洪永淼：如何做大做强数据要素市场

一、引言

在数字经济时代，数据是最重要的生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各个环节，正在深刻改变着人类生产方式、生活方式、思维方式和社会治理方式。数据要素推动了技术、资本、劳动力、土地等传统生产要素发生深刻变革和优化重组，在生产力发展与经济增长过程中发挥着越来越重要的作用。在中国，数据要素市场化配置已经上升为国家战略，从十年前大数据首次纳入政府工作报告到近期由国家数据局等1 7 部门联合印发的《“数据要素×”三年行动计划》，可以看到中国政府在推动引领数字经济发展方面一直发挥着十分积极的作用。

二、中国数据要素市场现状

在国家政策的大力支持下，以及超大规模市场优势与人口优势的支撑下，近年来中国数字经济发展取得显著成效，数据产量规模急剧增长，数据交易市场迅速发展。

在数字经济发展方面，中国数字经济的规模持续快速增长，连续多年位居世界第二，仅次于美国。从2016年到2022年，我国数字经济规模从22.6万亿元增长到50.2万亿元，增幅超过一倍，年均增速约为17.4%，大约是同期GDP平均增速的2倍。另一方面，我国数字经济占国内生产总值的比重由2016年的30.3%提升至2022年的41.5%，可见数字经济在我国国民经济中的地位不断加强，已成为推动经济增长的主要引擎之一。

在数据产量规模方面，得益于超大规模的市场优势与人口优势，中国在数据规模上具有相当大的优势。从2017年至2022年，中国数据产量从2.3ZB增长至8.1ZB，年均增长率超过30%，展现出强劲的增长动力。2022年，中国数据产量占全球数据总量的比重为10.5%，稳居世界第二。根据国际数据公司IDC的预测，到2025年中国数据总量将达到48.6ZB，占全球数据规模的27.8%，届时将成为世界最大数据生产国。

在数据交易市场方面，根据头豹研究的估算和预测，2022年中国数据交易市场规模为876.8亿元，占亚洲数据交易市场规模的66.5%，占全球数据交易市场规模的13.4％，预计到2025年中国数据交易市场规模有望增长至2046.0亿元，到2030年有望达到5155.9亿元。然而，考虑到我国巨大的数字经济规模，目前数据交易市场发展明显滞后，还存在巨大的提升空间。

三、数据要素的内涵及其经济特征

数据是人类社会经济活动在数据空间的一个映射。各种社会经济活动所产生的记录和痕迹，构成了经济大数据最主要的来源。2017年《经济学人》中的一篇文章指出：“无论你是在跑步、看电视或者乘坐交通工具，几乎每个活动都创造了数字的痕迹，为数据分析公司提供更多的原始数据。”数据要素为数字经济发展提供了基本支撑，是数字产品的原材料，其重要性不亚于工业时代的煤炭和石油。在数字经济时代，大部分的经济活动与交易均为数据驱动，数据已成为最关键的生产要素。与传统生产要素相比，数据要素具有一些新的特征：

第一，数据没有自然物理形态。数据本质上是一种物理符号，是被编码为“0”或“1”的二进制字符串，以方便计算机传输、储存和处理。数据具有不可见、没有自然物理形态的特性，这与土地、劳动力等传统生产要素有着明显的不同。但数据在数据空间存在容量的问题，仍会受到计算机储存空间的限制，这一点会影响数据的存储、加工与供给，也是世界各地都在加快建立大型数据中心的主要原因。

第二，数据具有可重复使用性。没有物理形态这一特性意味着数据的复制成本比较低，因而数据可以无限生产、无限复用、无限组合、无限迭代。数据可以多人同时使用，也可以多次循环使用，使数据要素具有无限复制和无限分享的特色。

第三，数据具有非耗费性。由于没有具体物理形态，数据在使用过程中不存在折旧，更不会消失不见，因此数据具有非耗费性。数据这种非耗费性打破了传统要素的有限供给对生产发展的限制。不仅如此，数据在使用过程中还会产生新的数据，且随着使用次数的增加，又会创造出更多的数据量。

第四，数据具有非竞用性。数据使用者的增多并不会影响到数据自身的价值，一个主体使用数据既不会减少也不会妨碍其他主体对数据的使用，只要符合法律规定即可。因此，数据的使用具有非竞用性的特点。

