「數據要素×」三年行動計劃如何落地？參與起草專家詳細解讀

12月15日，國家數據局發佈《「數據要素×」三年行動計劃（2024—2026年）（徵求意見稿）》（簡稱「《行動計劃》」）。《行動計劃》提出，到2026年底，數據產業年均增速超過20%，數據交易規模增長1倍，場內交易規模大幅提升，推動數據要素價值創造的新業態成為經濟增長新動力，數據賦能經濟提質增效作用更加凸顯，成為高質量發展的重要驅動力量。

從8年前的「互聯網+」到如今的「數據要素×」，如何看這一主體的轉變？如何理解數據要素的乘數效應？

為此，新京報貝殼財經邀請中國社會科學院數量經濟與技術經濟研究所研究員、中國社會科學院大學應用經濟學院教授、博導蔡躍洲，北京大學光華管理學院教授、本研項目執行主任翁翕，清華大學電子工程系信息系統研究所副所長王鉞，中央財經大學中國互聯網經濟研究院副院長、中國市場學會副會長歐陽日輝等《行動計劃》起草參與專家進行解讀。

蔡躍洲：「數據要素×」讓我國數字經濟進入深入發展階段

蔡躍洲表示，從8年前的「互聯網+」到當下的「數據要素×」，反映了我國數字經濟發展已經由早期數字技術（特別是新一代信息技術）推廣應用為主要內容的賦能轉型階段，進入以數據為關鍵要素並充分發揮倍增效應和乘數效應的深入發展階段。

「8年前，互聯網、雲計算、大數據等新一代信息技術加速商業化應用，催生了各種數字經濟新模式新業態，彼時開展‘互聯網+’行動計劃，有助於讓全社會充分認識到世界新一輪科技革命和產業變革正加速演進的趨勢，並積極擁抱數字經濟。」蔡躍洲提到。

蔡躍洲表示，當前，數字經濟對於中國經濟的重要性已形成廣泛共識，發揮數據要素支撐作用特別是乘數效應，對於促進我國數字經濟健康發展、支撐經濟增長、培育國際競爭新優勢至關重要。

《行動計劃》作為國家數據局正式掛牌後發佈的第一份文件，作為文件起草參與者，蔡躍洲介紹，國家數據局在起草《行動計劃》之初便邀請多位經濟學、法學、信息技術等相關領域專家參與其中，並就《行動計劃》涉及的行業領域開展專題討論，充分吸收行業領域專家意見。此次面向社會公開徵求意見，有利於充分吸收各方有益建議，並就更好地發揮「數據要素乘數效應」，形成社會共識。

《行動計劃》明確的12個行業和領域中智能製造排第一，排序有哪些考量？未來是否會「擴容」？蔡躍洲表示，實施《行動計劃》旨在盡快激活數據要素潛能，為此本著「試點先行，重點突破」原則，對12個行業和領域進行了細緻的部署。這12個行業和領域的選取，主要考慮其在我國數字經濟乃至整個經濟社會發展中的重要性、數據資源要素的積累狀況、整體數字化發展基礎等因素。

「將智能製造排在第一位的主要考量在於：製造業是實體經濟的主體，智能製造是數字經濟和實體經濟深度融合的主戰場；製造業領域整體的數字化智能化轉型程度較高；很多製造業企業從早年信息化建設開始便有意識地收集生產運營過程中各種數據，已經積累了大量的數據資源。」蔡躍洲提到。

如何理解數據要素的乘數效應？蔡躍洲介紹，數據要素的乘數效應主要可以通過以下幾種機制來實現。一是提高微觀層面企業生產經營效率。在微觀企業生產運行過程中，數據要素以及相應的數據處理、分析、傳輸手段，能夠提煉出數據中包含的有效信息並將其及時傳遞到生產運行相關環節，從而提高不同環節以及不同類型要素之間的協同性，進而提高生產經營效率。

「二是多場景複用帶來的宏觀價值倍增。數據要素具有非競爭性、非排他性和低成本複製等技術-經濟特徵，能夠同時在多個場景中發揮上述效率提升作用，從而在宏觀層面表現為價值倍增。三是有效對接供給和需求，提高全社會資源配置效率。另外，不同來源數據集進行融合匹配後可能產生更多有效信息，為生產經營帶來更大的價值提升。」蔡躍洲提到。

翁翕：流通使用是發揮數據乘數效應的核心

翁翕談到，數據要素的乘數效應具體可以體現在以下三個方面，「乘」要素方面，數據可以在生產函數中直接作用於勞動、資本、技術等傳統生產要素，通過改善微觀主體的決策效率提高全要素生產率。比如對於勞動者而言，數據可以通過灌輸更先進的知識和技術，提升人力資源素質，提高勞動生產效率；對於資本而言，數據可以通過輔助投融資決策，更精準地服務實體經濟；對於技術而言，數據可以通過促進先進技術的傳播擴散，帶動全社會生產力水平提升。

