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“《行动计划》”）。《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？如何理解数据要素的乘数效应？

为此，新京报贝壳财经邀请中国社会科学院数量经济与技术经济研究所研究员、中国社会科学院大学应用经济学院教授、博导蔡跃洲，北京大学光华管理学院教授、本研项目执行主任翁翕，清华大学电子工程系信息系统研究所副所长王钺，中央财经大学中国互联网经济研究院副院长、中国市场学会副会长欧阳日辉等《行动计划》起草参与专家进行解读。

中国社会科学院数量经济与技术经济研究所研究员、中国社会科学院大学应用经济学院教授、博导蔡跃洲。图/受访者供图

蔡跃洲：“数据要素×”让我国数字经济进入深入发展阶段

蔡跃洲表示，从8年前的“互联网+”到当下的“数据要素×”，反映了我国数字经济发展已经由早期数字技术（特别是新一代信息技术）推广应用为主要内容的赋能转型阶段，进入以数据为关键要素并充分发挥倍增效应和乘数效应的深入发展阶段。

“8年前，互联网、云计算、大数据等新一代信息技术加速商业化应用，催生了各种数字经济新模式新业态，彼时开展‘互联网+’行动计划，有助于让全社会充分认识到世界新一轮科技革命和产业变革正加速演进的趋势，并积极拥抱数字经济。”蔡跃洲提到。

蔡跃洲表示，当前，数字经济对于中国经济的重要性已形成广泛共识，发挥数据要素支撑作用特别是乘数效应，对于促进我国数字经济健康发展、支撑经济增长、培育国际竞争新优势至关重要。

《行动计划》作为国家数据局正式挂牌后发布的第一份文件，作为文件起草参与者，蔡跃洲介绍，国家数据局在起草《行动计划》之初便邀请多位经济学、法学、信息技术等相关领域专家参与其中，并就《行动计划》涉及的行业领域开展专题讨论，充分吸收行业领域专家意见。此次面向社会公开征求意见，有利于充分吸收各方有益建议，并就更好地发挥“数据要素乘数效应”，形成社会共识。

《行动计划》明确的12个行业和领域中智能制造排第一，排序有哪些考量？未来是否会“扩容”？蔡跃洲表示，实施《行动计划》旨在尽快激活数据要素潜能，为此本着“试点先行，重点突破”原则，对12个行业和领域进行了细致的部署。这12个行业和领域的选取，主要考虑其在我国数字经济乃至整个经济社会发展中的重要性、数据资源要素的积累状况、整体数字化发展基础等因素。

“将智能制造排在第一位的主要考量在于：制造业是实体经济的主体，智能制造是数字经济和实体经济深度融合的主战场；制造业领域整体的数字化智能化转型程度较高；很多制造业企业从早年信息化建设开始便有意识地收集生产运营过程中各种数据，已经积累了大量的数据资源。”蔡跃洲提到。

如何理解数据要素的乘数效应？蔡跃洲介绍，数据要素的乘数效应主要可以通过以下几种机制来实现。一是提高微观层面企业生产经营效率。在微观企业生产运行过程中，数据要素以及相应的数据处理、分析、传输手段，能够提炼出数据中包含的有效信息并将其及时传递到生产运行相关环节，从而提高不同环节以及不同类型要素之间的协同性，进而提高生产经营效率。

“二是多场景复用带来的宏观价值倍增。数据要素具有非竞争性、非排他性和低成本复制等技术-经济特征，能够同时在多个场景中发挥上述效率提升作用，从而在宏观层面表现为价值倍增。三是有效对接供给和需求，提高全社会资源配置效率。另外，不同来源数据集进行融合匹配后可能产生更多有效信息，为生产经营带来更大的价值提升。”蔡跃洲提到。

北京大学光华管理学院教授、本研项目执行主任翁翕。图/受访者供图

翁翕：流通使用是发挥数据乘数效应的核心

翁翕谈到，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。翁翕认为，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。”翁翕表示，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。

