摘 要:推動數字經濟相關產業的科技成果轉化，需要把握數據要素的特征，實現數據要素的高效配置，提升數字經濟產業發展水平。數據要素具有產生者和擁有者分離的特征，其價值派生于決策的價值，并通過數據產品和服務實現自身價值。要促進基于數據要素的科技成果轉化，需要明晰科技成果所有權，切實降低制度性交易成本，鼓勵科研人員生產和積累數據要素，促進數據產生者、擁有者和使用者共同參與科研成果的生產，使科技成果適應市場需求。

關鍵詞:數據要素 科技成果轉化 數字經濟

【中圖分類號】F49 【文獻標識碼】A

在國家發展改革委、科技部、工業和信息化部、財政部等四部門聯合印發的《關于擴大戰略性新興產業投資 培育壯大新增長點增長極的指導意見》中列出的八大戰略性新興產業中，新一代信息技術產業、智能及新能源汽車產業、數字創意產業均與數字經濟有著直接和緊密的聯系。數字經濟戰略性新興產業的發展離不開相關科技成果的產生和轉化。

2020年12月召開的中央經濟工作會議將“強化國家戰略科技力量”作為2021年要抓好的重點任務之一。充分發揮科技創新力量，關鍵環節之一是科技成果轉化和產業化。在數字經濟相關產業的科技成果轉化中，尤其需要注意把握數據要素本身的特征，促進相關科技成果轉化，發揮市場機制作用，提升數字經濟產業發展水平。

數據要素的產生者和擁有者分離

數字經濟是以數字技術為基礎的經濟形態，在用戶、組織和設備通過因特網、移動技術和物聯網構成的相互連接基礎上運行。因此，數據是數字經濟的關鍵生產要素，數字經濟所具有的高滲透性、規模經濟等性質也來自于數據本身的非競爭性。經濟學理論告訴我們，基于生產要素的分配規則影響著生產要素的提供，進而影響生產要素的使用、積累和創新。所以，數據要素的高效配置，是推動數字經濟產業發展的關鍵一環。

數據作為一種生產要素，有著與其他生產要素不同的特點。與勞動、資本、土地等傳統生產要素不同，數據本身具有非競爭性，因此理論上可以無限復制而不降低自身價值。知識、技術、管理等生產要素雖然具有類似性質，但是這幾種生產要素與產生者之間有著緊密的聯系，需要產生者運用其進入生產過程，創造價值，因此要素的產生者也是擁有者，可以將生產要素轉讓給使用者。而數據要素的產生者和擁有者則是分離的，數據資源來自于千千萬萬的用戶行為記錄，經過數據采集、清洗和加工后成為數據要素，而產生數據的用戶不再是數據要素的擁有者。

數據要素產生者和擁有者的分離是其他所有要素所不具備的特征，對于價值分配和激勵機制的設計帶來了挑戰。對于其他的生產要素而言，通過向要素的擁有者提供激勵，就可以鼓勵生產要素的創造和積累。而對于數據要素而言，僅僅向數據科技公司等數據要素的擁有者提供激勵，只能夠促進現存數據資源的分享和利用，并不足以支持數據要素動態的生產和積累。這是因為，作為數據資源的產生者，用戶具有主觀能動性，可以選擇向數據要素的擁有者提供或者不提供數據資源，甚至采取策略性行動，如更換APP、使用不同用戶名、減少數字設備使用等來規避數據采集。這樣，即使數據要素擁有者獲得了海量的數據資源，只要不是社會整體意義上的“全量數據”，仍然無法解決“自選擇問題”，不但無法形成可靠的因果推斷，反而可能誤導決策。因此，在源頭上支持數據要素的生產，就不僅要采取立法和監管措施保護個人隱私、商業秘密，防止詐騙，還要由數據的擁有者和使用者向產生數據的用戶提供適當的激勵，促使其愿意提供和分享其行為數據。

