数据要素推动产业数字化进程加速的机制与对策研究

李小龙 张素 吕艾临

(1.中国信息通信研究院工业互联网与物联网研究所,北京100191;2.中国信息通信研究院云计算与大数据研究所,北京 100191)

0 引言

推动数字经济发展已成为构建现代化产业体系,推进中国式现代化的重要驱动力量[1]。数据作为新型生产要素,以爆发式的增长对生产力和生产关系的变革产生了重大影响,在数字经济时代不断催生新产业、新业态,衍生新动力,深刻改变着社会经济发展走向[2]。激活数据要素内生潜力,将有力推动产业质量、效率和动力变革,对加快产业数字化进程,推动我国数字经济高质量发展具有重要意义。

1 数据要素的内涵

当前,我国已进入数字经济时代,以大数据为代表的信息资源和劳动、资本、技术等传统生产要素共同支撑社会经济价值创造过程,对生产力的发展产生了重大影响。党的十九届四中全会首次提出数据是生产要素[3],自此数据要素的理念迅速传播,价值挖掘不断深化,成为数字经济的动力引擎。

1.1 数据要素的基本特征

数据要素是指通过电子形式存储,可以应用到产业发展并发挥一定价值的信息数据[4]。相比于传统生产要素,数据要素具有下述3个基本特征。

一是规模经济性。数据要素属于无形资产,在被使用和共享过程中会随着数据传播链条的延伸而呈现爆发式增长,不仅打破了传统生产要素的数量限制,且投入的边际成本接近于零,从而表现出规模经济特征。

二是外部性。数据在被使用过程中对其他主体的福利会产生一定影响,包括正外部性和负外部性。正外部性是指数据要素在安全、规范的环境下能产生正向价值;负外部性是指数据要素被非法利用时会损害他人利益,如个人金融信息被盗取容易导致金融诈骗等重大问题。

三是准公共物品性。数据要素的使用相对灵活,各主体使用同一数据不会相互影响。同时,数据的获取和使用需要付出一定成本,使得数据要素具有准公共物品特性。因此,政府数据可由政府通过一定机制向社会开放创造价值;企业和个人数据可通过市场化交易的机制进行交易流通。

1.2 数据要素参与生产和经营活动的客观基础

数据要素能够参与生产和经营活动主要基于下述两方面客观基础。

一方面,数据要素可以与其他生产要素相互融合,放大各类生产要素在社会流转中产生的价值。数据要素自身是原始或加工的数据信息,价值密度低,但数据要素可以通过向其他生产要素渗透或与之融合,优化各生产要素价值创造的效率,从而提高全要素生产率。对于劳动力,数据要素可以优化生产过程分工体系,降低人力成本;对于土地,数据要素可以改善土地资源的配置效率;对于资本,数据要素可以引导资本流向高产出领域,提高投入产出比;对于技术,数据要素可以促进技术创新迭代升级(见图1)。同时,数据要素也可以直接参与生产和消费过程,并不断积累和存储新的数据要素,进一步对其他生产要素产生正向促进作用,形成数据要素的“倍增效应”。

图1 数据要素价值释放过程

另一方面,数据要素市场的不断发展为数据要素价值释放提供了前提。为促进数据要素合规高效流通,2022年12月,中共中央、国务院印发《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》(国发〔2023〕1号)(简称“数据二十条”),我国数据要素市场化进程实现跨越式发展[5]。尤其是在人工智能快速迭代、大模型与大数据相得益彰的发展态势中,数据要素的战略地位进一步凸显。我国各地方政府纷纷布局数据要素市场建设,出台了一系列支撑数据要素市场发展的政策。据统计,全国各地已先后注册60家数据交易场所,2022年我国数据要素市场规模突破800亿元,数据要素流通热潮涌现;预计到2025年,我国数据要素市场规模将突破2 000亿元[6](见图2)。

图2 我国数据要素市场规模预测

2 数据要素赋能产业数字化转型的机制

数字经济包含数字产业化和产业数字化。其中,产业数字化是指在数字技术驱动下,通过发掘数据要素价值,推动传统产业实现数字化、智能化、网络化转型升级,从而全面提升生产效率和发展水平,实现产业高质量发展[7]。因此,数据要素是产业数字化转型的动力引擎,其驱动作用主要体现在以下3个方面(见图3)。

图3 数据要素赋能产业数字化转型升级的机制

2.1 微观层面：数据要素促进企业数字化、智能化改造提升

企业通过提炼数据要素的信息价值,并将之融入企业生产过程,从而驱动技术创新、生产变革和市场拓展,全面提升企业数字化、智能化发展水平。在研发环节,企业利用大模型、数据挖掘等技术分析复杂的企业数据集,提升产品研发效率。如在医药制造领域,国内某知名药企通过建立药物分子大模型高效模拟药物结构并预测其成药性,从而加速新药研发。在生产环节,企业基于数据要素推动生产过程智能化改造,利用数据的记录、分析和决策功能,发展自动化生产、精益生产等先进制造模式,建立产品全生命周期管理流程,大幅提升企业生产质效。在销售环节,企业通过引入以数控机床为代表的智能设备使企业产线具备柔性化生产能力,从而快速应对市场需求,满足客户对生产流程的深度参与和大规模的个性化定制,有效提升供需匹配精准度。

