下载掌阅APP，畅读海量书库
立即打开
生产要素是经济学理论中的一个基本概念，它生动地概括了投入经济活动的各种资源。从经济理论的演变过程中，我们可以观察到生产要素经历了由二元论到五元论的不同发展阶段，这些变迁是随着经济发展和时代特征的变化而发生的。
从约一万年前的新石器时代开始，农业社会的经济生活主要集中在农作物的种植和土地的耕作上。在这样的背景下，劳动和土地成为生产中最基本且最重要的要素。因此，古典经济学家威廉·配第在1662年出版的《赋税论》中指出：“劳动是财富之父，土地是财富之母”。这句话深刻地揭示了在农业社会中劳动和土地的重要性：没有劳动者的辛勤付出，土地无法转化为生产力；而缺少了土地，劳动者也无法发挥其生产能力。这两者相互依存，共同构成了农业社会最基本的生产结构。
18世纪中叶至19世纪初，工业革命的浪潮席卷而来，它不仅标志着农业社会向工商业社会的转变，也引发了人们对生产要素重要性的重新认识。在这一时期，劳动和土地仍然扮演着重要的角色，但一个新的要素逐渐显露出不可或缺的地位——“资本”。在工商业社会中，资本的作用变得尤为重要。这是因为，随着生产方式的变化，手工业逐渐被机械化生产所取代，而这需要大量的前期投资来购买设备、建设工厂、研发新技术及雇佣工人。没有充足的资本积累，工业化的进程将无法顺利推进。因此，传统的劳动和土地二元论逐步演变为包含资本的三元论。在这个新的理论框架中，资本成为推动经济发展的核心要素之一。资本不仅关系到生产的规模和效率，还影响着一个社会的创新和竞争力。
随着20世纪中叶以来科技的迅猛发展，一系列划时代的技术革新和经济理论的提出，使“技术”作为一个独立的生产要素逐渐受到认可。在信息技术、生物技术和其他高科技突飞猛进的推动下，技术变革成为驱动经济增长的重要力量。此时，人们开始意识到，除了劳动、土地和资本，技术同样是不可或缺的生产要素。在现代社会中，技术的作用变得愈加显著，它不仅提升了生产效率和产品质量，还催生了新的产业和商业模式。例如，互联网技术的发展极大地改变了人们的沟通方式、购物习惯和工作模式，同时也为经济活动创造了无限可能。没有持续的技术革新和应用，现代经济将无法维持活力和竞争力。因此，传统的劳动、土地和资本三元论进一步演变为包含技术的四元论。在这个更为全面的理论框架中，技术成为促进经济发展、提高生活水平的关键因素。技术不仅与生产的效率和质量直接相关，还深刻影响着社会的结构、就业形态和生活方式。
21世纪初，随着信息技术、大数据、人工智能的发展，数据的重要性凸显，与数据相关的新业态、新模式迅速崛起，它们为传统经济注入新动能的同时，也加速推动国民经济越来越“数字化”，“数据”成为日益重要的生产要素。数据不仅能够帮助企业更好地了解市场和消费者，还能够通过分析揭示商业趋势、优化产品设计和提高服务质量。此外，数据驱动的决策正在成为政策制定者、管理者和企业家的重要工具，在信息化和智能化的大潮中，能够有效利用数据资源的个人和组织，将能够在未来的竞争中占据有利地位，创造出更大的经济价值和社会价值。因此，“数据”与“劳动”“土地”“资本”“技术”共同组成了当前生产要素的五元论。
在人类社会的不同发展阶段，生产要素的构成是不同的，从农业社会的“二要素”到现阶段的“五要素”，参与生产的要素越来越多，说明生产的复杂程度不断增加。依靠传统生产要素投入规模的扩大来拉动经济增长的潜力越来越小，尤其是劳动和资本等具有边际产出和规模报酬递减特征的传统生产要素。内生的技术进步、投入要素质量的提升，以及具有边际产出和规模报酬递增特征的新数据要素，将成为数字经济时代推动经济增长的关键动力与核心力量。同时，要素的表现形态也不断变化，如劳动这个要素，早期更多的是简单劳动，但随着教育的普及，复杂劳动占比越来越高。传统要素与数据要素相互依存、相互促进，共同推动着经济的持续创新和社会的全面进步。
时至今日，数据作为数字经济时代核心的生产要素，在社会生产、生活中的巨大价值已经不言而喻。数据要素价值的充分发挥在于它的有效流通和共享，也已经成为人们的共识性认识。数据价值的发挥依赖多元数据的融合、分析与应用，只有数据流通起来、使用起来，才能产生价值、发挥作用。当前按照数据与资金在主体间流向的不同，可分为数据开放、数据共享、数据交易三种流通模式。数据要素流通的三种模式如图1-2所示。
图1-2 数据要素流通的三种模式
1.数据开放
数据开放指提供方无偿提供数据，需求方免费获取数据，没有货币媒介参与的数据单向流通模式。数据提供方由于无法通过开放直接获得收益，所以开放的对象往往是公共数据。公共数据指国家机关和法律、行政法规授权的具有管理公共事务职能的组织在履行公共管理职责或提供公共服务过程中收集、产生的各类数据，以及其他组织在提供公共服务中收集、产生的涉及公共利益的各类数据。一般而言，公共数据被认为归国家或全民所有，管理、开放等职责由政府或其他公共机构代为行使。公共数据由于具有公共性，除个人敏感信息、企业商业秘密、国家秘密外，所以向社会开放可以使其拥有的高价值回馈社会。