數據要素的價值實現特征

生產要素在價值實現中的作用決定了其在收入分配中所應占有的份額。勞動、資本、土地、知識、技術、管理這幾種生產要素直接進入產品和服務的生產環節，然后產品和服務通過市場銷售實現其價值，各種生產要素相應獲得報酬。而數據作為一種生產要素，實現價值的途徑有所不同。

首先，數據要素的價值派生于決策的價值。“信息論之父”香農認為，“信息就是用來消除不確定性的東西”。因此，數據要素的價值來自于減少不確定性，提升要素使用者的決策質量。數據要素本身并不具有價值，對其的需求是由對于高質量決策的需求所派生的，其價值也派生于決策的價值。而決策具有相當的主觀性，決策的價值也因人而異，不同主體的決策之間可能還相互關聯，這都導致了確定數據要素價值的難題出現。

第二，數據要素通過其他生產要素間接實現價值。諾貝爾經濟學獎得主赫伯特·西蒙認為，“管理就是決策”。所以數據要素可以通過提升管理這種生產要素，對于價值創造作出貢獻。此外，人們可以基于數據要素，形成新的知識，提升技術水平。因此，數據要素也可以通過影響知識和技術這兩種生產要素而對價值創造作出貢獻。在國民經濟核算體系中，知識、技術、管理這幾種生產要素對于經濟活動的貢獻，通過全要素生產率體現出來，而全要素生產率本身則是經濟活動中扣除勞動、資本和土地的貢獻后所得到的統計學上的“殘差”。數據要素通過知識、技術、管理這些生產要素作用于全要素生產率，從而影響經濟活動。從這一角度看，衡量數據要素價值不僅要看其數量，數據本身的質量也非常重要。只有準確理解數據資源的產生過程和特點，才能形成高質量的知識、技術和管理。這種價值實現的間接性使人們常常低估數據本身的價值。

第三，數據要素的價值通過數據產品和服務實現。一方面，數據要素本身具有非競爭性，其使用并不因為他人的使用而受到影響，可以說在價值創造環節具有規模經濟這一性質。另一方面，數據要素的排他性主要來自于人為的技術限制和制度規定。這導致了數據要素本身具有公共品或者自然壟斷的特征，理論上邊際成本為零，可以無限復制。但是，由于廣大用戶是數據的提供者，出于保護個人隱私等考慮，對于數據要素本身的市場交易必須加以限制。所以，數據的需求者不能也不應直接獲得數據要素，而是通過“訂制”基于數據要素開發的產品和服務滿足其需求。數據要素的價值需要通過這些產品和服務實現。由于使用者的決策環境和目的千差萬別，數據產品和服務需要數據要素的擁有者和使用者共同開發，共同生產，其市場環境也更多呈現為不對稱信息下的“一對一討價還價”場景，而不是傳統商品市場的競爭形態。這為數據要素的市場監管也提出了新的挑戰。

把握數據要素特征，支持基于數據要素的成果轉化

數據要素支持了數字經濟產業等戰略性新興產業的發展，但數據要素的特征也影響了基于數據要素的科技成果轉化。因此，我們需要把握數據要素的特征，提升基于數據要素形成的科技成果轉化，從而促進數字經濟戰略性新興產業的發展。

基于數據要素形成的科技成果既包括數據產品和服務，如訂制的數據庫等，也包括主要基于數據資源形成的算法等發明專利。一方面，我國科技成果轉化總體狀況尚不理想；另一方面，發展戰略性新興產業、構建現代產業體系，均對科技成果轉化提出高要求。科技成果轉化問題的本質是不同主體之間的利益分配。根據新制度經濟學中的科斯定理，在產權明晰，交易成本為零的條件下，不同利益主體之間可以形成最有效的分歧解決方案。因此，科技成果轉化的“中梗阻”問題，從本質上看就是轉化過程各環節參與者對于相對貢獻無法形成共識，而制度性交易成本過高，因此無法自發解決分歧。

