数据何以成为要素？

全文共4926字，阅读大约需9分钟。

•  2019年11月，党的十九届四中全会《决定》首次公开提出“数据可作为生产要素按贡献参与分配”；

•  2020年4月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》；

•  2021年3月，国家发改委发布《全国一体化大数据中心协同创新体系算力枢纽实施方法》，提出建设“东数西算”工程；

•  2022年12月，中共中央、国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》（也称“数据二十条”），明确数据基础制度体系；

•  2023年3月，中共中央、国务院印发《党和国家机构改革方案》，提出组建国家数据局；

•  2023年8月，财政部发布《企业数据资源相关会计处理暂行规定》，数据入表成为可能；

•  2023年10月，国家数据局正式揭牌；

•  2023年12月，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）》；

•  2024年3月，国家网信办出台《促进和规范数据跨境流动规定》；

•  2024年5月，24家数据交易机构联合发布《数据交易机构互认互通倡议》；

•  2024年7月，党的二十届三中全会《决定》提出“建设和运营国家数据基础设施，促进数据共享”；

•  2024年11月，国家数据局发布《可信数据空间发展行动计划（2024—2028年）》和《国家数据基础设施建设指引》征求意见稿；

从这些里程碑事件中可以看出，数据作为生产要素的地位正在被不断强化；同时，围绕数据要素的基础设施建设、政策制度设计与市场运作机制也在稳步推进。

业务协同：数据打通企业内部不同业务模块，使各部门之间的信息共享更加通畅，提升运营效率。例如，通过实时销售数据与库存管理的整合，企业可以实现精准的供应链管理，减少库存积压。

主体协同：数据促进不同主体之间的协作，推动产业链上下游的深度融合。例如，在制造业中，供应商与制造商通过共享生产数据，可以共同优化产品设计和生产流程。

要素协同：这是数据要素独特的价值体现，通过与其他生产要素（如劳动力、资本）的结合，激发新的生产力。例如，数据与劳动力结合可以降低培训成本，通过虚拟仿真技术实现知识和技能的快速迁移。

跨主体复用：同一组数据可以在不同主体间共享使用。例如，制造业中的工艺数据不仅能帮助企业优化自身生产流程，还能为供应链上下游企业提供技术支持，改善产品质量。

跨领域复用：数据在不同领域之间的共享和应用可以创造额外价值。例如，医疗健康数据不仅可以用于临床诊断，还能支持药物研发和保险产品设计。

跨场景复用：数据在不同场景下的多次使用可以实现更广泛的价值释放。例如，交通数据既可以用于优化城市交通规划，又能为智能驾驶提供支持。

规模驱动效应：数据量的积累能够推动生产效率的提升。例如，工业互联网平台通过汇聚海量设备数据，能够进行更精细的预测性维护，大幅减少设备故障停机时间。

创新驱动效应：数据规模和品类的增长为新技术的应用提供了支撑。例如，人工智能大模型的“涌现能力”依赖于数据规模和多样性的突破。只有当模型训练数据达到临界点时，AI才能展现出新的能力，如复杂的自然语言理解和生成。

成本性：数据的采集、存储、处理乃至安全保护都需要资源投入，而非完全没有成本；

可复制性：数据的在开发利用过程的各个环节均可能因为复制行为导致复制版本的存在，这将损害数据资源的稀缺性；

多粒度性：数据具备可分割性（把逻辑上是统一整体的数据分割成较小的、可以独立管理的物理单元进行存储、分析和使用）和可融合性（将多个数据资源的数据和信息相结合，以实现比单独使用单个数据资源所能实现的更高的准确性和更具体的推论，从而获得更高的价值），这使数据资源的独创性判定便得困难，尤其是在开发利用过程中，数据资源的溯源变得极其困难；

风险外溢性：数据的可复制性导致多个参与和在其各自参与的环节都会不同程度地获得数据资源的复制版本；数据的多粒度性导致各个参与者在各自参与的环节均可以对数据资源进行处理，包括分割或者融合等操作。这给恶意篡改与滥用带来空间，容易造成不可控的风险外溢；

