数据生产要素何以赋能农业现代化*

钟 真,刘育权

数字经济通过内在经济增长方式和外在产业结构的新旧动能转换，促进了世界各国经济的快速增长，被普遍认为是撬动经济发展的新杠杆。(1)李晓华：《数字经济新特征与数字经济新动能的形成机制》，《改革》2019年第11期。数据作为数字经济的核心元素，是推动经济发展质量变革、效率变革和治理变革的重要抓手。大数据与三次产业融合催生出新的业态模式和新的生产方式，驱动了传统产业的转型升级和产出绩效的持续优化。据《中国数字经济发展白皮书(2020年)》统计，数字经济占我国GDP的比重由2005年的14.2%上升到了2019年的36.2%，对GDP增长贡献率上升到了67.7%，印证了数字赋能对我国经济发展的重要影响。

党的十九届四中全会提出健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制，首次将数据上升到生产要素的战略高度。中共中央、国务院(以下简称“中央”)于2020年3月进一步印发了《关于构建更加完善的要素市场化配置体制机制的意见》，对提速数据要素市场培育，挖掘数据的潜能与价值等方面做出具体的战略部署。然而，农业作为国民经济的基础和新时代全面振兴乡村的“基本盘”，数字经济与其的结合程度还不高。2019年我国农业数字经济仅占产业增加值比重的8.2%，尚未达到服务业的25%、工业的50%，(2)参见中国信息通信研究院：《中国数字经济发展白皮书(2020年)》，2020年7月2日，http：//www.caict.ac.cn/kxyj/qwfb/bps/202007/t20200702_285535.htm.亟须对现代农业与数字经济的有效结合进行更多的理论研究与实践探索。

但从现有研究看，将数据作为新的生产要素来探讨数字技术与现代农业发展关系的研究还不多，特别是分析数据生产要素(以下简称“数据要素”)如何全方位赋能农业产业，以及如何引领农业数字化转型的研究还较少。为此，本文将在探讨数据要素的内涵认识与利用中的共性问题的基础上，全面分析数据要素对农业现代化发展的影响，并基于理论与实践探索提出加速农业数字化发展的建议。

一、数据要素的基本内涵与主要功能

(一)数据要素的内涵特征

数据是数字经济时代信息内容的重要载体，具有数字、文字、图片、影音等多种表现形式。在技术层面，数据局限于在计算机及网络上流通的在二进制的基础上以0和1的组合而表现出来的比特形式。(3)张玉洁：《国家所有：数据资源权属的中国方案与制度展开》，《政治与法律》2020年第8期。在经济层面，数据被视作一种经济资源，往往具有高速度、高容量、高多样性和高价值(4V)的特征，(4)McAfee， A.& Brynjolfsson， E.，“Big Data： The Management Revolution”， Harvard Business Review，2012， 90(10)：61-68.并且一般不能直接参与经济活动，必须先经过分析处理提取出有价值的信息，增强主体对经济运行的洞察力和决策能力，进而才能促进经济价值的实现。数据演化为生产要素，不仅需要用数字世界链接物理世界和意识世界，形成“任意对象和信息的数字化”“任意信息的普遍连接”“海量信息的存储和计算”的一般性生产技术条件；(5)刘玉奇、王强：《数字化视角下的数据生产要素与资源配置重构研究——新零售与数字化转型》，《商业经济研究》2019年第1期。而且需要通过与大数据分析(劳动)、组织学习(知识)及组织惯例更新(管理)相结合，才会从可能的生产要素转化成现实的生产要素而对价值实现产生影响。(6)谢康、夏正豪、肖静华：《大数据成为现实生产要素的企业实现机制：产品创新视角》，《中国工业经济》2020年第5期。因而数据利用是影响科技创新的首要因素，也是宏观经济运行与调控、微观企业管理和营销的重要依据，更是一个产业或企业竞争力与垄断内容的突出标志。(7)洪银兴：《“互联网+”市场的经济学分析》，《教学与研究》2020年第3期。

数据要素蕴含了多个经济特点：一是可市场交易。数据要素对提高生产效率具有乘数作用，数据的市场交易价值已经受到了各主体的重视，随着产权界定和市场交易制度的完善，数据交易将成为新常态。二是非均质性。同等容量大小的数据所具有的生产价值可能是完全不同的，质量高的数据携带极有用的信息，质量低的数据则可能被视为垃圾信息。三是非争用而可限用性。不争用是指数据要素使用中具有边际成本为零的属性，一个主体用了并不影响其他主体使用；可限用指知识、数据这些生产要素作为中间产品，前期生产过程中是有成本的，因此通过收取专利费等方式适当“限用”是合理的。(8)于立、王建林：《生产要素理论新论——兼论数据要素的共性和特性》，《经济与管理研究》2020年第4期。四是依附性。任何生产要素都难以独立存在和独自发挥作用，数据需要与其他要素协同交互共同促进价值创造。(9)王建冬、童楠楠：《数字经济背景下数据与其他生产要素的协同联动机制研究》，《电子政务》2020年第3期。数据要素难以单独投入到社会经济活动中，数据要素的有效利用需要数字技术的驱动，也需要其他要素相协调。五是经济稀缺性。不同数据的重要性、获取难度和使用排他性综合影响数据的经济稀缺性，数据的稀缺程度又进一步影响要素价格，进而决定数据要素持有者在参与分配过程中的谈判力度。(10)李政、周希禛：《数据作为生产要素参与分配的政治经济学分析》，《学习与探索》2020年第1期。

(二)数据要素的基本功能

尽管学术界对于数据的具体内涵特征还存在许多争议，但普遍认同数据对经济的推动作用，其价值甚至堪比石油。(11)陈新河：《软件定义世界，数据驱动未来》，《软件产业与工程》2014年第1期。数据内嵌的高流动性、长期无限供应、零边际成本和累积溢出效应等技术、经济特征，决定了其必然会对国民经济发展产生广泛的辐射带动作用。而其中关键的逻辑就在于赋能，即数据易于同原有传统要素的结合并对其优化改造，使这些要素形成更大的效能。从宏观上看，数据要素能够促进各类要素有效结合，产生新的生产函数关系，使全要素生产率倍增。其不仅在产业形态上能够促进数字技术与实体经济的纵深融合，推动产业体系升级、产业结构优化和产业链交叉重组，形成新的产业组织形式和业态模式；而且在生产机制上能够缓解信息不完全带来的要素配置扭曲和市场失灵等问题，有利于完善市场调节功能，促进各类要素集约利用和合理分配。从微观上看，数据要素能够有效地与个人能力和组织能力相融合，形成新的发展驱动力。本质上，数据要素并不能代替企业本身，但它是促进有效决策、提高劳动效率的重要手段。一方面，数据要素能与企业家才能相结合，提升经营主体的智力资本，并转化为科学决策能力；(12)Maryam Ghasemaghaei & Goran Calic，“Does Big Data Enhance Firm Innovation Competency? The Mediating Role of Data-driven Insights”，Journal of Business Research，2019，(104)：69-84； 聂进:《中小企业信息技术采纳影响因素研究》，科学出版社，2010年，第13页。另一方面，数据要素与数字技术、信息网络和智能机器有机结合，还将促使生产经营智慧化、服务交易线上化、组织结构扁平化、社会治理电子化。