「乘」場景方面，與傳統生產要素不同，數據具有非競爭性且可以無限複製、重覆使用的特性。以氣象數據為例。它既可以應用於綠色低碳，通過優化新能源企業決策實現降本增效；又可以應用於應急管理，通過智能決策降低極端天氣氣候事件影響；還可以用於設計天氣指數保險、天氣衍生品等創新性金融服務。這意味著數據可以通過多場景複用來最大限度地釋放其價值。

「乘」數據方面，數據要素規模報酬遞增的特性意味著通過數據的多源融合可以產生1+1大於2的效果。以OpenAI公司研發Chat-GPT為例。在初始的GPT-1和GPT-2模型階段，OpenAI使用的訓練數據量分別為5G和40G，模型的訓練效果非常一般。但到了GPT-3模型，訓練數據量達到了45T（約為GPT-2的1000倍），模型的生成效果實現了爆發性的提升。翁翕認為，這充分說明數據融合可以量變引髮質變，創造新的信息和知識。

「流通使用是發揮出數據在不同行業千姿百態的乘數效應核心。」翁翕表示，一方面，無論數據是與何種事物相乘，必須流通起來才能創造出更大價值。另一方面，通過流通使用可以鼓勵市場主體逐步探索和完善數據定價體系，用市場化的手段合理評估和量化數據的經濟貢獻，有助於進一步將數據資源提升為數據資產，真正釋放其內在價值。數據的流通使用歸根到底還是要以實際應用需求為導向，儘可能地挖掘數據價值。

他表示，在許多領域，數據要素的開發利用現在仍處於摸索階段。未來應堅持市場導向、應用牽引，引導廣大市場主體豐富數據應用場景，在智能製造、智慧農業等重點領域，要按照鼓勵創新原則，留足發展空間，同時堅守數據安全底線，嚴禁簡單封殺或放任不管。對看得準、有發展前景的數據開發利用場景，要引導其健康規範發展；對一時看不準的，設置一定的「觀察期」，對出現的問題及時引導或處置。

王鉞：通過需求牽引發揮數據要素的乘數效應

在王鉞看來，從8年前的「互聯網+」到如今的「數據要素×」，都對產業產生重要影響。「互聯網+」的核心是連接，使得不同產業、不同企業、不同個體之間能夠實現更高效、更便捷的連接和協作。這種連接不僅提高了信息傳遞的速度和效率，還促進了資源的共享和優化配置，為產業的發展提供了新的動力。

數據要素的乘數效應則表現為「協同」、「複用」和「融合」三種賦能機理，在深度和廣度上都是對「互聯網+」的拓展。數據要素的「協同」效應不僅僅指不同主體之間的協同，還可以是不同要素之間的協同，以協同提高全要素生產率；「複用」效應充分利用數據低成本複製的特點，通過在不同領域、不同場景、不同主體之間推動數據的重用釋放數據新價值；「融合」效應則通過將不同品類、不同來源的數據彙集到一起，發揮數據的規模效應，以量變推動質變，催生新應用、新業態。

如何有效發揮出不同行業千姿百態的乘數效應？王鉞認為，數據要素和產業結合可以促進不同行業的快速發展，這需要從供給和需求側協同發力。一方面需要數據要素的供給側改革，加強數據要素的相關制度建設，推動有條件的地區開展公共數據授權運營。同時，還需要在需求側通過試點示範充分展示數據要素的乘數效應，並具體分析不同行業的業務需求，以便確定哪些行業可能會最先獲益。

歐陽日輝：增加數據要素供給以穩固數字經濟發展基礎

歐陽日輝表示，從「互聯網+」到「數據要素×」，是隨著數字經濟發展，支撐數字經濟發展的重要要素發生變化的規律性結果，是政府把握數字經濟發展趨勢和規律，積極推動我國數字經濟健康發展的重要舉措。

他提到，2015年推出「互聯網+」，當時互聯網是推動數字經濟發展最重要的生產力，或者說技術。有了互聯網的發展才能說有真正意義上的數字經濟。

「數據成為生產要素進入經濟系統，是一個逐步的過程。2015年以後，隨著互聯網發展和在各行業的應用，數據逐漸成為我們的生產、生活中的重要要素。經過這幾年的探索，數據在經濟中的重要性越來越凸顯。」歐陽日輝表示。

他提到，2017年總書記提出要構建以數據為關鍵要素的數字經濟，是重大的理論創新。我國把數據界定為數字經濟的「關鍵要素」，實際上我們目前還沒有達到把數據作為經濟發展關鍵要素這一步。

歐陽日輝認為，經過五年多的實踐，我國發展數字經濟逐漸由數字技術推動，轉變為數字技術和數據要素雙輪驅動。這時，從國家層面推出「數據要素×」行動計劃，符合經濟發展規律，把握了數字經濟發展趨勢，順應了市場需求，體現了有為政府和有效市場的結合，將有力地推動數字經濟加快開展。

《行動計劃》為何成為國家數據局正式掛牌後發佈的第一份文件？歐陽日輝表示，從政策供給和需求的角度來說，政策出台是相關政府部門給市場供給政策，政策要真正得到有效實施的話，必須是需求方（市場）對政策有一定的認可度，對政策里涉及內容的利弊有預判，才能最大限度地發揮政策效果，才會有透明、可預期的監管效果。