他表示，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。

清华大学电子工程系信息系统研究所副所长王钺。图/受访者供图

王钺：通过需求牵引发挥数据要素的乘数效应

在王钺看来，从8年前的“互联网+”到如今的“数据要素×”，都对产业产生重要影响。“互联网+”的核心是连接，使得不同产业、不同企业、不同个体之间能够实现更高效、更便捷的连接和协作。这种连接不仅提高了信息传递的速度和效率，还促进了资源的共享和优化配置，为产业的发展提供了新的动力。

数据要素的乘数效应则表现为“协同”、“复用”和“融合”三种赋能机理，在深度和广度上都是对“互联网+”的拓展。数据要素的“协同”效应不仅仅指不同主体之间的协同，还可以是不同要素之间的协同，以协同提高全要素生产率；“复用”效应充分利用数据低成本复制的特点，通过在不同领域、不同场景、不同主体之间推动数据的重用释放数据新价值；“融合”效应则通过将不同品类、不同来源的数据汇集到一起，发挥数据的规模效应，以量变推动质变，催生新应用、新业态。

如何有效发挥出不同行业千姿百态的乘数效应？王钺认为，数据要素和产业结合可以促进不同行业的快速发展，这需要从供给和需求侧协同发力。一方面需要数据要素的供给侧改革，加强数据要素的相关制度建设，推动有条件的地区开展公共数据授权运营。同时，还需要在需求侧通过试点示范充分展示数据要素的乘数效应，并具体分析不同行业的业务需求，以便确定哪些行业可能会最先获益。

中央财经大学中国互联网经济研究院副院长、中国市场学会副会长欧阳日辉。图/受访者供图

欧阳日辉：增加数据要素供给以稳固数字经济发展基础

欧阳日辉表示，从“互联网+”到“数据要素×”，是随着数字经济发展，支撑数字经济发展的重要要素发生变化的规律性结果，是政府把握数字经济发展趋势和规律，积极推动我国数字经济健康发展的重要举措。

他提到，2015年推出“互联网+”，当时互联网是推动数字经济发展最重要的生产力，或者说技术。有了互联网的发展才能说有真正意义上的数字经济。

“数据成为生产要素进入经济系统，是一个逐步的过程。2015年以后，随着互联网发展和在各行业的应用，数据逐渐成为我们的生产、生活中的重要要素。经过这几年的探索，数据在经济中的重要性越来越凸显。”欧阳日辉表示。

他提到，2017年总书记提出要构建以数据为关键要素的数字经济，是重大的理论创新。我国把数据界定为数字经济的“关键要素”，实际上我们目前还没有达到把数据作为经济发展关键要素这一步。

欧阳日辉认为，经过五年多的实践，我国发展数字经济逐渐由数字技术推动，转变为数字技术和数据要素双轮驱动。这时，从国家层面推出“数据要素×”行动计划，符合经济发展规律，把握了数字经济发展趋势，顺应了市场需求，体现了有为政府和有效市场的结合，将有力地推动数字经济加快发展。

《行动计划》为何成为国家数据局正式挂牌后发布的第一份文件？欧阳日辉表示，从政策供给和需求的角度来说，政策出台是相关政府部门给市场供给政策，政策要真正得到有效实施的话，必须是需求方（市场）对政策有一定的认可度，对政策里涉及内容的利弊有预判，才能最大限度地发挥政策效果，才会有透明、可预期的监管效果。

“目前，市场对如何使用数据要素、数据要素到底能够发挥什么作用、到底能得到政府什么样的政策支持，市场一直持有很高的期望。”欧阳日辉介绍，近年来，一方面，关于数据方面的治理，比如大数据杀熟、反垄断等，让市场认识到数据治理的重要性。另一方面，数字平台或者说平台企业在商业领域不断地创新业态和模式，数据对企业发展越来越重要，但已有法律法规关于数据治理变得更严格后，关于这些平台拥有的数据和外部数据到底怎么用，大家都不敢动。所以，市场主体对数据要素的相关政策出台抱有很大期望。

“我们在提草过程中，调研很多企业，它们都反映这个问题，整个市场对数据要素到底怎么用，怎么让数据要素供出来、流动起来、用起来都抱有很大期望。所以，顺应市场的需求，国家数据局成立以后出台的第一份文件就是这个行动计划。”欧阳日辉介绍。