二、数据要素赋能现代农业发展的内在机理

农业是中国共产党百年辉煌的重要支撑，农业现代化是党领导建设社会主义现代化强国的重要目标和建成现代化经济体系的四大支柱之一。随着脱贫攻坚历史重任的全面胜利，“十四五”规划指出要继续坚持农业农村优先发展，全面推进乡村振兴战略，实现农业农村现代化。但不论是农业现代化还是农村现代化，其关键取决于主体，即什么样的人或组织以什么样的方式和机制来推动现代化过程。(13)王春光：《迈向共同富裕——农业农村现代化实践行动和路径的社会学思考》，《社会学研究》2021年第2期。显然，农业现代化的主体首先是包括小农户和家庭农场、农民合作社、农业企业等新型农业经营主体在内的各类农业生产经营主体。(14)孔祥智：《现行农村基本经营制度下农业现代化的主体研究》，《新视野》2014年第1期。同时，在一靠政策、二靠科技的中国农业发展中，农业管理部门的“有形之手”也发挥着重要的作用。因此，数据要素在赋能农业现代化过程中，其具体影响必然是通过农业生产经营主体和农业管理部门的活动而反映到农业生产力和生产关系上来的。而关于农业现代化的理论研究也已经从单纯强调农业生产技术的现代化，逐步延伸拓展到包括生产组织管理、产业发展方式、生态可持续或资源永续利用，甚至人的现代化等领域。(15)任常青:《农业农村现代化研究》，载魏后凯主编:《新中国农业农村发展研究 70 年》，中国社会科学出版社，2019 年，第68-85页；姜长云：《关于农业农村现代化内涵、外延的思考》，《学术界》2021年第5期。基于此，本文对数据要素赋能现代农业发展的内在机理将主要从农业生产、农业经营与农业治理三个方面展开。

(一)数据要素对农业生产的影响

通过现代信息与通信技术(ICT)，数据要素根本变革了农业生产方式，形成了新生产模式、新商业模式、新组织模式和新经济发展模式。(16)张建云：《大数据互联网与物质生产方式根本变革》，《教学与研究》2016年第11期。进而促使传统农业往精准化、绿色化和规范化方向转型，显著改善了农业的生产效率、产品质量、经营利润和风险防控绩效。

1.促进农业生产方式变革。

一是基于数据的智慧决策促进农业生产精准化。在过去的十年中，机器学习技术已被广泛应用于现代农业中，以提供更准确的解决方案，这主要是因为它具有处理高度复杂和非线性农业问题的能力。(17)Konstantinos，L.，Patrizia，B.，Dimitrios，M.，Simon，P.& Dionysis，B.，“Machine Learning in Agriculture：a Review，”Sensors，2018，18(8)：2674.随着农业生产模型复杂性的增加，机器学习必须收集更多的数据，航空遥感、地理信息系统、地面物联网、人工智能等技术的开发和应用使精准农业成为一种实践。从供给侧看，大数据推动农业生产从主观经验主导向客观数据支撑方向升级，避免传统农业依靠个人经验积累来决策和执行所带来的整体生产环节波动性大、效率低下和质量无法控制等难题。(18)夏杰长：《以数字经济改造农业产业化服务体系》，《经济日报》2020年7月15日。土壤肥力数字化监测、农田边界图智慧管理、病虫害精准定位及防治、农药化肥高效喷施和农田水利智能灌溉等精准化生产方式潜力巨大。从需求侧看，通过大数据分析完成对农业全过程的预测分析和生产经营决策制定，有助于解决农产品市场供需不平衡的问题。(19)White，B.J.，Amrine，D.E.，& Larson，R.L.，“Big Data Analytics and Precision Animal Agriculture Symposium： Data to Decisions”，Journal of Animal Science，2018，96(4)：1531-1539.不仅使农业经营者能够更好地把握市场需求，动态调整和优化生产结构；还能通过消费路径分析和数字推送技术的有机结合，使生产更精准地匹配消费者需求。例如，辛哈(Sinha)等学者构建了一种以用户为中心的农业物联网体系，其运用智能设备和算法分析从终端获得数据，不仅方便了农民实时监控农田，并收到有关生产优质农作物的建议，有助于保持作物的产量和质量；而且能够预测市场上的农作物需求，使农民种植正确类型和数量的农产品，从而最大限度地减少浪费和损失；同时，这些数据还能够实时反映食品供应的物流跟踪情况，帮助农民做出关于产品分销配送的最优决策，最大限度地提高了所售商品的总体利润。(20)Sinha，A.，Shrivastava，G.，& Kumar，P.，“Architecting User-Centric Internet of Things for Smart Agriculture”，Sustainable Computing：Informatics and Systems，2019，(23)：88-102.

二是基于数据的科技监管促进农业生产绿色化。从全球范围看，农业扩张是山林破坏进而导致气候失调的主要驱动力，因而农业与减缓及适应气候变化活动息息相关。(21)Harris，N.L.，Brown，S.& Hagen，S.C.，“Baseline Map of Carbon Emissions from Deforestation in Tropical Regions”，Science，2012，(336)：1573-1576.为应对气候变化，增强土地利用系统的适应能力和缓解潜力，以确保农业生产和减排目标的实现，世界粮农组织于2010年提出了气候智能农业的概念，其中农业数字化是关键。(22)Salvini，G.，Van Paassen，A.，Ligtenberg，A.，Carrero，G.C.& Bregt，A.K.，“A Role-playing Game as a Tool to Facilitate Social Learning and Collective Action Towards Climate Smart Agriculture：Lessons Learned from Apuí，Brazil”，Environmental Science & Policy，2016，(63)：113-121；Food and Agriculture Organization of United Nations，“‘Climate-Smart’ Agriculture：Policies， Practices and Financing for Food Security， Adaptation， and Mitigation”，September 2010,http：//www.fao.org/3/i1881e/i1881e00.pdf.即通过对农业生产的数字监测和管控，挖掘动植物生长潜力，优化对土地资源的管理配置，提高土地资源的产出效率和利用率，进而在不破坏更多植被的情况下满足人们的粮食需求。从我国实际情况看，大数据应用还可以促进乡村生态资源规划、农业生态污染监测、农业生态补偿决策优化和农药化肥施用控制，实现农业绿色发展。(23)肖若晨：《大数据助推乡村振兴的内在机理与实践策略》，《中州学刊》2019年第12期。例如，利用大数据对生态乡村建设进行全要素、全系统、全过程设计，可以实现生态资源利用的最优配置，因地制宜地实施资源开发活动。再如，利用大数据提供构建大气环境、土壤环境和农业面源污染的一体化监测系统，可以快速、精确地进行污染源追溯，帮助农业生产者进行环境预警，进一步为农田保护性耕作、退耕还林还草、碳汇农业等生态资源节约和保护行为提供更精确的补偿决策服务。又如，通过建立农业生产资料电子追溯监管体系，有助于按照技术标准约束农药化肥的过度使用，促进农业绿色节能生产。

