數字經濟作為一種新型經濟形態正在蓬勃興起。作為人類經濟活動在數字空間的映射，數字經濟理論創新幾乎涉及經濟學所有領域，包括消費者行為、企業生產行為、市場運行機制、經濟增長模式、收入分配機制以及政府與市場之間的關系等。其中，厘清數據要素、數字經濟增長、數字經濟中的生產關系等基礎問題，是進行數字經濟理論創新的重要前提。
數據要素
數字經濟是大數據驅動的各類經濟活動的總和，其基本特征在于數據成為關鍵生產要素。數據本質上是信息與知識的載體，不僅反映客觀經濟活動，還折射出公眾對政府政策、重大事件的心理反應。
數據不占據自然物理空間（但需要存儲在計算設備的虛擬存儲空間中），這一特性使其具有快速的流動性。因此，數據能夠高效地貫通生產、交換、分配、流通和消費等經濟活動全過程，優化各類生產要素的配置組合。傳統生產要素，如土地、勞動力和資本，均具有明顯的消耗性，數據不會因使用而減少或折舊，這種非消耗性打破了傳統要素的有限供給對生產的限制，也使數據的使用具有非排他性，即同一數據既可以被單個用戶多次利用，也可以被多個用戶同時使用，數據價值不會因此受損。然而，非排他性也為數據帶來了產權歸屬和權責界定的模糊性，從而使數字經濟活動常常伴隨著外部性問題。
作為一種新型生產要素，數據只有與傳統生產要素深度融合，才能充分發揮其賦能作用。數據與勞動結合形成數字勞動，如網絡主播、網約車司機等；數據與資本結合形成數字資本，如一些大型數字平臺；數據與技術結合形成數字技術，如無人駕駛技術、無人機、大語言模型等；數據與管理結合形成數字管理，如人機互動、智能制造、智慧城市等。
數據賦能具有以下重要特點：一是具有非線性賦能效應。數據所包含的信息與知識并非簡單地與數據量呈線性關系，不同數據的聚合有可能揭示出新的關聯知識，從而增強數據的賦能作用。這種非線性賦能效應是數字經濟出現邊際報酬遞增的一個重要原因。二是存在場景依賴性。數據的賦能作用高度依賴應用場景。例如，顧客的等車時間或地理位置數據對網約車司機十分重要，但如果脫離特定時間或地點，這些數據的價值將迅速下降。三是具有時效性。數據價值很大程度上與其生成時間密切相關。許多數據反映的是其生成時刻的經濟活動信息，如果沒有及時應用，數據的賦能效果可能隨著時間推移而逐漸衰減。四是存在價值異質性。即便是相同的應用場景，由于數據利用效率、算法優化水平和業務適配能力等方面的差異，不同企業的數據要素在賦能方面仍可能存在顯著差異。
將數據視為一種新型生產要素是一項重要的理論創新，但這只是數字經濟理論創新的起點，真正理解數字經濟的內在邏輯與運行規律，必須基于數據要素的獨特性，構建嚴謹的經濟理論，形成系統化的分析框架。例如，傳統經濟理論基于稀缺性假設，將資源的有限性與人類需求的無限性之間的矛盾視為經濟學的基本問題，然而數據要素的非排他性突破了稀缺性約束，這對傳統經濟理論提出了新的挑戰。又如，數字經濟中經常存在的免費產品和服務也難以通過傳統經濟理論給予完全解釋。用戶雖未直接支付貨幣，但他們通過提供數據為平臺創造了價值，這種隱性交易模式顛覆了傳統價值交換與利潤實現的邏輯，同時個人數據的交易常會伴隨外部性，比如一個用戶的數據分享可能在無意中泄露其他用戶的隱私信息，如果缺少適當的政府干預，數據要素市場運行可能難以有效維護個人隱私權利與社會福利，對這些現象的解釋都離不開經濟理論的創新與發展。
數據要素賦能與數據要素價值
如何確定數據要素的價值？這是數字經濟理論創新的基本問題。根據馬克思勞動價值論，數據要素的價值創造可以理解為數據在要素化過程中所凝結的人類勞動，具體體現為三個方面：一是原始數據形成過程中的勞動凝結，二是數據采集與處理過程中的物化勞動轉移，三是數據勞動者的活勞動投入。這些活勞動和物化勞動共同構成了數據要素的價值基礎，數據要素的價值轉移就是將這些勞動的價值轉移到新的數字產品或服務中。數據要素賦能并不限于生產環節，而是貫穿于整個經濟活動的各個階段，包括交換、流通和消費等。因此，考察數據要素價值，必須從整個經濟過程進行綜合分析。更為重要的是，數據在賦能數字產品價值的過程中，并非以按比例線性增長的簡單模式，而是通過融合自身價值與其他要素價值，形成疊加效應，實現更復雜的價值提升。數據要素賦能的復雜性與非線性特征，深化了其價值創造與價值轉移的內涵，拓展了勞動價值論的研究范圍。我們應以馬克思勞動價值論為指導，結合數據要素的賦能特性，進一步豐富和發展勞動價值理論。