他提到，在《行动计划》起草过程中做了大量调研，文件中提到的12个行业和领域都调研到了，他们给我们提供了大量的素材和政策建议，汇集起来就是市场需求或政策诉求。特别是公共数据涉及面广，政府部门既是数据供给方也是政策供给方，如何把公共数据拿出来，国家数据局在这方面也做了大量的沟通工作，逐步达成供需平衡或供需意见的一致性。整个文件起草过程中，如何平衡市场需求方和相关部门的政策供给方的关系是最大难题，工作量也最大。

《行动计划》明确的12个行业和领域中，为何智能制造排第一？排序有哪些考量？欧阳日辉介绍，对12个行业和领域的排序有多重考虑。第一，按照三次产业、公共服务来排序；第二，根据《“十四五”数字经济发展规划》中重点行业数字化转型提升工程的要求；第三，制造业是我国经济的压舱石，要深入实施智能制造工程，综合各方意见，我们把智能制造排在第一位。在排序的时候，我们还考虑了市场可以做的尽量交给市场去做，比如，金融行业对数据的使用相比于其他行业相对成熟，《行动计划》中没有过多部署，只在金融产品和服务、风险防控两个方面提出了方向。综合考虑行业对数据的需求度有多大，或者说数据要素对这个行业的发展影响有多大等，有些行业需要政府出面多推动，我们就把这些行业往前排一排。

“目前可能不会再考虑扩容。这12个行业和领域是经过多方论证确定的，具有一定前瞻性，也符合当前的实际情况。所以，我觉得至少是在这三年规划之内，扩容的可能性不大。当然，随着数字经济的进一步发展，在下一个三年行动计划或者五年规划中，应该会根据市场的需要，对行业和领域及其排序做出适调。”欧阳日辉表示。

怎么理解数据要素的乘数效应？欧阳日辉认为，“数据要素×”是数据融入生产、分配、流通、消费和社会服务管理等各环节，发挥协同、复用和融合作用，对其他生产要素、经济总量和服务效能产生扩张效应，提升效率、释放价值和创新发展，推助构建以数据为关键要素的数字经济。在稳定的经济系统中，伴随经济活动产生的数据不断增加，在数字技术支撑下持续迭代积累，数据的价值能够得到倍增或者扩张。

“数据要素的乘数效应可以大致分为两部分：一是瞬时性的，提高单一要素价值的转换倍增效应；二是持续性的，优化经济系统循环的循环倍增效应。在两种效应的共同作用下，数据要素能动态地、持续地作用于其他要素并产生更多的数据，数据的倍增带来要素投入增加和要素投入产出效率提升，最终促进全要素生产率与经济效率的提升。”他提到。

如何有效发挥出不同行业千姿百态的乘数效应？欧阳日辉认为，在要素层面健全数据整合机制，增加数据要素供给以稳固数字经济发展基础。注重经济生产过程中隐性产出的积累，将隐性产出中的数据资源有序整合是发挥数据要素乘数效应的首要工作。特别是在数据基础设施建设中，应坚持以点带线、以线促面，分阶段推进各行业、各领域、各地区的数据基础设施建设，逐步提升数据要素的原始积累。

“在产业层面丰富数据应用场景，提升要素运转效率以探寻高速发展契机。数据的价值在于应用，应用的关键在于场景。发挥数据要素的乘数效应必须以应用场景为基础，运用大数据的理论、技术探寻解决问题的方案与实践。当务之急是，加快打造公共数据开发利用的应用场景，强化公共数据资源高效汇聚和公共服务能力持续提升的良性互动机制，丰富公共数据价值创造模式。在制度层面完善数据制度，营造健康的数据流通产业生态，保障数据价值释放。数据要素的规制完善是实现规模性数字化转型的重要条件，也是确保数据要素在数据产权、流通交易、收益分配和安全治理等方面健康发展的前提。”欧阳日辉表示。

新京报贝壳财经记者 陈维城 程子姣 见习记者 韦英姿

编辑 张冰 校对 刘军