傅建平：激活数据要素，让民营企业“轻装上阵”

随着《民法典》颁布及司法解释的不断出台，《公司法》《中华人民共和国民营经济促进法》等法律法规相继修改与颁布，民营企业家的权益保护话题被提上案头。9月20日，京都民营经济高质量发展论坛在北京成功举办。

本文为雄安新区未来城市公共服务研究院院长傅建平在论坛上的主题演讲，整理以飨读者。

傅建平

雄安新区未来城市公共服务研究院院长

大家下午好！很高兴参与京都民营经济高质量发展论坛。数字化发展给经济社会带来了非常巨大的机遇，同时也会面临着很大的不确定性。民营经济作为整个国民经济中的生力军，如何把握机遇、应对挑战、实现高质量发展是我今天想要分享的话题。下面从方向在哪里、挑战在哪里，路径在哪里等三个方面来分享几点初步思考。

一、把握数据要素化、市场化和价值化改革方向

近几年来大家对数据要素，人工智能都不陌生，这是经济生活中一个非常重要的热词，对于它们之间的关系。首先看AI，一提起AI可能牌桌上的老阿姨和老太太们也能说两句，我的理解，AI应该是目前衡量现在的社会生产力发展水平的一个重要标志，全球主要的发达国家也将AI作为一个非常重要的战略竞争高地。

对于数据要素，大家仁者见仁、智者见智，我的观点是“得数据者得天下”。对于AI来说，数据的质量和稳定可持续的供给体系，成为事关AI发展水平的“天花板”。我们现在正在进行数据要素市场化的配置改革，以及人工智能+行动计划，这两者之间是非常紧密结合的，可以说数据要素和人工智能深度融合，足以成为改变社会大生产方式、促进社会进步、推动全面高质量发展的重要引擎。

对于这个可以重塑未来价值革命的重要引擎，它将带来五大底层逻辑的改变。第一，生产工具的革新，由传统的“人力密集”向“智能主导”转变。具身智能和智能体现在都比较活跃，以后可能是智能体和智能体之间来进行相互密切的一些协作，智能主导这一块是非常重要的。

第二，场景驱动价值释放，从“数据堆砌”到“智能决策”。为什么叫数据要素，之前叫数据资源，数据资源一个非常直观的感觉就是数据的堆砌，存储、治理和应用从要素的视角来看，如何把静态的数据资源转换成现实的数据生产力，进而参与到具体生产经营决策中去，这可能是未来非常重要的变化趋势。

第三，数据生态的重塑，从“数据割裂”到“可信共享”。造成数据供不出、流不动、用不好的短板，在于数据的割裂，条块化的分割还是比较严重的。数据是需要进行可信共享的，因为不同数据进行融合之后，会有不一样新的发现，能够成为我们观察世界又一个视角。

第四，中小微企业角色转换，从“边缘参与者”转变为“创新主体”。民营企业占中小微企业的绝大部分，占96%以上，中小微企业在产业链条里面是属于非常末端的，能不能通过数据要素和人工智能的加持，我们叫“AI平权”，能够实现角色的转变，从边缘的参与者到真正的创新主体，数据要素化市场的建设一定是占绝大多数的中小微企业积极参与进去，才能建成的，中小企业的潜力是非常巨大的。

第五，制度与技术的双规驱动，由“野蛮生长”到“规范发展”。比如发动机一定要装在底盘上，底盘就是制度的保障或者约束。对于数据市场这一块，与其它要素市场相比，更多的强调是顶层设计，制度先行。一开始就不是野蛮生长，这一块涉及到规范发展和合规发展，需要法律来进行保驾护航。

从整个发展阶段来看，可以自豪的说我们已经是一个“数据大国”了，数据产生量在世界上已经数一数二了，但是我们对于数据的存储、治理和应用，现在还是有很大的短板，这涉及到一个问题，就是如何让我们现有的数据规模优势转化成经济社会发展动能，以及国际数字竞争优势，我认为在数字时代很长历史时期里面的一个重要的时代命题。