第五，数据具有非排他性。数据的可重复使用性导致任一主体都无法独自占有数据，也无法通过与他人的约定来对抗第三人的使用。因此，数据的使用是不具有排他性的。

第六，数据具有时效性。数据反映信息内容的时效性，决定了数据经济价值的时效性特征。这意味着数据的经济价值会随时间而衰减，如果数据中的信息没有被及时充分挖掘，经过一段时间后，数据的经济价值就会迅速贬值。

四、中国数据要素市场建设的问题与挑战

在中国，构建数据要素市场的核心任务就是把数据要素从数据的供给方流向数据的需求方，以实现数据的有效配置。无论是经济学理论研究，还是正反两方面的长期经济历史实践均表明，市场机制是人类历史上迄今实现资源优化配置的最佳方式。因此，构建数据要素市场的核心就是要让市场机制在数据资源配置中发挥决定性的作用，特别是如何发现数据要素的价值，以及如何引导数据要素流向最有效率的部门和地方。

数据要素具有价值是因为数据中凝结着大量的人类劳动。首先，与土地、森林、矿藏、海洋等自然资源不同，原始数据本身大多数是人类经济社会活动中的产物，在其形成过程中就已经凝结了大量的人类劳动。其次，在数据的采集、处理、加工与储存的过程中，各种用来捕捉、收集、处理、加工与储存数据的劳动资料，已经转移了大量的物化劳动，这些物化劳动成为数据要素价值的重要组成部分。第三，数据要素应用需要对数据进行大量的处理加工，其中数据清洗和数据标注的工作都是劳动密集型，在这个过程中，数据分析师和数据工程师会投入大量的活劳动，这些活劳动也构成了数据要素价值的重要组成部分。

在要素市场中，价值和价格是密切联系在一起的。价值是看不见的、不可观测的，但是价值可以通过价格进行测度。价格是集中反映要素在社会化生产中的价值贡献度以及供需关系的核心指标。在一个充分竞争的市场里，价格会围绕着价值上下波动。从某种意义上讲，数据要素实现市场配置的过程，就是数据要素价格逐步形成的过程。数据要素市场要具备发现价格的功能，前提必须是一个竞争性的市场，而且是所有产权明晰、没有外部性、具有充分竞争性的市场，这意味着要有大量的数据供给方、数据需求方，还要有一个公平的数据交易环境。

换句话说，数据要素定价是整个要素市场构建过程中最关键的环节。由于数据要素产业链包括数据采集、处理、加工、存储、应用等环节，涉及多个参与者和贡献者，每个环节都进行一个价值计量，使得数据要素定价成为一个比较困难的议题。那么，当前数据要素定价存在的问题主要有哪些呢？

首先是数据要素的外部性。数据要素的外部性体现在数据要素的使用不仅对需求方和供给方有影响，而且对其他数据主体，甚至对整个行业、整个社会都有影响。数据要素的外部性影响包括正外部性和负外部性两种。

数据要素的正外部性是指数据要素的使用会对其他数据主体产生正面的影响或者价值赋能。比如汽车数据一般记录着用户的使用习惯、车辆的性能、状态和故障等状况，汽车制造商通过收集分析海量汽车数据，可以优化设计，提高汽车性能，这对其他消费者也具有益处。再如通过观察人们在互联网的搜索记录，可以有助于实时预测病毒传播趋势，这将为国家科学快速地制定防疫政策提供帮助，有利于提高公共卫生水平。数据要素的负外部性是指数据要素的使用对其他数据主体产生负面影响或者价值损失。比如数据使用过程中泄漏个人隐私或者集体机密，侵犯个人权利或国家利益的行为。

数据要素的外部性使得数据价值不能反映其真实成本和真实收益，从而导致市场机制失灵。在这方面，我们可以借助经济学有关外部性治理的经验，比如把外部性问题内部化，可以设置国家立法，甚至可以用税收进行外部性的校正，同时通过市场机制的设计，恢复市场的有效运作。

除了外部性以外，数据要素定价的另一个问题是数据确权。数据确权主要是数据所用权、使用权和经营权的产权明确和归属问题。经济学的产权理论认为，产权为人们的经济行为提供了相应的激励机制，保证了资源分配和使用效率。根据科斯定理，当数据交易存在成本时，如果初始的权利界定不当，很可能会影响资源的最终配置，并带来社会福利的损失。