2.2 中观层面：数据要素推动产业链供应链数字化转型进程加速

依托大数据中心、工业互联网等数字基础设施,产业链供应链上不同环节的企业可以开展生产经营数据共享和合作,促进产业链供应链上下游互联互通,共同推进产业链供应链协同发展,支撑产业链供应链全链创新,具体做法如下。

一是通过构建产业链供应链在线业务协同平台,以信息化的手段对产业链供应链运行数据进行收集、整理、分析和应用,可实现智能分析和决策,从而提升生产协同、采购协同、物流协同、销售协同等业务协同效率。

二是依靠数字孪生、工业元宇宙等数字技术,实现所有业务环节的数据可视化,通过数字反映业务当前最真实的状态,推动产业链供应链全流程可视可控。如在新能源汽车领域,国内某知名车企借助工业元宇宙技术建立虚拟工厂平台,将汽车制造全流程数字化虚拟化,从而更快速、更准确地规划高度复杂的生产系统,提高生产效率。

三是推动产业链上不同企业形成新型合作关系,构建跨越物理边界和地域空间的数字化产业链供应链新生态系统,激发企业利用数据要素进行创新的内生动力,从而推动产业链供应链价值提升。

2.3 宏观层面：数据要素支撑区域产业结构优化升级

通过将工厂、企业和园区等不同层级主体的数据汇聚起来,运用大数据、人工智能、区块链等数字技术进行分析、支持、调度和管理,可为区域产业的企业服务、政府监管、公共服务等提供数据支持和智慧决策,实现产业链数据、供应链数据、贸易流通链数据、创新链数据等不同类型数据的高效应用,从而推动区域产业高质量发展。据本文调研,国内某地政府为促进区域织造印染产业转型升级,通过建立织造印染产业大脑平台,有效链接织造厂、印染厂、贸易商、设备商、服务商等近3 000家主体,集成百余个应用(包括10多个跨应用场景、20多个产业链协同应用、近百个工业APP),平台月均活跃用户近5万人次,针对性地解决纺织印染产业的痛点难点问题,重塑了产业发展模式。

3 数据要素赋能产业数字化转型的现实阻碍

目前我国数据产量突破6.6 ZB,位居全球第二位,但其中开放、共享和使用的数据占比偏低,海量数据的价值未能充分释放[8]。在产业数字化发展进程中,数据要素还面临以下问题。

3.1 数据要素制度环境不健全导致数据需求与供给矛盾突出

现阶段我国数据要素的相关法律法规仍存在空白,如数据产权不清晰、定价和交易规则不完善、管理机制不健全等,使产业各界在参与数据交易时遇到了一系列难点、痛点问题,损害了市场主体的积极性,也影响了数据要素的流通效率。随着产业数字化转型进程逐步深入,产业各界对优质数据产品的需求日益增长,但市场高质量数据集供给仍有待提升。

3.2 数字基础设施不完善影响了产业数字化转型的效率

数据要素赋能过程离不开高质量的数字基础设施支撑。目前,我国5G、算力基础设施、工业互联网等数字基础设施正在快速发展,但与发达国家以及数字经济发展需求相比,很多数字基建设施的技术还不稳定,运营模式还不成熟,使数据采集、存储、传输等环节效率不高,一定程度上影响了产业数字化转型。如在工业领域,企业的数据存储量普遍不大,并且管理手段比较落后,大量中小企业仍在使用纸质等传统方式进行数据管理,“数据孤岛”是其普遍困境。

3.3 应用场景开发不足造成数据要素价值释放不充分

数据要素作为新型生产要素,产业各界正在探索如何挖掘其价值,但数据融合应用场景的深度和广度不够,数据要素赋能作用不够强。在政府层面,虽然公共数据存量大、价值高,但由于缺乏针对其隐私、安全等特征进行的应用场景设计,使之开放不积极,难以共享和整合,不能满足应用层面实际需求。在企业层面,大中型企业应用数据停留在建数据库、数据平台等形式化层面,中小型企业则大多仍在使用纸质等传统方式进行数据管理,数据未能与企业繁杂多样的业务场景紧密结合,“不会用”数据现象普遍存在。

3.4 数据安全监管力度不够给产业数字化转型带来更多风险和挑战

数据要素在成为数字经济发展重要推动力的同时,也给信息安全、知识产权、公民隐私等带来许多威胁,数据开放共享与安全保护矛盾凸显。如在新能源汽车领域,汽车数据安全问题日益突出,部分车企、运营商未经车主同意私自收集和利用汽车行驶数据用于自动驾驶训练、精准营销等,损害了用户个人利益[9]。面临严峻的数据安全风险防护和合规监管要求形势,产业各界对数据安全建设提出了更高要求。