三是基于数据的智能管理促进农业生产规范化。改革开放以来，标准化程度低、制度化建设弱等规范化问题一直是限制我国农业发展的桎梏，是农业生产、经营和流通成本居高不下的重要因素，阻碍了农业的高质量发展。数据要素的应用有助于实现农业的智能管控、精准运行和科学管理，是推动构建农业规范化生产模式的良方。首先是产中规范化。农业物联网与人工智能的有机结合推进农业生产更加模块化和流程化，智慧农业管理系统的不断完善又带来农场管理更加智慧化和科学化，进而保证了农业生产的标准化运行。其次是产后规范化。农业经营主体不仅可以通过数字技术架构的农业培训平台获取多元化、科学化和规范化的技能培训服务，而且能够利用数字化生产、物流和经销平台获得或共享经营数据，统一其社会化生产、生产资料供应和农产品营销，以数据共联共享实现信息可查询、流向可跟踪、质量可追溯和责任可追究的数字农业生态。(24)夏显力等：《农业高质量发展：数字赋能与实现路径》，《中国农村经济》2019年第12期。从而保障农产品从生产到餐桌各环节质量标准和实施流程的一致性。再次是全程规范化。数据要素的加入势必会导致农业产前、产中、产后各环节加速融合，任何一个生产环节的脱节都会影响整个供应链的经济绩效，这就要求农业生产全过程形成相对统一的标准和制度，而生产标准和组织制度的规范化离不开数据要素的管理驱动，最终实现农业各生产环节的共生发展。(25)梅亮、陈劲、刘洋：《创新生态系统：源起、知识演进和理论框架》，《科学学研究》2014年第12期。

2.促进农业产出成效优化。

一是有助于生产效率提高。农业生产数据的分析、建模和可视化，可以改善农业的生产规划和管理决策。例如，利用数据流转推动现实世界和虚拟世界相互映射、高效协同的数字孪生技术，实现对农业产出的精准预测，从而促进农业效率的提升。同时，数据要素能够驱动农业生产的机械化、自动化和智能化，从而替代低效的人力劳作。例如，农业机器人的使用可以自动识别和消除杂草及害虫并智能精确地收获农作物；完全自动化和数据密集的封闭式生产系统将促进农药的减量使用以及水分和养分的循环利用。(26)Kamilaris，A.， Kartakoullis， A.， & Prenafeta-Boldú， FX.，“A Review on the Practice of Big Data Analysis in Agriculture”，Computers and Electronics in Agriculture，2017，(143)：23-37.此外，大数据与基因编辑技术的搭配可以优化种质资源。利用基因工程技术对农作物或动物的基因组进行编辑，既能培育出一些营养价值较高的作物品种，又能够获得生长效率更高的种质资源。

二是有助于产品质量保障。根据新制度经济学的研究，信息约束和认知约束是机会主义的根源，在信息不对称的环境下，机会主义已成为内生的缺陷，在农业中是无法避免的。(27)Knight，J.，Institutions and Social Conflict，Cambridge University Press，1992.在农业生产环节，由于存在雇工监督成本较高及标准化生产较难等问题，不利于农产品品质的保障。大数据技术允许农户在田间地头对农作物实施智能耕种、灌溉和防治，输出符合质量标准的产品。在交易流通环节，电商的机会主义行为难以被监管，这会诱导农户为了获取更多利润而采取低质量生产的决策，导致农产品市场的逆向选择。而数据的应用将为解决这一问题提供了可能。例如，有学者提出“基于区块链的电子农业”模式就可以通过直接或间接地将生态农场中的各种实体作为节点，利用各种智能设备自动收集数据并将其上传到整个区块链网络，从而可以扩展可公开共享的信息集。(28)Chen，Y.，Li，Y.and Li，C.，“Electronic Agriculture，Blockchain and Digital Agricultural Democratization：Origin，Theory and Application”，Journal of Cleaner Production，2020，(268):122071-122086.这种以数据驱动的生产模式有助于解决信息不对称、第三方机构不可靠以及有机食品可追溯性差等问题，保障了食品质量安全，维护了消费者的权益。

三是有助于生产收益提升。农业生产收益增加主要体现在农业生产成本的降低和农产品销售额的提升两个方面。从“节本”角度看，以数据为关键要素的数字平台可以极大地降低信息不对称，释放更多的供给和需求，降低生产和交易成本。(29)Schor，J.B.，“Does the Sharing Economy Increase Inequality within the Eighty Percent？：Findings from a Qualitative Study of Platform Providers”，Cambridge Journal of Regions Economy & Society，2017，(10)：263-279.产前利用农业生产端和消费端的市场数据做出合理投资决策，精细化农业生产资料投入。产中数据要素的使用能够减少与劳动力相结合的生产资料的损耗、降低原材料库存率以减少企业的储备和管理成本、减少因设备故障而使劳动过程中断造成的损失。(30)王胜利、樊悦：《论数据生产要素对经济增长的贡献》，《上海经济研究》2020年第7期。产后利用现代电商物流技术加强产品流通过程中的数据交流，缩短流通时间、促进产销对接，从而减少农产品的流通和匹配的成本。从“促销”角度看，大数据不仅能够推动上游生产模式由粗放型和外延式向精准化和集约化转变，而且能带来下游商业模式的创新，拓宽农产品销路。例如，以抖音为代表的短视频行业的视频营销和直播带货、以盒马鲜生为代表的生鲜行业的新型零售和极速配送、以拼多多为代表的传统电商的社交拼单和社区团购，推动了滞销农产品的线上化交易和多元化经营，扩宽了农业产业的经营边界。从本质上说，这些商业模式均受惠于大数据技术的不断裂变和革新，从而彻底改变了人们的生产、生活乃至于思维方式，促进了农村商业的繁荣发展。

四是有助于风险危害降低。农业情报和经营信息的整合、公开，能帮助农业经营主体有效规避农业经营风险。(31)杨丽君：《以色列现代农业发展经验对我国农业供给侧改革的启示》，《经济纵横》2016年第6期。首先是自然灾害预警。基于大数据的分析与预测，能够建立农业自然风险的监测预警和风险防范机制。例如，种植业的农业病虫害监测预警网络和数字植保防御体系，通过对自然气候和环境的预先观测，提前进行数字化防控，降低自然风险造成的不必要损失。其次是市场风险规避。农业经营主体可以观测以往市场的交易情况，合理预期未来市场供需，开展“先找市场，再抓生产，产销结合，以销定产”的生产模式，避免农业生产的盲目性；而政府可以构建市场风险预警机制，降低农产品市场价格波动对农户的伤害。再次是社会风险化解。2020年突发的全球新冠疫情给我国农业带来严重危机，数据要素促进了食品质量安全监管和不同层级供需信息的匹配，推动了农资的正常供应和技术的远程化服务，对于保障春耕的有序进行意义重大。