一是发挥民营企业生力军作用。据统计民营企业，占到了整个企业用户的92%，这个比例非常之高，能不能激发92%中小微企业的积极性，让他们成为真正的创新主体，这个需要深化数据要素市场化配置改革，全面推进人工智能+行动，在数字中国建设战略的指引下，朝着向数据强国目标来进行迈进，这个是可以期待的。

二是持续完善数据相关的法律法规。《民营经济促进法》首次确立了数据作为数据生产要素的法律地位，这是在法律上第一次，意义非常重大。大家都熟悉的国家数据二十条，那是数据领域政策层面的顶层设计，但不是法律层面的。这对于数据要素的学界、产业界和企业界，都觉得比较振奋的。

《民营经济促进法》构建了“数据要素×民营经济”完整的法律框架，明确了市场的参与机制、安全保障机制及价值实现机制，为民营企业参与数据要素市场建设提供了法律保障。市场参与机制明确了民营企业平等使用、合规使用数据，是公平竞争的起跑线，之前模糊的，现在用明确的法条把它界定出来了。

《民营经济促进法》对数据要素的性质做了三个原则界定，即，共享性、普惠性、安全性。关于数据要素的特性，学术界和产业界仁者见仁、智者见智，该法给出了明确的界定，通过共享性原则打破数据割裂，通过普惠性原则降低数据流通成本，通过安全性原则划出了法律的红线和底线，严法才能促善治，在合规情况下让数据创造出更多的价值，促进数据向现实生产力的转化。

三是健全数据政策和组织机制。国家陆续出台了数据二十条、人工智能+行动计划等一系列配套政策。同时，建立起从国家数据局到省市县的数据组织体系，这些都是为民营企业或者民营经济，公平参与、平等使用数据要素，以及相应的人工智能技术，促进降本增效、融资创新和转型升级，创造了非常好的政策环境。

二、应对数据壁垒、供需失衡、能力不足等挑战

机遇与挑战并存。将数据确定为生产要素是一个重大理论创新，而让数据成为生产要素是一个实践问题，一个涉及到方方面面的系统性工程。

一般意义上的生产要素应该达到的四个条件，第一个条件是普遍存在，数据肯定是达到了，我们已经是“数据大国”；其它三个条件低成本获得、大规模的流通、直接用于生产，数据仍存在很大短板亟待补齐，所以数据要素化是一个实践问题，是一个复杂的系统工程。

第一，数据割据局面已形成，二八原则适用于数据领域。80%数据资源是掌握在公共管理和公共服务机构、大型数字平台企业以及行业龙头企业等20%“数据大户”手中，导致数据供不出、流不动、用不好，而中小微企业及民众作为数据的创造者，在生产经营过程中对数据可获得性和利用性存在很大的差距，有些民营企业应该是有感觉的。如何让失衡的“数据天平”能够平衡，不说是绝对平衡，将是数据要素市场化配置改革必须要解决的问题。通过市场化的手段让天平向中小微企业去倾斜，让数据大户反哺或者带着中小微企业一起享受数据红利。

第二，各地数据发展不平衡、不充分。我在清华的时候，我们的团队对地方数据发展情况做了量化的分析，越发达的地区供需匹配度差距是越大的，需求很旺盛，但有效供给还是远远不够的，缺口很大。在数据供给方面是气血不足，在流通方面表现是经络不畅，如果想象成一个人，这个人肯定是不健康的。

归纳为五大基本矛盾，即，数据供需之间的结构性矛盾、数据的公共性与市场化的路径矛盾、数据的垄断与流通开放的生态矛盾、场外流通与场内交易的模式矛盾、权责分离和问责悬置的制度性矛盾。现在有一些观点把这两个对立来看，场外就是不合规的，是菜市场，场内是超市，这两者不能对立起来来看，场外点对点的交易，没有把它定义为数据要素的时候，它已经是存在的，大多数是按照合同来约定责权利，是受合同法的保障，不能简单一棒子打死。对场内是一个探索的方向，它是一个增量，场外是一个存量，如何盘活存量，激发增量？国家数据局正在做全国一体化市场的指南，我们相信这些矛盾会被逐步解决的。另外，激励错配，数据供给方承担了无限责任，那么他就不愿意把数据流出去，怎么把这个责任和利益进行结耦，这个也是在实践探索中不能回避的一个问题。

