我讨论这个问题，综合借鉴了三方面的思想：一是马克思关于资本循环的思想；二是熊彼特关于创新本质的思想；三是秘鲁经济学家赫尔南多·德索托关于“资本化”的思想。我将以“资本化”这个专业术语为线索，对照中国经济土地要素“资本化”的鲜活实践，以求探索和理解数据要素从数据资产到数据资本进而推动数字经济创新发展的基本逻辑。
一个基本的洞见是，任何要素或者产品，离开了资本化的循环过程，都是没办法增值的“死资产”；换言之，只有让它们运动起来，即经过“资本化”的过程之后，才能成为可以增值的“活资本”。
对于资本循环的过程，马克思在《资本论》里面给出了深刻的阐释。大家可能都熟悉这个公式：M→MC→WC→CC→M’。与之对应，资本循环过程是：货币M先转化为货币资本MC，再转化为生产资本WC，再转化为商品资本CC，最后再转回到货币M’。
货币是作为交易媒介的一般等价物，没有货币，人们就只能进行物物交换，经济运行和资本循环将变得极其困难，甚至无法进行。但需要强调的是，货币本身并非就是资本，马克思在《资本论》中专门有一章讨论了货币的资本转化问题。以我的理解，这种转化的本质就是将作为一般等价物进而没有具体表现形态的货币，转化为拥有具体表现形态的要素以及商品。商品资本的双重性意味着，一旦商品不能无法提供与其具体形态相对应的使用价值，它就无法实现脱离其具体形态的交换价值，即回到作为一般等价物的货币。由此，马克思将商品资本回到货币的过程称为“惊险的一跳”的过程，因为这个价值实现的跳跃无法完成，资本家本身就可能需要跳楼了。同样是货币，对于M’与M之间的差异，马克思称之为剩余价值，而熊彼特则理解为与企业家精神所对应的创新利润。
下面讨论资本循环过程的剩余分配问题。为此，我们又需要考虑金融市场的内部循环。尽管有各种金融产品，但根据无套利条件，综合考虑收益和风险，这在本质上可以简化为货币的时间价值，即可以直接实现从货币到货币的增值：M→M(1+r)，其中r代表“无风险利率”，直观上可以理解为国债收益率。
但从前面的分析可知，通过货币资本化可以实现：M→M’。由此，货币持有者就有了两种基本的选择，一是直接在金融市场中获得无风险利率的报酬，一种是通过资本化过程，获得创新利润。如果资本化过程的机会也是可以完美预期的，那么，上述两种用途之间也必须遵循无套利条件，即有M’=M(1+r)。
由此，我们可以得到如下几点推论：
首先，创新者要获得超额利润，与之对应的创新机会必须是其他微观主体不能察觉或者认同的“新组合”。在此意义上，所谓的超额利润本质上源于企业家精神，或者说创新者的洞见和远见。
其次，“新组合”必然意味着资本形态的具体化，因为只有与具体场景结合，才会产生认知的差异。但是，一旦资本形态具体化，也就必然会出现威廉姆森所谓的资产专用性以及与之对应的敲竹杠、机会主义等风险，因为脱离了具体应用场景，专用性资产的市场价值就会变得很低。所以，要鼓励创新，就必须在制度上尽可能避免各种可能的机会主义。
第三，金融市场上的利率水平在长期取决于资本市场的创新机会。从前面的分析可知，如果M’>M(1+r)，就会吸引更多货币从金融市场转入资本市场，进而拉高金融市场的平均利率。反过来说，当下中国经济之所以出现资金空转，本质的原因就是创新机会的匮乏。为何会出现创新机会的匮乏？这当然有很多原因，但在我看来，最根本的原因或许是中美之间的地缘政治博弈。本来大家都是按照比较优势进行国际分工、国际贸易并实现互利互赢，但现在美国为了维护霸权，对中国进行技术封锁和市场排斥，由此造成了一体两面的结果：中国的产能过剩，进而面临通货紧缩的问题；美国自己的产能不足或者“友岸外包”的成本高企，进而面临通货膨胀的问题。顺带说一下，以前中美货币政策大致上都符合利率平价理论，即市场利率具有同步性，但现在，或许是战略博弈的表现，中美两国的利率水平基本上都呈现出相反的走势。