(二)数据要素对农业经营的影响

1.推动农业经营主体组织创新。

老龄化加剧的传统小农经营由于具有经营规模小且地块分散等先天不足，与现代农业发展之间已呈现相互脱节的突出矛盾。(32)阮文彪：《小农户和现代农业发展有机衔接——经验证据、突出矛盾与路径选择》，《中国农村观察》2019年第1期。在政策和市场的双重驱动下，以企业和合作社为代表的新型农业经营主体已逐步成为带动小农户与现代农业有机衔接的组织中枢。其中，数据发挥了不可替代的作用。一方面，数据要素加强了小农户与企业和合作社等经营性组织的联系，推动了数字技术向更大范围推广应用，释放了农业数字生产力。另一方面，数据要素创新了农业生产组织的结构和发展模式，很大程度上缓解了农业小规模经营的劣势。

其一，数据要素可以重塑农业经营主体的组织结构。互联网技术的裂变创新和发展应用，驱动了数据信息的爆发增长和加速流转，助推农业组织结构向扁平化、去中心化和网状化方向转型，进而促使农业组织成员间的交互更加密集、分工更加协调、管理更加高效。例如，通过对组织结构的数字化重塑，农村集体经济组织能够更加有效地对土地、山林等集体资产优化配置，提高集体性资产的管理效能，强化基础设施和公共服务的精准供给，促进农业经营效率和农村治理效能的双重提升。而由合作社等主体引领的农业合作经济组织则可以更精确地观测到农户的服务需求，并通过对外衔接外部市场、对内动态调整运行机制，能够更好地调配组织要素资源、发挥组织集聚优势。同时，数字技术革新与服务需求拓深又将促进农业组织间的交叉合作，催生了农民合作社联合社、农业产业化联合体等新型组织结构形式，使社会化大生产向纵深延展。因此，数字化打破了传统固化的农业组织层级，通过信息的共联共通改变了组织成员间的关系结构，激活了农业资源禀赋，开辟了农业组织创新的新路径。可预见，建立在虚拟平台上的数字化新型农业经营主体将成为解决小农户组织性与协同性问题的重要桥梁。(33)殷浩栋、霍鹏、汪三贵：《农业农村数字化转型：现实表征、影响机理与推进策略》，《改革》2020年第12期。

其二，数据要素可以优化农业经营主体的资源配置。在互联网与数字平台的中介调节下，数据促使各类农业经营主体的资源要素供需更加清晰，并赋能要素市场化流转，带来了农业产业的规模经济效应和资源集聚效应。(34)王乐君、寇广增：《促进农村一二三产业融合发展的若干思考》，《农业经济问题》2017年第6期。通过数据分析，农业经营主体不仅能够吸纳到所需的生产要素，推动要素由分散向汇聚转移，还能对资源要素进行编排重组，促进其高效配置。目前，基于数据的要素集聚方式主要有两种：一是各级政府组织、行业协会和商业机构通过成立要素交易和服务的数字化平台，形成劳动、土地和农资等要素的信息互通机制，加速农业生产要素的流动和直接交易；二是借助合作社等新型农业经营主体，通过数字链接发挥其间接资源调配力量，将要素资源先聚集于各合作社内，再统一辐射到各需求单位，形成“散是满天星，聚是一团火”的资源整合再利用效应。尤其在金融资源的配置上，由于金融机构与涉农主体间信息极度不对称，涉农主体的信用信息难以有效获取，且涉农主体一般缺乏稳定的有效抵押物，导致农业经营主体面临突出的信贷约束。而数字金融为化解农村金融困境提供了有力武器。实践经验表明，通过云计算、区块链等信息化手段构建数字信用体系，并利用大数据有效控制农业生产风险和市场风险，为农业经营主体提供低成本、无抵押、快速便捷的信贷资金，有效解决农户融资难问题。(35)周月书、笪钰婕、于莹：《“互联网+农业产业链”金融创新模式运行分析——以大北农生猪产业链为例》，《农业经济问题》2020年第1期。

其三，数据要素可以提升农业经营主体的服务能力。随着大数据和物联网等技术对农业农村的数字渗透，农业产业化组织逐步淡化了早期以统一标准、统一决策和统一管理为宗旨的工业化思维，转变为着力构建现代社会化服务体系以保障农业纵向一体化高质量发展的服务化逻辑。数字经济的快速发展意味着中国农业已经进入了知识服务阶段。然而，数字技术的引入可能会破坏农户长期构建的社会联系和公共认知制度，影响农户对数字农业的接纳程度。(36)Janc，K.，Czapiewski，K.，& Wojcik，M.，“In the Starting Blocks for Smart Agriculture： The Internet as a Source of Knowledge in Transitional Agriculture”，NJAS：Wageningen Journal of Life Sciences，2019，(90-91):100309-100321.因此，要发挥新型农业经营主体在短期内的数字引领和服务作用，既充当数字农业创新系统中的传感器角色，提供相关的数据咨询和决策服务；又不断提高自身对数字农业创新的理解和参与水平。(37)Busse，M.，Doernberg，A.， Siebert，R.， Kuntosch，A.， Schwerdtner，W.， König，B.& Bokelmann，W.，“Innovation Mechanisms in German Precision Farming”，Precision Agriculture，2014，15 (4)：403-426；Eastwood，C.，Ayre，M.，Nettle，R.& Rue，B.D.，“Making Sense in the Cloud： Farm Advisory Services in a Smart Farming Future”，NJAS -Wageningen Journal of Life Sciences，2019，(90-91):100298-100308;Eastwood，C.R.，Jago，J.G.， Edwards，J.P.& Burke，J.K.，“Getting the Most out of Advanced Farm Management Technologies： Roles of Technology Suppliers and Dairy Industry Organisations in Supporting Precision Dairy Farmers”，Animal Production Science，2015，56 (10)：1752-1760.从具体服务内容来看，数据获取和提供生产策略的过程体现的是信息收集的服务，流通和零售过程体现的是交易的服务，安排物流布局和供给决策的过程体现的是分析的服务，当然这其中还涉及支付、物流、融资等各种衍生服务。(38)张在一、毛学峰：《“互联网+”重塑中国农业：表征、机制与本质》，《改革》2020年第7期。总之，在数据要素的驱动下，企业和合作社等新型农业经营主体的农业社会化服务能力将大幅提升，数字农业的服务载体将日益强大。

2.推动农业产业结构转型升级。

数据要素的汇入打破了产业间的技术和空间壁垒，三次产业的关系从分割到融合再到共生的进程加快，不仅改变了农业经营结构、改善了农业的内部结构，亦在整体上优化了三次产业的总体结构。