我国的公共数据开放现状距离国际先进水平还存在一定差距。发达国家的公共数据开放起步较早，美国、德国等国家均已建立起全国性的政府数据开放平台。例如，早在2009年上线的美国网站，发布了农业、商业、气候、教育、能源等多领域的高质量公共数据，至今仍在不断更新。为保证公共数据开放质量，网站还开发了开放数据仪表盘，设计了数据质量自动评分与人工评分机制。政府、企业、公众均可查看开放政策数据进展、数据质量评分等内容，公共数据需求方可获得良好的服务体验。
2.数据共享
数据共享指互为供需双方，相互提供数据，没有货币媒介参与的数据双向流通模式。根据共享主体的不同，数据共享可分为政府之间共享、政企之间共享、企业之间共享等形式。企业之间数据共享以供需合作需求为牵引，同一生态内企业、产业链上下游企业之间通过点对点协商，约定相互提供数据的方式。然而，企业内部协商的模式导致数据共享情况整体处于黑箱状态，具体共享方式、开发利用方式相对不透明，公开资料较少。
在数据共享的过程中，不同主体之间建立合作关系，通过技术平台或点对点协商，约定数据的交换方式和使用规则。例如，医疗机构之间可能会共享患者病历数据，以便进行医学研究和提高诊疗质量；公安部交通管理局可能会与公共交通企业共享交通流量和运营数据，以优化城市交通管理和提高公交服务效率。数据共享尽管对推动社会经济发展、促进科技进步有着重要价值，但共享过程中也需考虑数据的安全性和隐私性。共享的数据应进行去标识化处理，确保个人隐私不被泄露，同时应有明确的数据使用协议，规定数据的用途、范围及期限，防止数据滥用。
3.数据交易
数据交易指提供方有偿提供数据，需求方支付获取费用，主要以货币作为交换媒介的数据单向流通模式。数据交易可对接市场多样化需求，灵活满足供需各方利益诉求，激发市场参与主体积极性，促进数据资源高效流动与数据价值释放，对于加快培育数据要素市场具有重要意义。数据交易正在成为数据流通的主要模式。
传统的数据交易模式以点对点的方式进行。数据需求方和数据供给方可通过两两协商或平台对接的方式实现数据的采购与流转，具体的点对点交易形式多样。例如，从数据需求方角度看，银行信贷业务为应对风控需求，向征信机构、运营商、公共部门等机构采购用户身份信息、核验信息、信用评价信息等外部数据资源；从数据供给方角度看，一些企业对金融信息、企业信用、法院判决、报告论文、AI标注等数据进行汇聚、处理，供需求方购买对接。现阶段，点对点的数据交易规模已相当可观，如大型商业银行每年数据采购金额就超过百亿元人民币。许多供方企业在行业领域内已建立特色化数据产品与服务体系，形成了较稳定的供需关系。
数据要素时代，数据资源不再仅是生产过程中的副产品或辅助生产的工具，而是转变为生产的原材料及价值创造的重要来源。数据要素的高质量供给和开发利用是数据价值释放的源泉，只有大规模、高质量的数据投入生产，并在要素市场进行流通、使用、复用，才能实现从数据到数据要素的转变。
从数据要素的供给来看，当前在构建数据要素制度方面还存在一些不足。一是数据资源管理机制需要进一步加强。在机构设置上，截至2024年年底，数据开放授权运营过程中的职权、职责划分不够明确，这可能导致数据资源管理单位在权责分配和规则制定上存在模糊性。此外，数据分类分级授权使用规范及管理标准尚需进一步细化，以明确不同类别数据的具体管理办法。在精细化管理尚未到位的情况下，部分可开放利用的数据资源可能未能得到充分利用。二是数据产权制度不够完善。数据资源的归属和产权界定面临复杂性，涉及个人信息、知识产权、商业秘密等内容提供者的多方利益。在数据生产和流通过程中，需要多方数据处理者的共同参与，这增加了数据产权界定的难度。三是个人信息安全合规体系的建设尚不健全。个人信息数据指承载与已识别或可识别的自然人有关的各种信息，受到《中华人民共和国个人信息保护法》《数据安全法》等法律的规制，个人信息的处理需要满足较高的合规标准，以保护隐私和安全。
除此之外，数据要素在应用领域的开发利用也存在不能有效流通的现象，主要原因是担心合法性及技术支撑不足等。为了解决这些问题，在技术层面需要对数据的全生命周期进行管理，覆盖数据的采集、生产、存储、传输、使用、流通，以及删除。技术发展应涵盖以下两大类：第一类是数据合规审控技术。例如，数据合规技术、数据分类分级、数据匿名化、可信数据空间、安全传输方案等。这些技术的应用旨在确保数据资产和数据安全的有效管理，同时对数据资产的访问和传输进行适当的控制，以符合相关法规的要求。第二类是隐私增强技术。例如联邦学习、差分隐私、同态加密、安全多方计算、数据安全沙箱、可信执行环境、区块链智能合约等技术，旨在保障数据隐私的前提下支持数据的安全流通，确保在数据不出域的情况下实现数据的可用不可见，助力实现联合建模、联合分析和联合推理等应用场景。
总之，数据要素时代的到来标志数据从生产过程中的辅助工具转变为核心的原材料和价值创造的源泉。然而，要实现数据要素的高效供给和利用，需要在技术层面开发和应用数据合规审控技术和隐私增强技术，以确保数据的安全、合规流通，并在保护个人隐私的前提下促进数据要素的充分利用，推动经济和社会的创新发展。