數據要素賦能作用的充分發揮，以及數據要素資源的優化配置，需要以準確識別或發現數據要素價值為前提，而這離不開完善的數據要素市場。理論上，數據要素的價值量可以從數字經濟中的交換關系中獲得：在市場經濟條件下，商品或服務的價格在完全競爭市場中圍繞其價值上下波動，并在交換中得以實現。因此，完全競爭市場的價格為測度數據要素價值提供了可行的方法。但要實現這一目標，需要建立完善的數據要素市場體系，有足夠數量的數據要素供給者和需求者，這些在短時期內是難以實現的。因此，如何準確測度數據要素價值或為其制定合理價格，成為當前一個亟待破解的理論與實踐難題。在這方面，可以借鑒市場機制設計理論、實驗經濟學方法以及復雜經濟系統的仿真實驗手段等，以深入探索數據要素的定價機制。
合理的數據要素定價不僅能引導數據資源流向效益更高的領域或產業，還能為準確評估數據資產價值提供堅實基礎，為此，經濟理論研究必須緊密結合數字經濟實踐，堅持以證據為基礎的方法論，科學評估數據要素的價值與貢獻。需要強調的是，在數據要素合理定價的理論邏輯尚未厘清，缺乏充分實踐探索的情況下，對數據資產評估及數據資產入表都必須格外審慎。片面夸大或高估數據資產價值，貿然推動數據資產入表，有可能引發“數據資產泡沫”，對數字經濟的健康發展造成負面影響。
數據要素對經濟增長的貢獻率
20世紀70年代至90年代，計算機等信息技術得到廣泛使用，但在統計數據當中，生產率特別是服務業生產率，似乎一直停滯不前。這一現象引發了廣泛關注，學術界將其稱為“生產率悖論”：“我們在各個地方都能看到計算機的身影，卻唯獨在生產率統計中看不到它們。”導致這一現象的關鍵原因，是資本要素特別是無形資本（如研發投入、軟件和數據資產）尚未得到準確的測度。在2008年的聯合國國民賬戶體系中，研發、軟件和其他知識產權產品被正式納入資本范疇并得到有效測度，基于這一改進的資本測度，信息技術對經濟增長的貢獻率在經濟統計中得到了有效反映。
同樣，對數據要素的科學測度對于準確評估其在經濟增長中的貢獻率至關重要。這里，一個亟須解決的基礎性經濟理論問題是：數據要素在經濟增長中究竟扮演多大的角色。研究這一問題，需要從經濟學底層邏輯出發，考察數據在經濟活動各環節中與其他生產要素的結合方式，特別是數據如何重塑經濟結構與生產流程，以及如何優化資源配置以生產更多更優的產品與服務。這需要在理論分析的基礎上，構建符合數字經濟內在邏輯與重要特征的生產函數。這意味著，在數字經濟背景下，我們需要進一步創新與發展經濟增長理論，同時也需要創新經濟測度與經濟統計學，為揭示數據驅動經濟增長的內在機制提供理論與方法支撐。
數字經濟時代的生產關系
數據要素與基于大數據的人工智能技術的日益廣泛使用，不僅重新塑造了生產力，也深刻改變著生產關系，主要表現在以下方面：
人工智能對勞動的替代。人工智能技術的應用顯著提升了生產效率，大幅縮短了生產同量產品所需的社會必要勞動時間，因此也不可避免產生了人工智能替代勞動的現象。傳統機器主要替代簡單勞動，尤其是體力勞動，而人工智能則在一定程度上替代了腦力勞動。比如，ChatGPT不僅能夠學習和理解人類語言進行對話，還能完成諸如撰寫郵件、論文、視頻腳本，翻譯文本，編寫代碼等復雜任務。
平臺經濟中的不對稱關系。數字技術的廣泛應用催生了零工經濟和平臺經濟等新型經濟形態。零工經濟為勞動者提供了更加靈活的就業方式,但這種經濟模式高度依賴于龐大的數據資源和數字技術，導致掌握科技平臺的資本與零工勞動者之間的關系出現了不對稱。如果沒有良好的經濟治理，零工勞動者在與平臺資本的博弈中會處于弱勢地位。同樣地，大科技平臺依托強大的資本、數字技術和數據資源，通過網絡效應和規模效應，會形成與中小企業、消費者之間的關系不對稱。
數字鴻溝引發的收入差距。數字鴻溝是指不同社會群體在互聯網可及性和使用能力上的差異，數字鴻溝的客觀存在加劇了數字技術帶來的經濟社會福利在不同地區和社會群體之間的分配不均，城鎮地區、經濟發達地區以及高學歷、高技能人群更容易接觸并使用數字技術，因此更容易受益于人工智能技術的快速發展實現收入增長。
跨境數據流動和日益激烈的數字科技國際競爭。隨著數據成為基礎性和戰略性資源，世界各國對數據資源和數字技術主導權的競爭日益激烈，這會加劇經貿關系的不確定性，并使全球高科技產業鏈供應鏈面臨更嚴峻的風險與挑戰。
總之，數字經濟時代，在關注數據要素和數字技術推動社會生產力發展的同時，還需要深入探討生產關系的變化趨勢，為實現更加公平的包容性經濟增長與發展模式提供科學依據。
來源：《光明日報》