从农业经营结构看，数据要素推动了产品研发、市场营销与商业模式的创新。数据要素既是促进要素融合、提升劳动生产率的手段，也是挖掘市场需求、发现行业短板的创新源泉。在产品研发层面，开发利用以用户为中心的搜索引擎，智能高效地访问商业与科研数据，对于农业经营主体调动知识资源并改善创新至关重要。(39)Ingram，J.& Gaskell，P.，“Searching for Meaning： Co-Constructing Ontologies with Stakeholders for Smarter Search Engines in Agriculture”，NJAS-Wageningen Journal of Life Sciences，2019，(90-91):100300-100313.例如，大数据可以帮助企业获得和使用市场中更多的信息来研发更能满足消费者需求的新产品，加快农业产品创新进程。(40)谢康、夏正豪、肖静华：《大数据成为现实生产要素的企业实现机制：产品创新视角》，《中国工业经济》2020年第5期。在市场营销层面，通过充分运用互联网营销平台，基于数据反映的消费信息形成用户思维，不仅能够提高产品的创新和设计能力，实现产品的个性化和多样化，还可以提高资源利用及企业管理的效率和水平。(41)杜传忠、王飞：《产业革命与产业组织变革——兼论新产业革命条件下的产业组织创新》，《天津社会科学》2015年第2期。在商业模式创新领域，行业研究和企业战略策划人员可以利用数据分析挖掘各产业结构之间的相关性，并客观预测产业结构的变化趋势，引导企业或行业的商业模式创新。(42)陈德余、汤勇刚：《大数据背景下产业结构转型升级研究》，《科技管理研究》2017年第1期。而数据的积累是数字农业商业模式爆发的基础。以现有的物联网环境下诞生的各种新的农业商业模式看，无论是产业前端的生产经营、中端的加工物流，还是后端的销售贸易，其模式创新和优化都依赖于大数据的积累应用，在信息与通信技术的迭代更新下数字农业的商业生态正在快速形成。(43)阮俊虎等：《数字农业运营管理：关键问题、理论方法与示范工程》，《管理世界》2020年第8期。

从农业内部结构看，数据要素正在深刻影响着农业产业的内在构成。在生产结构上，粮经饲、种养加、农文旅等大农业范畴下的众多产业，将随着大数据的应用不断调整农业供给侧结构，重点品类、特色产业也会更加符合市场需求。在空间布局上，大数据是当前开发农业多功能性、开展乡村产业规划不可或缺的重要工具，它不仅可以促进企业选址更加经济合理，而且能够降低产业运营成本、减少负外部性，使产业分布更加协调、绿色和开放。在产业链延伸上，数据要素可以低成本地联动产业链、创新链、资金链和人才链，促进建立实体经济、科技创新、现代金融、人力资源协同发展的产业体系，(44)于施洋、王建冬、郭巧敏：《我国构建数据新型要素市场体系面临的挑战与对策》，《电子政务》2020年第3期。大大缓解农业产业链片段化、分割化造成的农业价值链长期低端化和增值困难。(45)姜长云、杜志雄：《关于推进农业供给侧结构性改革的思考》，《南京农业大学学报(社会科学版)》 2017年第1期。

从三次产业看，数据要素有助于破除农业与二、三产业相对分离的格局。数据要素的广泛应用推进了城乡各要素加速流动和城乡产业的数字化协同，对解决我国第一产业后端延伸不足、第二产业两头连接不够紧密、第三产业发育不足的问题意义重大。(46)夏显力等：《农业高质量发展：数字赋能与实现路径》，《中国农村经济》2019年第12期。对于工业而言，数据要素能够充分利用消费市场需求，优化食品加工业的农产品原料供给结构和农业设施设备制造商的产业布局，减少加工损耗，提高组织协调，进而反向引导农业智能化发展。对于服务业而言，基于数据的互联网平台普及促使农业快速服务业化，农业产前、产中、产后均呈现出巨大的数字红利，更多服务方式由线下转为线上，大量服务内容由供给驱动转为需求决定，服务范围也由聚焦大都市转为向全国辐射。可以说，数据的应用使农业由劳动和生产资料密集型向资本和技术密集型的方向过渡，加速了新业态、新模式在第一产业中的成长和一二三产业的融合发展，促使我国在新的历史时期有效实现新旧动能的转换升级。(47)李晓华：《数字经济新特征与数字经济新动能的形成机制》，《改革》2019年第11期。

(三)数据要素对农业治理的影响

农业治理是解决“三农”发展困境、引领“三农”高质量发展的“可见之手”。数据赋能颠覆了传统的自上而下的“寻租”式治理，推动了农业治理的信息化、网络化和平台化重塑，为解决农业发展桎梏注入了数字要素、提供了数字手段、转换了数字思维，对促进农业治理能力和治理体系现代化创造了更多的可能。

1.加快农业发展瓶颈的有效治理。

从农业生产经营来看，传统农业产业普遍存在生产效率低、交易链条冗长、产销信息不对称、产业信息化程度低等问题，这不仅是制约农业高质量发展的关键原因，也是导致传统农业失“治”的痛点所在。(48)汪旭晖、赵博、王新：《数字农业模式创新研究——基于网易味央猪的案例》，《农业经济问题》2020年第8期。数据为促进农业生产智能化、经营网络化和管理精准化，满足农户生产和销售的信息服务需求提供了新的要素。例如，自“十二五”时期农业农村部便开展信息进村入户工程试点行动，截至2020年底，已在全国建设运营益农信息社41.1万个，累计培训村级信息员98.8万人次，极大地推动了农业社会化服务和农村电商市场的发展，缓解了生产端信息不充分的问题，缩短了消费市场与生产环节的距离。从农产品市场流通分析，围绕农业生产构建上下联动的数据共享机制，推进数据实现自动化采集、网络化传输、标准化处理和可视化运用，不仅能加强对农产品质量安全的监测，实现农产品流通信息透明化、责任明晰化“各环节信息可查询、来源可追溯、去向可跟踪、责任可追究”，而且还有助于提高对农产品市场不正当竞价等垄断行为的监督和治理，维护公正公平的市场秩序。

2.加快农业治理能力的有效提升。

随着农村改革的深入推进和农业发展方式的绿色化转型，我国农业呈现出许多新的特征，这就要求国家构建新型农业治理体系。农业“智治”不仅能显著降低农业治理的边际成本，提升涉农政务办理、财务管理、助农服务、农技培训和农事监管的治理效能；而且有助于地方政府实现用数据对话、用数据决策、用数据服务和用数据创新，从静态的被动处理向动态的主动出击转变，推动公共服务的精准供给和重大风险的防范化解。进一步地，基于大数据分析的机器学习能通过改变政策研究范式优化农业政策的制定。这是因为计算机具有庞大的数据收集和储存能力，机器学习能够自我分析学习这些数据，发现传统分析方法所忽略的一些规律，并能考虑和模拟未来社会和经济的动态变化，然后提出更科学的政策建议。(49)于晓华、唐忠、包特：《机器学习和农业政策研究范式的革新》，《农业技术经济》2019年第2期。此外，在具体实践中，许多地方政府积极响应政策号召，一方面加速整合农业部门的数据资源，建设统一的数据汇聚治理和分析决策平台，实现对农业生产经营情况的展示共享、监测预警和精准施治；另一方面借力数字科技企业和涉农企业数据库，构建“农业云”管理服务公共平台，全面提高农业行政管理和公共服务的信息化水平。这些实践均显著提升了农业现代化治理能力，印证了加强数据要素在农业治理中的应用是大势所趋。