4 进一步发挥数据要素价值的对策建议

我国数据产业发展基础扎实,数据资源积累丰富,但“数据产出大国”并不等于“数据应用强国”[10]。面临诸多挑战,未来仍需推动数据资源优势加速转化,实现数据要素高质量供给、合格高效流通,进一步释放数据要素价值,激发数据要素在不同场景中的“倍增效应”,为推进产业数字化转型和新型工业化注入新动力。

4.1 完善基础制度环境保障高质量数据产品市场供给

数据要素与传统生产要素存在显著差异,其可复制、可共享、可再生的特征决定了只有根据市场流通需求制定相关制度规范,才能保障流通效率及高质量产品市场供给,具体做法如下。

一是明确数据要素产权制度。根据“数据二十条”提出的数据产权制度框架,进一步细化重点产业领域的数据权属相关法律规定,为不同类别的数据设置相应的授权范围。

二是建立高效的数据要素交易流通机制。聚焦建设我国现代化产业体系形成的数据要素需求,加快制定数据采集、加工、评估、定价和交易等方面的基础规定,培育规范高效的数据交易场所,促进数据要素的市场化流动,提高数据供给的体量和质量,为产业各界发掘数据价值营造兼顾效率与公平的发展环境。

三是完善数据标准规范。推进政府数据分类分级管理,推动政府数据标准化开放,为企业、高校、科研院所等社会组织利用政府数据提供便利。引导行业组织、龙头企业牵头制定各领域、各行业的数据产品标准,支持企业数据标准化交易流通,破除企业数据在要素市场流转、交易、共享的壁垒,解决行业“数据孤岛”问题。

4.2 布局数字基础设施夯实新型工业化数字底座

结合新一轮科技革命和产业变革趋势,加快建设数字基础设施,促进数据与传统产业更好地融合,支撑产业各界发掘数据要素价值,具体做法如下。

一是加强顶层规划设计和统筹协调。建立政策协同体系,统筹解决数字基础设施高质量融合发展所面临的协同规划、建设运营模式、服务效能等问题,吸引更多社会资源参与到数字基础设施的建设。

二是聚焦重点领域推动数字基础设施建设。整合工业领域的共性需求,加快推动工业互联网、大数据中心、云计算等应用范围广、效益产生快的数字基础设施领域建设,为各行各业交易和应用数据要素提供公共基础服务,促使数字经济发展红利向传统工业领域渗透。

三是利用新技术构建新一代数字基础设施。支持企业开展隐私计算、数据空间、可信数据等数字基础技术和前沿技术的研发,探索建设“星火·链网”国家级区块链公共基础设施,引导新的数字基础设施体系加速形成。

4.3 打造典型应用场景发掘数据要素价值释放空间

以推动数据要素高水平应用为主线,强化场景需求牵引,激活数据要素潜能,具体做法如下。

一是推动企业提升数据要素利用能力。推动数据要素与企业生产全流程深度融合,引导企业通过数据赋能研发设计、生产制造、销售服务等各环节,持续提升企业数字化、智能化水平,全面提高企业生产质效。

二是打造重点行业典型应用场景。围绕新能源汽车、航空航天、生物制造、光伏等重点产业领域,解决行业应用数据共性问题,加速构建“数据要素×”典型场景,推进数据要素在相关行业和领域的广泛利用,培育新质生产力。

三是提升区域产业发展活力。通过建设区域产业大脑,汇聚和利用区域产业运行数据,一方面为区域内企业提供能力诊断、信息服务、企业扶持等服务;另一方面向政府提供智慧决策、高效监管等支撑服务,促进区域产业数字化转型。

4.4 强化数据安全保障促进数据安全有序流动

在包容审慎的监管原则下统筹开展数据安全治理,结合“数据二十条”等政策进一步完善政府、市场、个人3类数据分类分级管理制度,确保数据要素的流通利用不会造成负面风险,具体做法如下。

一是落实数据安全法规制度。推行数据全生命周期安全管理,强化数据使用过程的安全风险监测机制和应急处置机制,加强对各类数据的全方位保护,防止数据滥用。

二是丰富数据安全产品。聚焦企业数据安全需求,发展面向重点产业的精细化、专业型的数据安全解决方案,开发具有可定制、易使用的数据安全防护产品。

三是培育数据安全服务。围绕各产业领域数据安全保护能力建设与运行需求,积极发展检测、评估、认证等服务,有效提升数据安全水平。

5 结束语

随着数字经济蓬勃发展,产业数字化进程不断深入,数据要素作为基础性战略资源,已成为增强经济发展新动能,建立国家竞争新优势的关键力量。本文基于当前学术领域对数据要素的研究,探究了数据要素的内在价值,分析了数据要素赋能产业数字化的机制,针对数据要素赋能过程中的关键问题,从制度规范、数字基础设施、应用场景、安全保障4个方面探讨了下一步发展路径,对我国数据要素健康发展、安全有序流通交易具有一定的启示意义。