「目前，市場對如何使用數據要素、數據要素到底能夠發揮什麼作用、到底能得到政府什麼樣的政策支持，市場一直持有很高的期望。」歐陽日輝介紹，近年來，一方面，關於數據方面的治理，比如大數據殺熟、反壟斷等，讓市場認識到數據治理的重要性。另一方面，數字平台或者說平台企業在商業領域不斷地創新業態和模式，數據對企業發展越來越重要，但已有法律法規關於數據治理變得更嚴格後，關於這些平台擁有的數據和外部數據到底怎麼用，大家都不敢動。所以，市場主體對數據要素的相關政策出台抱有很大期望。

「我們在提草過程中，調研很多企業，它們都反映這個問題，整個市場對數據要素到底怎麼用，怎麼讓數據要素供出來、流動起來、用起來都抱有很大期望。所以，順應市場的需求，國家數據局成立以後出台的第一份文件就是這個行動計劃。」歐陽日輝介紹。

他提到，在《行動計劃》起草過程中做了大量調研，文件中提到的12個行業和領域都調研到了，他們給我們提供了大量的素材和政策建議，彙集起來就是市場需求或政策訴求。特別是公共數據涉及面廣，政府部門既是數據供給方也是政策供給方，如何把公共數據拿出來，國家數據局在這方面也做了大量的溝通工作，逐步達成供需平衡或供需意見的一致性。整個文件起草過程中，如何平衡市場需求方和相關部門的政策供給方的關係是最大難題，工作量也最大。

《行動計劃》明確的12個行業和領域中，為何智能製造排第一？排序有哪些考量？歐陽日輝介紹，對12個行業和領域的排序有多重考慮。第一，按照三次產業、公共服務來排序；第二，根據《「十四五」數字經濟發展規劃》中重點行業數字化轉型提升工程的要求；第三，製造業是我國經濟的壓艙石，要深入實施智能製造工程，綜合各方意見，我們把智能製造排在第一位。在排序的時候，我們還考慮了市場可以做的儘量交給市場去做，比如，金融行業對數據的使用相比於其他行業相對成熟，《行動計劃》中沒有過多部署，只在金融產品和服務、風險防控兩個方面提出了方向。綜合考慮行業對數據的需求度有多大，或者說數據要素對這個行業的發展影響有多大等，有些行業需要政府出面多推動，我們就把這些行業往前排一排。

「目前可能不會再考慮擴容。這12個行業和領域是經過多方論證確定的，具有一定賽前分析性，也符合當前的實際情況。所以，我覺得至少是在這三年規劃之內，擴容的可能性不大。當然，隨著數字經濟的進一步發展，在下一個三年行動計劃或者五年規劃中，應該會根據市場的需要，對行業和領域及其排序做出適調。」歐陽日輝表示。

怎麼理解數據要素的乘數效應？歐陽日輝認為，「數據要素×」是數據融入生產、分配、流通、消費和社會服務管理等各環節，發揮協同、複用和融合作用，對其他生產要素、經濟總量和服務效能產生擴張效應，提升效率、釋放價值和創新發展，推助構建以數據為關鍵要素的數字經濟。在穩定的經濟系統中，伴隨經濟活動產生的數據不斷增加，在數字技術支撐下持續迭代積累，數據的價值能夠得到倍增或者擴張。

「數據要素的乘數效應可以大致分為兩部分：一是瞬時性的，提高單一要素價值的轉換倍增效應；二是持續性的，優化經濟系統循環的循環倍增效應。在兩種效應的共同作用下，數據要素能動態地、持續地作用於其他要素並產生更多的數據，數據的倍增帶來要素投入增加和要素投入產出效率提升，最終促進全要素生產率與經濟效率的提升。」他提到。

如何有效發揮出不同行業千姿百態的乘數效應？歐陽日輝認為，在要素層面健全數據整合機制，增加數據要素供給以穩固數字經濟發展基礎。注重經濟生產過程中隱性產出的積累，將隱性產出中的數據資源有序整合是發揮數據要素乘數效應的首要工作。特別是在數據基礎設施建設中，應堅持以點帶線、以線促面，分階段推進各行業、各領域、各地區的數據基礎設施建設，逐步提升數據要素的原始積累。

「在產業層面豐富數據應用場景，提升要素運轉效率以探尋高速發展契機。數據的價值在於應用，應用的關鍵在於場景。發揮數據要素的乘數效應必須以應用場景為基礎，運用大數據的理論、技術探尋解決問題的方案與實踐。當務之急是，加快打造公共數據開發利用的應用場景，強化公共數據資源高效彙聚和公共服務能力持續提升的良性互動機制，豐富公共數據價值創造模式。在制度層面完善數據制度，營造健康的數據流通產業生態，保障數據價值釋放。數據要素的規製完善是實現規模性數字化轉型的重要條件，也是確保數據要素在數據產權、流通交易、收益分配和安全治理等方面健康發展的前提。」歐陽日輝表示。

新京報貝殼財經記者 陳維城  程子姣 見習記者 韋英姿

編輯 張冰 校對 劉軍