基于上面的分析，我们或许能够理解国家重视“内循环”的重要性。这显然不是主动放弃“外循环”，而是要以本国的超大市场为后盾，突破关键核心技术卡脖子问题，提高战略博弈的谈判能力，进而实现更高水平的对外开放。
在“内循环”上，如何实现房地产市场的软着陆是当下面临的一个关键问题。毫无疑问，过去一些年来，中国房地产市场积累了巨大的风险，很多人都在批评。但是，从要素资本化的视角看，我们或许也不能房地产发展在中国经济发展中所起到的重大作用。简而言之，依托中国特色的土地制度，它实现了中国特色的资本深化过程，进而推动了快速的经济增长。
这可以看成一个“政治企业家”和“经济企业家”共同经营城市的故事。
对此，我们首先需要对“企业家”这个概念做一些拓展性阐释。沿袭熊彼特理论的思想内核，在我看来，企业家精神的本质就在于打破常规以谋取超额收益，而从字面意思上理解，“企业家”就是企图立业者。由此，打破政治常规以谋取超额收益者可以称之为政治企业家；打破经济常规以谋取超额收益者可以称之为经济企业家；打破军事常规者以谋取超额收益者可以称之为军事企业家；打破学术常规以谋取超额受益者可以称之为学术企业家。当然，不同类型企业家，其所关注的“收益”以及其所面临的“约束”是有差异的。与经营城市相关的主要是政治企业家和经济企业家。经济企业家就是我们通常所理解的企业家，如马斯克、任正非、马云等等。作为简化，可以认为他们的目标是经济利益如企业利润，而约束条件则是只能动用自己的私人资源；与之相对，政治企业家的目标则比较多元，不但包括个人的经济利益，同时还包括了政治抱负等，而在约束条件上，他们可以说动用公共资源，如土地批租、税收减免、研发补贴等等。
下面简单阐释中国城市土地要素资本化的过程和逻辑。首先，中国特色的土地制度意味着，城市政府是城市土地剩余索取权的拥有者。一方面，它们可以决定城市土地的具体使用，另一方面，它们是以土地出让金为主要表现形式的城市土地增值的所有者。作为简单的抽象，可以将整个经济体分成两个部门，一个是竞争性部门，另一个是垄断部门。可以设想，因为某些原因，比如技术进步以及马歇尔外部规模经济等，竞争性部门的生产率整体上升了，进而创造了更多剩余和社会财富。但这些增加的社会财富如何分配呢？根据“竞争性”的定义，竞争性部门只能获得经济学意义上的正常利润，而这也反过来意味着，不管以直接的还是间接的方式，这些增加的社会财富都最终会沉淀在垄断部门。体现在二级市场上，尽管有大量的上市公司，但几大银行的利润却占据了全体上市公司整体利润的大部分。而与房地产市场相对应，这体现为土地出让金收入成为许多地方政府的第二财政。
在很大程度上，经营城市就是遵循和运用了平台经济和双边市场下“失之东隅，收之桑榆”的基本逻辑。城市土地的垄断供应者，有能力对城市土地的用途进行整体规划和差别定价。作为抽象简化，可以将城市土地分为两大类，一是基础设施和工业用地，一是住宅用地。在“失之东隅”的一端，体现为城市政府对基础设施和工业用地设置低价格（其定价主要是通过土地的“招”和“挂”来实现）。考虑到“三通一平”等支出，甚至可以认为从提供这些土地本身所获收益是负的。但是，良好的基础设施和低廉的工业用地价格可以提高企业的盈利率，进而有助于招商引资，进而会吸引更多的劳动力，进而会提高住房的市场需求，进而会提供住宅价格以及对于对应的土地出让金（其定价主要是通过土地的“拍”来实现），这就构成了“收之桑榆”的另一端。
基于上述逻辑，地方政府成立城投公司和地方融资平台，以土地出让金为底层资产，从银行做抵押融资，再以融资改善基础设施、招商引资，最终再以土地出让金偿还融资。如此不断循环往复，房地产相关产业变成了中国经济的支柱产业，并通过招商引资带动了中国的工业化，又通过城市面积的扩张而推动了中国的城市化（只有通过“摊大饼”，比如通过旧城改造以及土地“农转非”，才能有新增土地供应和相应的土地出让金收入）。