第三，面临理论与实践的脱节、数据制度不健全、各类组织数据能力不足等三大挑战。放眼来看其他几个生产要素，他们都有上百年的历史，土地更有上千年的历史，问题和挑战都暴露出来了。数据要素属于探索性极强的一个新兴事物，被确立为生产要素，也只有短短几年，其价值运动规律还没有被充分认识，其问题还没有被充分暴露，存在制度困境、能力困境、理论困境是可以理解的。

我们总结的这三大挑战，归根到底是脖子以上的问题，就是思想和理念需要进行更新的，不能用管农业的思路，管工业的思路来管数据，到底如何来管？按照数据特性来管，数据特性是什么？大家都还没有形成共识。现在法律上确定的是共享性、普惠性和安全性，如果是按照法律规定的三大特性来对照着目前所做的实践，其实有好多是需要进行完善、修改和补齐的。

关键所在，一是要冷静看待数据要素化“三个核心命题”。二是要正确处理“两个基本问题”，来应对以上的主要挑战和深层次矛盾。

第一个命题，如何去看待数据要素，到底是一个“主材”还是一个“辅材”？它是独立性的吗？它自己能独立干事，这是一个非常重要的问题。我的一个观点，数据一定是依附于其他生产要素，通过要素不同的配比和创新来发挥它的价值和作用，单独拿出来其实意义不是很大。如果是过分的来强调数据的独立性，可能是有点问题。

第二个命题，数据确权是前提还是障碍？从经济学来看，确权为了降低交易成本，促进要素流通，目前来看数据没有一个放之四海而皆准的确权方案，只能在一个具体的场景里面，确定数据的利益相关方，才有可能把数据的权责利说清楚。如果一股脑说清楚产权，然后再去做，那可能是一个障碍。当然要以国家主管部门相应产权制度出来之后，大家有一个准绳，那么对数据流通和使用是非常大的推动作用，这也是我们所期待的。

第三个命题，数据交易是目的还是手段？其实数据在流通环节是不产生价值的，而在生产环节创造价值，流通环节转化价值，应用环节实现价值。

透过现象看本质。对于我们以上提到的发展困境、主要矛盾和问题挑战，现场每个人都能说出七八条数据要素化的问题，我把它归结成两个基本问题。

第一个基本问题，人与数据的关系，人是指自然人或者法人，属于生产力层面，即驾驭数据的能力。

第二个基本问题，围绕着数据价值运动背后所形成的人与人的关系，属于生产关系层面，即调整利益相关者关系，根本上是需要法律来进行调节的，这是最难的。

因此，推进数据要素化、市场化、价值化改革，建立与数据生产力相适应的数据生产关系，改变社会大生产方式，朝着智能化、数字化、网络化方向来发展。

三、走出一条中国特色数据治理与发展的实践路径

路径在哪里？其实不用教企业该干什么、怎么干，企业是在商言商，是数据市场的经营主体，只是说谈一下自己不成熟一些想法。

第一，政府引导。对于人工智能和数据要素，大家都感觉前景很广阔，但是风险又很大的情况下，谁来干？政府应该是冲在前面的，政府掌握了大量的公共数据，公共数据也是数据要素的重要组成部分，最能体现法律立法里面提到的共享性、普惠性。所以，以公共数据的开发和利用为先导性工程，推动公共数据和全社会数据融合，推动数据向现实生产力转化。国家数据局出台了“1+3”公共数据开发利用的政策体系，这一块工作应该说口子会越开越大，全社会对公共数据获取的渠道，会开得越来越宽。

第二，企业主体。企业才是创造数据价值的动力源泉，政府是营造环境的。要强化企业创新主体的地位，央国企等行业龙头企业要“带头干”，平台企业要“鼓励干”，中小企业要“帮着干”，最终形成大中小企业“一起干”的良好工作局面。只有通过政策的引导，企业的参与，要形成大家“一起干”的氛围，企业主体才能立起来，数据要素与人工智能在生产环节的广泛应用才能落到实处。