可替代性：同一个目的，可以通过不同类型和不同来源的数据资源实现；针对同一数据对象或者同一类信息，也可以通过不同途径进行收集；

价值后验性：数据交易中数据资源具备典型的事前不确定性，即对于数据资源所包含的信息，买方不能也不应该事前完全了解；同时，数据最终能带来的收益会受到各类其它因素的影响，而这些也很难完全预料；

价值分配不对称性：数据资源的价值后验性和可替代性使得数据资源的生产者在数据资源价值分配中处于弱势地位，同时数据资源的价值并不能直接体现出来，而是需要完成整个价值链之后才能实现。而数据资源的开发利用过程必然会涉及多个跨域主体。这些主体相互影响，相互依赖，对分配过程具有不同的决策能力，带来分配主体的不确定性，以至难以有效平衡不同主体的利益、难以做到公平分配。

国家软基础设施：涵盖数据标准、算法模型、互操作协议等，用于确保数据流通的规范化和高效性；

国家硬基础设施：包括数据中心、算力枢纽、边缘计算节点等，为数据的存储和处理提供物理支撑；

国家数据安全基础设施：贯穿数据全生命周期与全流通路径，确保数据的安全性和合规性的技术与平台等；

全面继承性：国家数据基础设施是对数据要素化发展阶段的新型基础设施，是在以前信息化阶段的信息基础设施和数字化阶段的数字基础设施上发展起来的；

鲜明创新性：国家数据基础设施不仅全面继承了信息和数字基础设施，而且在数据要素化发展新阶段，创新发展出国家软基础设施和国家数据空间等新型基础设施；

广泛覆盖性：覆盖数据采存算管用数据全生命周期各环节，对数据采集、汇聚、加工、共享、开放、运营、交易、存储等业务形成全面支撑，并形成国家数据资源平台、国家政务数据共享交换平台等各类新型国家数据基础设施。

全生命周期安全：可信数据空间必须确保数据从采集、存储、处理到流通、应用的全过程安全。这不仅包括技术层面的加密、隐私保护，还涉及到数据治理和合规的机制设计。

软、硬、安全基础设施协同：可信数据空间需要将数据软基础设施（如标准、算法）与硬基础设施（如数据中心、算力节点）以及安全基础设施（如隐私计算、数据访问控制）进行深度整合，形成端到端的解决方案。

多主体协作：可信数据空间的建设需要多方利益相关者的广泛参与，如企业、行业、城市乃至跨境主体等。这种多主体协作既是建设的难点，也是可信数据空间释放价值的重要来源。

五大方向：

积极推广企业可信数据空间：⽀持国有企业和⻰头企业建设企业可信数据空间，构建多⽅互信的数据流通利⽤环境，协同上下游企业开放共享⾼质量数据资源，打造数字化供应链，提⾼计划、采购、⽣产、交付、运维等全流程协同效率。

重点培育行业可信数据空间：⽀持建设重点⾏业可信数据空间，创新共建共治共享的数据使⽤、收益分配、协同治理等机制，促进产业链端到端数据流通共享利⽤，⽀撑⼈⼯智能⾏业模型跨域研发应⽤，推动产业链由链式关系向⽹状⽣态转变。

鼓励创建城市可信数据空间：⽀持有条件的地区开展城市可信数据空间建设，围绕城市规划建设、交通出⾏规划、医疗健康管理、重点⼈群服务保障、⽣态保护修护等典型场景，发挥公共数据资源的引领作⽤，推动公共数据、企业数据、个⼈数据融合应⽤，构建城市数据资源体系，⽀撑城市建设、运营、治理体制改⾰。

稳慎探索个人可信数据空间：研究制定个⼈数据开发利⽤政策⽂件，在切实保护个⼈数据合法权益的基础上，建⽴健全个⼈数据确权授权和合规利⽤机制。

探索构建跨境可信数据空间：建⽴⾼效便利安全的数据跨境流动机制，⽀持⾃由贸易试验区出台实施数据出境管理清单（负⾯清单），构建数据跨境传递监控、存证备案、出境管控等能⼒体系。