近日国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》（以下简称《行动计划》）。对此新京报
记者就如何通过数据要素的乘数效应为实体经济赋能等问题专访了清华大学电子工程系信息系统研究所副所长王钺。
引入市场化配置手段激活数据生态
王钺指出，伴随数字中国建设的持续推进，我国数字经济迈向了全面扩展期，数据成为了新的生产要素。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。
有别于资本、土地等传统生产要素，数据要素投入生产过程并释放价值的方式更为复杂，并具有鲜明的技术特色。首先，数据的价值释放过程是在众多主体参与下对数据进行持续加工的过程，在加工过程中借助各种技术工具不断改变着数据的形态；其次，数据具有很强的流动性，在数据跨越经济主体的流动过程中，一方面受安全和效率等技术条件的限制，另一方面又必须处理好收益分配、风险界定等商业问题。
最后，数据是一种非同质化的资源，其价值释放过程与数据类型、应用场景密切相关，不同场景下数据发挥的作用不同、价值实现的路径不同，对其进行组织、加工、流通、应用的技术要求也存在显著差异。因此，简单地将数据的要素化过程归结成为资源化、资产化、资本化，并未能充分体现数据这种新型要素的特有属性。我们需要更深入地探索数据要素价值释放的内在机理以及核心规律。
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
王钺认为，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的提出和不断完善正是揭示数据这种新型要素价值释放机理的关键性举措。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”、到“融合”，是数据应用范围的扩展，应用深度的提升。
他表示，“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。房产中介行业建立“楼盘字典”，为房产经纪人赋能，通过高质量的数据积累避免个体因经验不足而影响服务质量与效率，这就是数据与劳动力要素相结合提高服务业劳动生产率的一种尝试。
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的，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，达到成本的节省。同时，数据在不同领域、不同场景、不同主体之间的重用可能催生出新产品、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。工业革命时代，生产效率的提升除了源于技术进步之外，还源于市场规模的迅速扩张。足够大的市场规模使得精细的分工成为可能，精细的分工进一步提高了生产效率。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8年前的“互联网+”到如今的“数据要素×”，他们都对产业产生重要影响。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”，数据流动的范围与强度和数字经济的活力直接相关。
加速数据的汇聚与流动需要从供给侧和需求侧协同发力
对于如何加速数据的汇聚与流动的问题，王钺认为，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，都是为了降低交易成本，以便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。
新京报记者 张晓翀 编辑 陈莉 校对 王心