其中，对于民营企业，有几点建议，一是要充分利用政策红利，政策已经很多了，方向也很明确，关键是在落实，各类组织数字化能力大部分还是不足的，有一个中小企业数字化转型报告，目前转型率不到30%，70%的中小企业受制于数字化转型的问题，所以这也是中小企业非常难的一个点。

二是要苦练内功，建立健全数据治理和合规体系，这一块涉及到产业链的大企业是有相应的社会责任，帮助中小企业来做这些事，当然是需要市场化的手段去推动此事。

三是要积极参与数据市场的建设，现在一些国有企业都比较积极，各地都成立了数据集团，专门去做区域数据市场建设工作，同时行业的大户、龙头，还有地方政府都在积极推动。但是很少对中小企业的声音发出来，如何调动中小企业参与市场的积极性？《民营经济促进法》明确提出来要鼓励公平参与到数据市场建设，要平等使用公共数据，要合理使用全社会的数据，创造了公平的起跑线。

四是要聚焦垂直领域，宏观链条上是大企业来干的，对于垂直领域的垂直场景恰恰是可以作为长尾效应，中小企业大有作为。再就是加大数字化人才和技术的投入。

第三，建设全国一体化市场。这个要等着国家相应市场化指南出来，大家就会很明确了。对于公共数据，一个很重要的属性就是普惠共享，如何在企业不敢干的情况下，以公共数据，以低成本、大批量、规模化向社会供给，这是政府应该干的事。

因为公共数据取之于民，用之于民，它的本质是要创造更多的公共价值，这个价值不仅仅是经济价值，不是说把公共数据围起来去卖钱，这个格局就太低了，只关注了最下面的经济价值，往上还有社会价值、服务价值、政治价值等更多公共价值。要平衡数据开放、共享、授权运营的渠道，以后会不会有更多的渠道，通过智能体的方式出去，实践已经探索了，拓展价值释放的渠道。

对于公共数据，还要强调的是平等使用，不能说大企业优先，对于各类经营主体都应该平等的使用，对于涉及到公共数据授权运营“利益统筹”，任何一项改革就是利益格局的调整，数据市场化配置改革也是要调整数据背后的利益相关者的关系。如何保障数据大户利益的情况下，用市场化的手段来撬动他们的积极性，供给的动力，让更多的中小微企业、民营企业来享受数据红利、政策红利，这一块是考验利益统筹的能力。所以公共数据开发利用一定要算大账。

第四，夯实技术支撑的底座。前几年我做一些政策咨询，最近也是负责雄安研究院，我们联合华为等合作伙伴探索“全密态可信数据空间”实践，来对如何在一定的空间里面去推动数据的供给、流通和可信利用，实现“数据不出密态、数据可算不可见”，通过技术手段切实保障利益相关方的权益，让他们在全密态的可信空间里面来实现数据的敢流通、不失控、可追溯，可信、可控和可证。达到高安全、高效率和低成本的有效平衡，能够使中小企业零门槛来接入，目前有几个典型的城市正在落地，希望有需要的中小微企业参与进来。

第五，培育良好的数据生态。需要志同道合的生态伙伴，这背后体现在价值观层面的，很重要的一块就是凝聚价值共识，这个是管长远的。政府、企业和社会要共同努力营造一个良好的创新氛围和公平竞争的环境。政府要划好“红白线”，设置好“红绿灯”，企业要知道边界在哪里。要开正门，堵偏门，开正门的力度还应该更大一些。数据要素事关国家的数字竞争能力，同时也事关每个企业，每个人的合法权益保障。希望社会各界共同努力来构建一个价值共创、利益均衡、责任共担的数据共同体。

最后，向大家推荐《数据发展之路》这本书是我们在地方探索的经验总结，数据要素是实践问题，是一个系统工程，需要从实践中来，到实践中去。谢谢！