很多人认为，与发达国家相比，中国经济的金融深化不够，但实际上，在过去的二十多年里，中国借助土地要素的资本化而实现了中国特色的金融深化，进而实现了快速的经济增长。这个依托城市土地要素的资本化过程，主要是由作为“政治企业家”的城市政府（官员）和众多的“经济企业家”（招商引资的对象）共同驱动而实现的。
但时至今日，这种基于“地租”的资本化发展模式的“反噬效应”日益明显，难以持续，因而寻找中国经济增长的新的驱动力（新质生产力）就成为现在所面临的关键问题。鉴于数据已经被确定为与劳动力、资本、土地、技术并列的第五大生产要素，而且中国已经拥有了海量的数据以及极其丰富的应用场景，一个自然的重大理论和现实问题就是，数据要素能否接续土地要素而成为中国经济持续发展的核心驱动力，而从前面的分析可知，其关键又在于能否以及如何实现数据要素的资本化。
就此问题，我们需要对数据进行分类。根据其产生和存储方式，我们主要关注两大类数据。一种是政府对自然资源以及个人信息的数字化登记、标注和存储，这产生了海量的政府数据。另一种是对市场交易行为的数字化记录和存储，这产生了海量的商业数据。尽管人们现在已经将数据视为核心竞争力，但按照德索托的说法，不管是何种数据，不“流动”起来，不与具体的现实场景相结合而提高微观主体的决策效率，就只是不能增值的死资产，而不是可以增值的活资本。
首先看商业数据。我们的基本观点是，商业数据的产生过程本身就意味着，其基本上已经完成了资本化的过程，因而问题的重点不在于如何“激活”它们的使用，而是在于如何规范它们的使用。
海量商业数据的产生与互联网数字平台企业的兴起紧密相关，相辅相成。平台的作用在于撮合卖家和买家之间的交易，因而平台的竞争力也就在于交易的撮合效率。就此而言，传统经济也有大量的作为中介组织的平台企业。比如银行，其重要功能就是促成了具有闲余资金的储户与具有投资需求的贷款者的间接融资。类似地，大卖场的功能就是提供交易场所，撮合了商户与广大消费者之间的交易。数字平台的独特性在于，借助于数字技术，可以将交易过程编码和记录下来，然后再借助于大数据分析，不断提高交易撮合效率。除了算法之外，数据日益成为提升平台效率的核心竞争力，也正因如此，数据被人们视为新的生产要素。
但与其他传统要素的获取不同，平台获取数据要素通常都不是通过交易而得到的，而是其促成买卖双方交易的“伴生品”。也就是说，除了数据存储成本之外，它们并不需要向劳动力支付工资那样，而向数据的“所有者”支付额外的费用，因为在很多情况下，数据的所有权如何定义，如何确权，如何分配都没有明确的规定。商业数据的“伴生品”性质，在很大程度上模糊了传统经济模型对于投入品（要素）和产出品（产品）的二元分类：对于平台企业来说，数据既是撮合当下交易的产出品，又是撮合未来交易的投入品。数据的这种“伴生品”性质，会产生不断强化在位者竞争优势的“正反馈效应”，因为撮合的当下交易越多，平台可以利用的数据也就越多，进而借助算法的优化迭代，不断提高未来的交易撮合效率。
商业数据的“伴生品”性质也意味着，其市场价值在很大程度上是“内嵌于”具体的现实应用场景的，换句话说，离开了其所产生的商业模式以及与之对应的优化迭代算法，其市场价值会大打折扣。由此可见，特定平台所积累的商业数据具有高度的资产专用性，很难通过市场交易，比如将该数据转卖出售而获得更高的市场价值。但这反过来也意味着，借由其所产生的数字平台，商业数据已经充分实现了其所蕴含的市场价值。与商业数据相关的一个社会热点是数据资产的入表问题。从上面的分析可知，无需数据资产入表，平台企业的估值或者股票市场就可以比较充分也比较准确地反映商业数据的价值。给定商业数据是“内嵌于”具体的现实应用场景的，对其进行独立的定价既不必要，也无可能，而真正合理的方式是让市场尤其是创投市场发挥决定性作用，对平台企业进行整体定价更加具有合理性。
