的发展需要规范有序的市场环境予以支撑。然而，当前我国数据要素市场发展不规范、数据标准不健全，导致数据要素流通不畅。因此，需要从基础制度、流通体系、规则规范等维度进行分析并提出对策。

首先，完善数据要素市场基础制度。

数据要素市场的发展依赖于数据确权、流通、收益分配等相关基础制度的建立与完善。为此，须建立健全数据确权制度，支持行业协会和龙头企业开展数据权属、交易规则、资产统计与核算等研究，制定数据标准规范；形成数据流通制度，建立数据流通交易规则，完善场内交易激励机制和场外交易监督机制；打造数据要素市场信用体系，通过解决“信任痛点”激活数据要素价值；建立多元化争议解决机制，制定数据纠纷调解、仲裁等基础制度；细化数据收益分配机制，健全初次分配由市场决定、二次分配由政府调节、三次分配由社会调节的分配机制。

其次，优化数据要素流通体系。

数据要素具有高流动性，意味着其价值实现依赖于要素流通体系的建设。

①加快建设全国统一的数据要素大市场，支持京津冀、长三角等地区建设区域数据交易市场；鼓励数商企业通过购买来获取数据持有权、使用权和经营权，并引导其开发数据产品。

②推进数据流通平台建设，统筹完善国家级数据交易体系，优化区域数据交易所布局，推进行业数据交易所发展，鼓励国资及民资企业组建数据集团；发挥数据交易所、数据共享平台在交易撮合、场景认定等方面的作用，围绕“数据要素×”的12项重点任务，推进数据交互与业务协同；完善公共数据开放平台，编制开放数据目录，建立公共数据开放需求受理反馈机制。

③推进数据要素跨境市场建设试点、数据跨境流动安全管理试点及离岸数据交易平台试点等项目；加强数据跨境流动监管，推动数据合规能力审核与数据内容合规性审核相结合。

最后，构建数据要素规则规范体系。

数据要素的生成与流动离不开数据要素市场和应用场景的合法化与合规化，这需要加强数据要素规则规范体系的建设。

为此，一方面，需要以数据领域现行法规为基础，制定数据权属、市场交易、收益分配等相关的法律法规并明确其司法解释，鼓励各省份制定地方性数据相关条例；制定或修订数据基础设施、数据管理与服务、训练数据集等方面的国家标准或行业标准，推进数据流通平台建设标准和数据格式、软硬件接口等技术标准的制定。

另一方面，建立多元协同的数据要素市场监管体系，发挥政府的主导作用，推动行业治理、机构自律、社会监督及公众参与的联动；构建涵盖数据流通全过程的合规监管体系，探索将数据要素流通监管纳入市场经济监管体系。

3.4 注重数字人才培育，形成数字时代的高素质劳动力集群

数据要素赋能新质生产力发展是数据要素与劳动力要素融合并发挥乘数效应的结果，需要掌握数智技术的劳动者作支撑。然而，当前我国数字人才缺口较大且后备梯队建设不完善。因此，需要从高校教育、继续教育及产学研合作等维度进行分析并提出对策。

首先，支持高校开设数据要素相关专业。

高等院校肩负着数字人才培养和数字技术创新的双重使命。为此，须推动高校人才培养机制改革，引导高校开设云计算、元宇宙、数字经济等相关专业，并在专业教学中设立数据科学相关的课程和实践环节；加强师资队伍建设，支持高校教师到企业兼职，建立完善的企业导师制度，鼓励数据专业教师赴海外访学；探索数智技术专业“本、硕、博”贯通培养模式，加强数智技术相关专业的学术型研究生和专业型研究生的培养。

其次，推进数智技能培训与继续教育相结合。

数智技术的迭代创新催生出新模式和新业态，需要持续提升数字化人才素养。一方面，政府可整合社会资源建设智能化的在线公共学习平台和资源数据库，引导失业人员参加培训，同时面向农村和边远山区开展数字技能培训；另一方面，企业可在税收减免等政策的激励下，积极安排员工参与面向业务场景的数字技能培训。

最后，以产学研合作助力数字人才培育。

数据要素作用发挥的关键是与传统生产要素充分融合，这需要高效应用数智设备。在此过程中，培育应用型人才至关重要。为此，应鼓励企业和科研院所参与高校人才培养，通过共建数字技术实训基地等方式培育应用型人才；鼓励高校教师负责数智技术研究项目，组织在读学生参与项目研发；支持纳入“双高计划”的职业院校面向产业一线需求开设数据相关专业，培养职业技能人才。

4 结论

马克思主义生产力理论将推动社会生产力发展的力量归纳为生产要素发展和劳动者协作两类。在数字时代，数据作为新型生产要素，其与传统生产要素的融合能够提高单一要素配置效率，实现要素资源的优化配置与再生，进而提高劳动生产效率。数据要素与数智技术结合，能够推动基于数字化设备体系的新质劳动资料泛在互联、自动互通和敏捷互操作，缩短商品生产的社会必要劳动时间。本文从马克思主义生产力理论视角对数据要素赋能新质生产力发展的逻辑进行解构，有助于厘清数据要素赋能新质生产力发展的具体机制，探明发展新质生产力的有效路径，主要得到以下结论。

数据作为新型生产要素能够激发新的发展动能，成为催生新产业、新业态和新模式的关键要素。数据要素既能通过自身发挥作用，也能通过与传统生产要素的融合来促进后者的创新升级。数据要素还能助力将传统生产要素纳入协作链条，实现人与人、人与物以及物与物的泛在连接。其不仅能加强劳动者协作，还能渗透到生产、流通、分配、消费等社会再生产各环节，并发挥乘数效应，加速各环节的价值生成与报酬递增。因此，数据要素的赋能效应无处不在，其通过对经济活动的深刻影响催生新质劳动资料、孕育新质劳动对象、培育新质劳动力，最终形成新质生产力。

综上，培育壮大新质生产力，既要加强数据要素发展与数智技术创新，发挥数据作为新型生产要素的作用，更要注重数据要素与传统生产要素融合的效用以及由此带来的劳动协作效率提升。据此，本文提出以下建议：①通过构建数据资源供给体系来夯实数据赋能根基；②通过发挥数据乘数效应来加快数据驱动创新；③通过规范数据要素市场发展来创新流通模式；④通过加强数字人才培育来形成高素质劳动力集群。上述措施能够有效激发数据要素在发展新质生产力过程中的乘数效应，加速新质生产力的涌现。

本文来源于《创新科技》2025年第6期。李博，天津市科学技术发展战略研究院高级工程师。文章观点不代表主办机构立场。

◆ ◆ ◆

编辑邮箱：sciencepie@126.com