三、涉农数据要素利用的理论与实践挑战

(一)数据要素利用中的政治经济学理论问题

数据作为参与物质生产过程的新要素，不仅在原有的要素结构中注入了新的活力，催生了数字生产力并释放了其对经济发展的“乘数效应”，而且还推动了数字时代各种复杂生产关系的形成。这对马克思主义政治经济学理论研究提出了新课题，也提供了新视角。农业作为自然再生产与经济再生产相交织的特殊产业，其数字化发展亟待政治经济学理论的创新，而农业经济作为社会主义现代化经济体系中的基础板块，数据生产要素在农业领域的广泛渗透和应用也亟待政治经济学理论的指导。目前，无论在农业还是其他产业，面临共性的理论挑战主要有以下两个方面。

一是数据生产要素参与下的生产力形成和发挥机制有待探索。研究构成生产力的诸多要素及其组合，通过旧生产要素的改造更新和新的生产要素的发明应用推进生产力向前发展，是中国特色社会主义政治经济学研究的重要任务。(50)田超伟、卫兴华：《论马克思的生产力理论与中国特色社会主义政治经济学的构建》，《教学与研究》2017年第10期。但由于数据要素不仅可以发挥“催化剂效应”，即渗透到原有农业生产要素中起革新作用，让原有生产要素改变作用的发挥机制与效果；又可以发挥“直接驱动效应”，即作为新生产要素带动原有生产要素突破已有生产力边界，形成新的生产力提升动能。因此，如何识别、测度数据要素的量和质，以及观察、评估其功能发挥过程和结果，都面临着诸多理论困难。

一方面，数据作为生产要素在农业中的特殊性还没有认识清楚。农业数据是在现代农业生产、经营、管理、 销售、投资等各种活动中形成的，具有经济附加值的、时空特征交织的有用性信息记录，主要来自农业资源与环境、农业生产、农业市场和农业管理等环节。它可能是呈现农业相关的自然、经济、社会信息的原始数据，也可能是为了某些目的而经过处理后的加工数据。但无论是原始数据还是加工数据，来自环境、动植物、人类及其活动的数据的性质和尺度相去甚远，数据存量和流量的数量级也差异巨大，如何与传统生产要素那样去衡量其数量与质量将面临数据多元化类型和应用场景的挑战。同时，数据传输速度快、成本低，保存相对稳定，不易“变质”，如何测度其价值并给予相应的定价都是理论难题。此外，数据是生产力发生数字化演化的根源，其作为一种单独的资源时往往难以发挥作用，需要与劳动、土地、资本、技术等其他要素进行数字协同，才能赋能传统产业的转型升级和要素资源的集约融合。那么，它与传统要素之间的关系是什么？例如，数据与劳动是什么关系？是劳动的产物，还是赋能劳动的工具，以及两者是如何结合的？(51)孟飞、程榕：《如何理解数字劳动、数字剥削、数字资本？——当代数字资本主义的马克思主义政治经济学批判》，《教学与研究》2021年第1期。数据与技术又是何种关系？是信息技术的产物，还是其本身就是技术的一部分，是物化的硬技术还是非物化的软技术？

另一方面，数据要素如何影响了农业中的自然再生产与经济再生产？数据区别于传统要素，其本质是通过驱动其他要素融合与生产技术进步来推动经济增长，但却需要数据间彼此合作生产、互联互通、达到一定数量才能具有存在的意义和价值，即通过数据量变实现效率质变。那么数据要素投入的量与质同农业产出之间的关系是否类似于传统要素？这里要强调的一个突出特点是，数据要素无论在自然再生产还是经济再生产过程中往往是不会“减损”或“消耗”的，甚至还会由于新的技术和领域的产生而增加或增值，因而在扩大再生产过程中一般也无须“补偿”，并且由于数据的“不可分性”或“粘连性”，在其投入再生产过程时常常仍需要“整体性”投入。这与传统要素的明显差异决定了数据要素生产力形成与作用机制需要进一步探明。

二是基于数据要素的生产资料所有制、利益分配等一系列生产关系有待厘清。围绕数据要素驱动的农业数字化变革必然会导致农业生产、组织、流通、分配和治理关系发生新的变化，而对数字化生产关系的调节是否合理又会影响农业现代化进一步的发展。目前，对于数据要素推动形成的农业生产关系革新及其对生产力的反作用的认识上还面临着不少理论难点。(52)周绍东：《“互联网+”推动的农业生产方式变革——基于马克思主义政治经济学视角的探究》，《中国农村观察》2016年第6期。其中，数据权属和收益分配问题是关键挑战。

一方面，数据权属界定存在理论争议。清晰的数据权属关系是保证数据来源完整性与全面性的基础，有利于通过提升市场效率促进数据的获取和交易。(53)武长海、常铮：《论我国数据权法律制度的构建与完善》，《河北法学》2018年第2期。然而，包括农业在内的各个行业，数据产权界定不清仍是不争的事实，这既不利于数据信息的安全保护，又抑制了数据要素的高效配置利用。在数据获取上，由于数据生产过程涉及个体、企业和政府部门等多类主体，权属边界确定较为复杂。尤其是那些“经由网络用户写入，而由网络平台控制”的非隐私类公共集合数据的权属争议较大，数据归用户、归平台还是归政府众说纷纭。(54)张玉洁：《国家所有：数据资源权属的中国方案与制度展开》，《政治与法律》2020第8期。在数据加工处理上，一种观点认为对于经过二次处理的增值数据，数据处理者应享有所有权，这样才能激励数据处理者挖掘更多数据的潜在价值，为数据市场研发新产品；(55)丁道勤：《基础数据与增值数据的二元划分》，《财经法学》2017年第2期。另一种观点则认为即使是处理以后匿名化、不泄露原始数据隐私的衍生数据，也应承认数据原生产主体对数据的初始产权。(56)肖冬梅、文禹衡：《数据权谱系论纲》，《湘潭大学学报(哲学社会科学版)》2015年第6期。在数据开放共享上，哪些数据要素可以被视为“公共物品”来开放利用，而哪些则具有“俱乐部物品”或“私人物品”特点需要受控利用，不同经济性质的数据在利用上有待理论识别。(57)高富平：《数据经济的制度基础——数据全面开放利用模式的构想》，《广东社会科学》2019年第5期。而农业领域的数据来源广、类型多，特别是介于公共物品与私人物品之间的数据相对于制造业等其他产业更多，迫切需要对其权属进行清晰厘定。