与商业数据相比，海量的政府数据则亟待数字赋能，变成可以增值活资本。政府数据无法流动起来，是因为缺乏将其“资本化”的微观主体，而所牵涉到的根本问题是尚未破解政府数据在产业应用和数据安全之间的两难困境。典型的表现是，各级政府的各个部门都拥有独特的数据资源，但他们都缺乏足够的让其流动起来的积极性，进而形成了所谓的“数据孤岛”。从商业应用的角度看，不同类型的政府数据之间具有强烈的互补性，因而只要有一些部门不愿意分享数据，政府数据的市场价值就无法充分挖掘，“数据孤岛”就必然意味着的政府数据开发利用的“反公地悲剧”。如果说“公地悲剧”是使用权被滥用而导致资源被过度开发的现象，如河流污染、无偿退化，公海捕捞等，那么“反公地悲剧”就是排斥权被滥用的而导致资源被开发不足的现象。之所以会形成“数据孤岛”的“反公地悲剧”，其原因主要就是两个方面，政府部门既不能从开放数据得到明确充分的收益，又不能有效评估以及控制与之相关的各种风险。不难理解，这两种障碍又是相互纠缠在一起的。如前面的分析可知，任何数据，只有与具体的应用场景相结合，才能产生商业应用价值，但对特定的政府部门而言，只有在数据开放之后，各种复杂的应用场景才会发生，而这必然意味着事前是很难甚至是无法准确评判与之相应的各种安全风险以及安全责任。特别地，一旦这种安全责任“上不封顶”，那么，不愿意开放任何数据就成了各个政府部门的合理选择。
如何解决相应的问题呢？参照城市土地资本化的过程，一个相对可行的解决之道或许就是专门成立一个以政府数据为核心资产的中央国企（为表述方便，不妨称之为“中国数据”），以“党管，国有，市场化运行”的方式来收集、整合、管理和开发政府数据，最终在赋能数字经济发展维护政府数据安全之间实现合理的平衡。可以从如下几个方面具体讨论“中国数据”的功能：
首先是尽可能缓解各级政府部门“不敢”提供政府数据的问题。从各级政府部门的角度看，将数据提供给作为央企的“中国数据”，至少不会牵涉到国有资产流失的问题。进一步，可以让“中国数据”完全吸收政府数据开发带来的各种意想不到的安全风险，也就是说，即便之后出现了不可预知的数据安全风险，其责任追溯也将止步于“中国数据”，而不会进一步追溯到原始数据的提供者。不难理解，这种数据安全的“防火墙”机制可以极大地缓解各级政府部门提供数据的后顾之忧。
其次是可以有效地解决各级政府部门“不能”和“不愿”提供数据的问题。“不能”体现在，许多政府部门缺乏整理、清洗和集成数据的专业能力，而“中国数据”作为专业化的数据公司，可以提供各种可能的解决方案。“不愿”体现在，即便没有提供数据的安全风险，各级部门并不能直接从中获得切实的收益。既然“中国数据”的核心资产是各种政府数据，故在原则上，提供各类数据的政府部门就可以成为“中国数据”的股东，进而可以通过分红机制分享“中国数据”市场化运行的好处。进一步，考虑到不同数据在后续开发中的市场价值会有很大差异，可以考虑用夏普值的方式核算各自的贡献，并给出相应的合理报酬。按贡献大小进行分配，不但可以激励各级政府部门提供有价值的历史数据，也有积极性对它们进行实时的更新。
第三是可以合理地解决政府数据的市场开发问题。从资本化的一般原理可知，政府数据要赋能产业应用，就必须与具体的现实场景相结合，但让什么样的微观主体来“发现”和“挖掘”这些机会？考虑到政府部门的职能性质和运行机制，任何政府部门，哪怕是专设机构，都或许难以胜任这样的工作。与之相比，为了获得更高利润，企业则有积极性雇用专业的管理和技术团队，发现并开发符合市场需求的数据产品和服务。但同时必须认识到，企业的逐利动机太强，又会让政府数据的安全问题难以得到保障。综合起来考虑，央企的所有制属性可能就是一个比较合理的解决方案。
