清华大学电子工程系信息系统研究所副所长王钺：通过数据要素的乘数效应为实体经济赋能

随着数字中国建设的持续推进,我国数字经济迈向全面扩展期,数据成为新的生产要素。从生产要素的角度重新看待数据,本质上是要推动数据在更大范围内、更深层次上进入经济循环,突破当前分散的、自发的资源化开发利用方式,通过引入市场化配置的手段激活数据生态,成规模、成体系地实现数据的深度开发和广泛应用。

数据要素的价值释放关键在于与其他各类要素相结合,为实体经济赋能。而数据要素乘数效应正是揭示数据这种新型要素价值释放机理的关键所在。具体而言,数据要素的乘数效应表现为“协同”“复用”“融合”三种赋能机理。从“协同”到“复用”再到“融合”,是数据应用范围的扩展和应用深度的提升。

“协同”包含三个不同的层级,业务协同、主体协同和要素协同。其中业务协同和主体协同在过往数字化转型的实践中已经被反复讨论,但不同要素之间的协同则是伴随数据要素而产生的新视角和新探索。举例而言,数据与劳动力结合可能会降低劳动力的培训成本,实现知识与经验的快速迁移。

如果说“协同”还带有互联网时代的痕迹,“复用”则是完全属于数据要素时代,它是数据低成本复制特性的价值延伸。有了“复用”,数据可以一次生产,多次使用,实现成本的节省。同时,数据在不同领域、不同场景、不同主体之间的复用可催生出新产品、新服务,释放出数据的新价值。比如,制造业长期积累的大量工艺数据可以帮助众多企业改善产品质量,这是数据价值在主体之间的复用;医疗健康数据可用于临床诊断、药械研发和医疗保险,这是数据价值在领域之间的复用。与此同时,数据在复用中不会出现损耗,反而会“越用越多”“越用越好”。

“融合”强调众多主体参与下数据规模的增长和品类的丰富,以量变推动质变,由此产生新能力、新模式。数据的积累和融合也可能存在类似的效应,数据产业可能因为数据的汇聚与融合出现更细致的分工。此外,以人工智能为代表的新技术浪潮格外依赖数据规模和品类的增长,只有当模型规模和数据规模超过一定的临界值时,人工智能大模型才会出现新能力的“涌现”。

从“互联网+”到“数据要素×”的转变,是从用户汇聚到数据汇聚的转变。用户是经济活动的参与主体,而数据则是在主体之间流动的“血液”,是维系数字经济运行与主体正常活动的基本因素。因此,“聚数”就是“造血”,数据流动的范围和强度与数字经济的活力直接相关。

如何加速数据的汇聚与流动?这需要从供给侧和需求侧协同发力。一方面,需要进一步推动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。另一方面,需要在需求侧通过试点充分展示数据要素千姿百态的乘数效应,并具体分析不同行业的业务需求。

需要注意的是,数据要素的确权、定价、流通、交易等规则的设计,可降低交易成本,推动数据的大规模应用和市场化配置。数据流通和交易是为数据应用服务的,应用规模的增长和场景的丰富才会真正带动数据供给和数据交易。归根结底,数据要素的价值源于其丰富而强大的赋能作用,源于乘数效应赋能实体经济进而推动经济增长的巨大潜力。

(编辑:户静凝)