另一方面，数据要素参与后实现公平分配的理论依据亟待完善。不同于劳动、土地等要素，数据参与分配一直存在着较大的争议。党的十九届四中全会明确提出，要建构“由市场评价贡献、按贡献决定报酬”的数据要素分配机制，是对数字时代收入分配理论革新的重要信号。但分配主体尚不明确是抑制数据要素公平分配的一大梗阻。部分学者认为相关企业或数字平台应该是数据要素的分配主体，因为他们在数据开发利用方面付出了大量成本、为用户提供了巨大便利和智能服务。(58)操奇、孟子硕：《数据作为生产要素参与分配机制的几个问题》，《福建论坛(人文社会科学版)》2020年第11期。但随着数字劳动理论的创新，平台用户对生产互联网大数据所做的相关劳动——数字劳动方式也被一些学者视为剥削的一种极端形式，并认为作为数据要素生产来源的用户才应成为分配主体。(59)谢芳芳、燕连福：《“数字劳动”内涵探析——基于与受众劳动、非物质劳动、物质劳动的关系》，《教学与研究》2017年第12期。可见，只有厘清了数据要素的分配主体，数据该以劳动、产品还是股份形式参与分配才有根可寻。

(二)数据要素利用面临的实践挑战

尽管数据要素对农业现代化的赋能作用巨大，但由于数字经济的发展时间不长，不仅理论探索刚刚起步，实践中也面临着诸多挑战。农业领域虽然特殊，但所面临的实践挑战仍以以下两个方面的共性问题最为突出。

一是从促进利用的角度看，数据要素市场体系尚不成熟。首先，数据标准化程度较低，提高了数据要素自由流动、充分利用的难度。目前我国的数据要素市场在数据度量、数据分类、数据采集、数据交易以及数据跨境等标准体系建设方面仍处于起步阶段。以涉农数据采集为例，来自生产、生活、生态领域的数据采集方法不一、录入规范程度较差等现象较为常见，导致数据质量参差不齐、难以符合多样化的市场使用需求。其次，数据交易模式创新不足，阻碍了数据价值的有效释放。目前数据交易以粗加工的原始数据为主，交易模式主要停留在不对数据进行任何预处理或深度的信息挖掘分析的数据撮合的层面，而对能够满足不同用户需求，围绕大数据基础资源进行清洗、分析、建模、可视化等操作，形成定制化数据产品的数据增值服务模式的实践探索还不多，不利于数据交易效率和产出效果的优化。(60)田杰棠、刘露瑶：《交易模式、权利界定与数据要素市场培育》，《改革》2020年第7期。在农业领域，多数从事种植养殖的农民对于数据本身的开发利用能力低，亟待实用性强的数据服务产品或服务模式给予农业生产经营以支持。再次，数据资产价值认定存在操作困难，制约了数据收益的合理分配。数据要素被普遍认定为无形资产大类，其价值评估方法主要有市场法、成本法和收益法三种。根据“由市场评价贡献、按贡献决定报酬”的原则看，与数据相关的分配包括按劳分配和按数据要素贡献参与分配两个部分，故数据要素既可以作为劳动产品在市场上交易获得报酬，也可以作为生产要素分享剩余。(61)李政、周希禛：《数据作为生产要素参与分配的政治经济学分析》，《学习与探索》2020年第1期。但实践中具体的实施方案尚未有成熟的可循路径，在数据市场价格相对扭曲、数据要素生产率不易估计的情况下，主观上的数据要素贡献评价就可能出现失真或不合意的后果。(62)Stalebrink，O.J.，“The Hayek and Mises Controversy：Bridging Differences”，Quarterly Journal of Austrian Economics，2004，7 (1)：27-38.

二是从加强规制的角度看，数据要素治理体系尚不完善。首先，数据开放利用的体制激励不足。数据开放意味着要承担数据要素稀缺性丧失的风险，因而市场本身难以产生开放激励，致使目前政府在数据开放上主要依赖于企业。而在缺乏成熟的制度安排下，政府作为公共管理者的角色被弱化，体现水土、气象、生物等公益性信息和农产品价格、市场供求等经营性信息在内的数据要素开放的营利性整体增强而公共性整体减弱，这导致国家数据开放利用的综合水平不易提高。(63)杨东：《数据要素市场化重塑政府治理模式》，《人民论坛》2020第34期。其次，数据安全的法律保障不足。随着数据技术发展和数据使用需求提高，数据窃取、数据滥用、数据黑市交易等非法行为也呈蔓延之势，严重侵害了个人隐私、商业机密和公共安全。尽管我国已经颁布(或公布)的《民法典》《网络安全法》和《数据安全法(草案)》等法律弥补了我国数据安全领域的空缺，但仍然未改变我国数据安全立法不系统不完整、法律救济渠道单一且成本高昂、法制打击力度不足的整体格局。再次，数据监督管理的机制创新不足。当前数据要素监管的顶层设计相对滞后，不仅数据监管体制混乱，数据监管标准不一、各部门各自为政现象严重，而且给经济社会的健康发展带来了不良后果。一方面，由于以数据为核心竞争要素的平台经济拥有很多不同于传统经济的特征，针对性的监管理论和制度的不健全导致了在反不正当竞争、反垄断等方面缺乏有效抓手。(64)吴汉洪、王申：《数字经济的反垄断：近期美国反垄断领域争论的启示》，《教学与研究》2020年第2期。另一方面，数据监管不善所引发的数字伦理问题也激起了社会的广泛争议。例如，外卖平台的智能配送系统对外卖骑手的不合理派单、某些企业开发的智能任务监控系统对员工的不合理管控，皆有可能在打着数据“智能”的幌子行剥削劳动剩余价值之实。

四、加快数据要素赋能农业现代化的对策建议

长期以来，我国农业发展始终滞后于许多发达国家，为我国在“十四五”时期高度重视农业农村现代化发展埋下了伏笔。以数据要素赋能现代农业发展是政策制定者、农业经营者和科研工作者应高度重视的新领域、新动能和新课题。基于对数据要素的内涵作用、赋能农业现代化的内在机理和当前数据要素利用面临的理论与实践问题，本文从生产力和生产关系两个层面提出如下建议。

1.夯实农业数字化生产力基础。

第一，重视农业数字化人才队伍建设。数据要素与实体经济的深度融合离不开人才队伍建设，人力资源和专业知识的缺乏将阻碍大数据分析的广泛使用。(65)Sawantia，M.,Urkudeb R., & Jawalec，S.,“Organized Data and Information for Efficacious Agriculture Using PRIDETM Model”，International Food & Agribusiness Management Association，2016,(19):115-130.长期以来，农村青壮年劳动力不断流失，创新人才培养模式、不断输送农业领域的数字人才对促进农业数字化发展至关重要。这不仅要整合政府、高校、企业和社会资源，针对科技服务、经营管理和农业治理等领域构建多元化和多层次的大数据人才培养体系。而且需要围绕农业数字化人才的遴选、培训和奖惩等多个环节，建立适应各类数据要素与农业融合发展的人才评选机制和保障措施。