因此，要促進基于數據要素的科技成果的轉化，首先就需要明確成果形成過程中不同生產要素的貢獻程度，明晰科技成果所有權問題。我國高校、科研機構的科技成果作為無形資產納入國有資產管理范圍，科技成果的收益必須上繳國庫，而對科研人員的獎勵支出又要擠占事業單位的工資總額，從事科技成果轉化不僅沒有效益，還面臨國有資產流失的風險。這種權益的配置特別不利于基于數據要素形成的科技成果轉化。基于數據要素形成的科技成果，如各種算法、數據庫、集成系統等，其價值來源主要在于數據要素，以及科技工作者提供的知識、技術、管理和勞動。其中數據要素或者是通過科研人員的主動收集、或者是通過訂制數據產品和服務而進入生產。而主動收集數據所耗費的勞動和資本已通過設備費、使用費和勞務支出的形式獲得相應報酬，數據產品和服務通過數據使用費的方式支出，所以科研人員的貢獻在剩余的價值形成中占據主要的地位，理應獲得主要的收益份額。

第二，切實降低制度性交易成本，簡化成果轉化環節。現階段我國科技成果處置不適應發展需求，高校、科研機構對成果使用、處置要嚴格履行審批手續。依據新制度經濟學的理論，交易參與者過多，難以協調解決分歧，是科斯定理失敗的一個重要原因。而且，過多的審批環節還產生了“行政負擔”，給科研人員帶來了高昂的學習成本、遵從成本和心理成本，大量占用他們的時間和精力，挫傷其進行科技成果轉化的積極性。因此，我們需要在教育和科技領域進一步貫徹落實“放管服”改革精神，增強對于科研人員的信任度，大幅度簡化審批環節，充分利用各種數據資源進行精細化、敏捷化監管，減少各種“一刀切”的舉措，營造良好的科研成果轉化環境。

第三，鼓勵科研人員生產和積累數據要素。數據要素的價值也來自于其質量，高質量的數據要素對于后續高品質科研成果的形成具有重要作用。但是，現行的科研評價導向對于高質量的數據要素生產關注不夠，對于其成果的價值認識不足。我國高校、科研機構形成了以承擔政府科研項目數、發表論文數論“英雄”的評價導向。而很多學科項目和期刊論文強調“問題導向”，非常強調問題和方法的創新性，而對于實驗復制、研究重現、多源數據融合的數據庫建設、基于更新更高質量的數據進行的“傳統問題”研究缺乏重視，甚至不認為這些研究具有創新性。數據要素是科研成果形成的基礎，我們需要改進科研成果評價體系，建立調動科研人員收集數據資源的動力機制，促進數據要素這種公共品的生產、積累和分享。

最后，促進數據產生者、擁有者和使用者共同參與科研成果的生產，使科技成果適應市場需求。長期以來，政府管理部門主要依賴高校和科研院所的專家對科研項目進行立項評審，不可避免地導致“重理論研究和技術開發、輕成果轉化和市場應用”的現象，其考核評審是單向的，造成很多科研項目結題驗收時，各項技術指標都達標，但取得的技術成果只能“躺在實驗室里睡大覺”。而數據要素實現價值的特性決定了其成果的形成必須是多方參與的，數據要素使用者與擁有者的聯合生產形成滿足使用者需要的訂制數據庫，可以說并不存在成果轉化問題。而公眾作為數據的產生者，參與科研成果的生產則可以減少科技成果可能導致的風險，約束成果的發展方向，如人工智能、人臉識別技術、用戶畫像等的應用場景等，避免產生“大數據殺熟”“二選一”等行為，從而使科技成果更好滿足市場需求，提升人民群眾的滿足感和獲得感。因此，可以借鑒生物和醫學研究領域的倫理審查模式，設計相關的數據要素使用準則，要求在使用數據要素進行科研時預先提交使用計劃進行審批。

【本文作者為中山大學中國公共管理研究中心研究員、政治與公共事務管理學院教授】

責編：臧雪文 / 蔡圣楠

聲明：本文為《國家治理》周刊原創內容，任何單位或個人轉載請回復國家治理周刊微信號獲得授權，轉載時務必標明來源及作者，否則追究法律責任。