第二，引导农业经营主体发展数字农业。由于使用大数据附加价值不明确、数据和技术的提供者与用户之间存在数据主权和信任问题、与数据平台治理相关的制度安排不合理等因素，导致农户使用大数据的充分收益受到限制，使其表现出较低的数字农业投资和开展转型意愿。(66)Newton，JE., Nettle,R.,& Pryce，JE.,“Farming Smarter with Big Data： Insights from the Case of Australia’s National Dairy Herd Milk Recording Scheme”，Agricultural Systems，2020 ，(181):102811-102824.因此，政府部门不仅要提供一系列专门的指导服务和合理的制度安排，推动数字科技企业为农户提供数据采集、分析和应用等社会化服务；而且要加速完善数字进村的市场体系建设，提高经营主体的信息获取意识、拓展其信息获取渠道，进一步激活市场在数据要素配置过程中的作用。(67)阮荣平：《 “互联网+”背景下的新型农业经营主体信息化发展状况及对策建议——基于全国1 394个新型农业经营主体调查数据》，《管理世界》2017年第7期。以组织服务和市场调节双维驱动，促进农业整体经营的数字化转型。

第三，加速构建农业大数据综合服务平台。正如《数字农业农村发展规划(2019—2025年)》所指出的，推进数据资源共享、智能预警分析和政务集中治理对促进农业数字化发展至关重要，必须要加速构建国家农业农村的云平台、政务信息系统和大数据平台，发挥数字信息平台对农业的服务驱动作用。在“十四五”时期，更应着力加强农业数据平台的整体布局，进一步完善平台的数据获取、数据管理、数据共享、数据挖掘和数据交易等一系列功能，以涉农平台为纽带充分释放数据要素在农业现代化中的红利。

第四，推进数字乡村“新基建”设施建设。尽管目前全国行政村通4G和光纤的比例超过了98%，但我国数字基础设施的建设现状仍不容乐观，主要表现为资金和项目投入差异导致的区域发展不协调。补齐农村和欠发达地区的“新基建”短板仍然是推进农业数字化转型的关键。为此，不仅要统筹政府、市场和村集体的资金力量，加大对数字基建薄弱地区的支持，而且要瞄准数字基建的薄弱环节，重点突破5G基站、天空地一体化监测体系、电商物流设施和大数据中心等新型基础设施，从而在“广度”和“深度”两个层面夯实数字根基。

第五，推动数字技术与农业产业的深度融合。数据要素在农业领域有广阔的应用场景，但数字技术只有嵌入农业自然与经济再生产全过程，实现数字技术和农业深度融合，才会成为农业转型升级的驱动力。(68)刘元胜：《农业数字化转型的效能分析及应对策略》，《经济纵横》2020年第7期。结合目前两者尚未实现深度融合的情况，尤其是在传感器、AI算法模型、区块链、智能装备设施等涉农数字技术的研发创新和推广应用方面仍处于跟跑阶段的事实，国家一方面需要引导数字科技企业和科研机构深入农业产业基层，集中力量攻关符合农民生产经营所需的农业大数据技术，另一方面应加大对农业数字技术研发创新的补贴力度，积极推进农业大数据产品和应用方案的孵化、示范和应用。

2.优化农业数字化生产关系运行。

第一，完善农业数据要素基本制度体系。一要建立农业数据行业标准规范。通过设立统一的农业数据行业标准，指导农业数据规范采集和高效利用，强化对数据要素的分级分类保护，推动涉农大数据交易流转的有序推进和监管，避免数据“打架”。二要完善农业数据权属确立制度。需进一步完善农业数据确权机制，既要明晰数据的产权归属，在纷繁复杂的农业大数据应用场景中精确厘清数据的具体归属；又要明确数据的产权内容，规制数据产权主体在涉农数据的生产、处理、应用和分配等各环节分别享有何种权属。三要扎实农业数据安全保障体系。数据价值的释放离不开数据整合与共享，需要妥善处理流动利用与安全保障的关系。不仅要加强基于数据的信息安全技术研发，提高农业数据风险识别、预警和防范能力，而且要不断完善涉及农业经营活动的数据安全保障机制，更加明确农业大数据利用各环节的安全治理要求和责任分工体系。四要健全农业数据参与分配机制。一方面要站在激励相容视角，科学厘清数据分配主体，兼顾好数据来源农户和数字服务企业的利益关系；另一方面要完善数据要素分配准则，明确农业数据在参与市场分配中的具体形式、途径和规范。

第二，构建农业数据要素共享流转机制。开放共享和交易流转是加速数据流通、促进社会福利提升的两条路径。当前，我国依托政府和社会资源初步搭建了统一开放的农业农村大数据中心，依照“政府指导、社会参与、市场化运作”模式形成了贵阳大数据交易所，在数据要素共享流转方面进行了卓有成效的探索。然而，在农业领域，涉农经营主体间的数据分离和割裂现象仍然严重，农业数据要么未能充分采集和挖掘，要么掌握于少数平台和主体手中，造就一座座“数据孤岛”，其归根于没有建立完善的数据公开共享机制、缺乏数据交易的营商环境。因而，需要加强顶层设计，合理运用法律和技术武器提高农业大数据的使用效能。在数据开放共享方面，要推进农业公共组织数据要素的统一汇聚和集中向农业经营主体开放利用，基于多方合作的日本农业数据协作平台提供了建设运营经验。(69)董春岩、刘佳佳、王小兵：《日本农业数据协作平台建设运营的做法与启示》，《中国农业资源与区划》 2020年第1期。在数据交易流转方面，应尽快出台数据交易法，明确交易规则和市场规范，建设集农业数据确权、管理和交易于一体的交易模式，基于区块链技术的数据要素交易机制是我国的前沿方向。(70)参见中国互联网金融协会互联网银行专业委员会：《数据资产、账户与要素交易流转机制研究——基于银行保险机构的实践》，2020年12月25日，http：//www.nifa.org.cn/nifa/2955675/2955761/2993008/index.html.

第三，健全基于数据要素的农业治理模式。其一，促进“智治”引领的农业治理新模式建设。不仅要加速推进农业农村治理数字化、信息化和网络化转型，促进服务集中统筹、资源集中整合、问题集中解决，而且要继续压实政府对农业数字问题治理的顶层设计和责任分工，加强对农业大数据垄断等关键问题的动态把握和精准施治。其二，促进数字监管治理与激励治理的互补发展。一味地对农业和农户加监管“杠杆”反而会抑制治理效能，需驱动农业治理模式由单一走向双维，既要践行规制风险的监管控制型治理，又要搭配鼓励创新的包容促进型治理。其三，促进法治和德治、自治的有机结合。一方面，要将道德指南针聚焦于资本和平台方，建立一个数字创新行为规范来指导数字农业转型，以敦促农业数据采集和利益分配机制更公平合理；另一方面，也要加强农户对农业数字化相关的规章政策的认知教育，提高其维权意识和自治能力。总之，既要充分利用数据要素实现农业治理数字化转变，也要完善农业数字化治理机制，有效解决农业数字化转型过程中的数据治理难题。