徐翔副教授在中国数字经济发展和治理学术年会（2023）上的主旨演讲：建设数据要素市场，推进数字经济学的中国实践

7月4日，中国数字经济发展和治理学术年会（2023）在清华大学顺利举办。本次大会以“数据要素治理，数据价值释放，数字经济创新”为主题，邀请了国内外40余位数字经济领域著名专家以及在数字产业实践中取得优异成果的机构代表进行主旨演讲和交流。来自清华大学、北京大学、中国人民大学、中国科学院大学、中国社会科学院大学、南开大学、上海交通大学、复旦大学、中山大学、南京大学等高校和数字经济相关科研机构及企业的代表共400余人出席线下会议，会议通过多个平台进行同步直播，当天信息浏览量超过11万人次。

中央财经大学经济学院副教授、中国互联网经济研究院研究员徐翔老师以《建设数据要素市场，推进数字经济学的中国实践》为题进行了主旨演讲。本文根据徐翔副教授现场发言内容整理。

徐翔副教授作主旨演讲

感谢吴院长的介绍，也非常高兴能够接着魏江院长继续发言。在魏院长的演讲中，从管理学视角探讨了如何让数据资本在创新过程中发挥重要作用。我自己曾在2020年发表过一篇题为《数据资本与经济增长路径》的学术论文，探讨数据作为一种虚拟资本类型的生产要素，对于中国经济增长与结构转型做出的重要贡献。文章发表后，我跟我的合作者开玩笑，说如果当初把题目改成《数据要素与经济增长》的话，可能这篇文章的引用量会翻倍。当然这只是玩笑话，我想强调的重点是，无论是经济学、管理学、社会科学还是其他的社会科学学科，乃至计算机、人工智能等信息科学，在数字经济发展这一研究主题上实现了全方位的交叉与融合，进而形成了数字经济学这样一门新兴学科。今天我的研究主题就是“建设数据要素市场，推进数字经济学的中国实践”，主要是基于自己的一些既有研究以及教学经验，跟各位分享我的一些不成熟的体会。

首先是我们所处的时代背景，那就是正在不断做强、做优、做大的中国数字经济。

中国数字经济的发展是非常蓬勃向上的。根据《数字中国发展报告（2022年）》，2022年我国数字经济规模首次突破50万亿元大关，总量稳居世界第二，同比名义增长10.3%（同期GDP名义增长为8.1%），数字经济占国内生产总值比重提升至41.5%。如果按照当前的增长速度，在4到5年的时间内，我国的数字经济占GDP的比重就将超过50%。“数据驱动”“数智赋能”“数实融合”“万物互联”等数字经济的实践概念与前沿理论，已经成为中国经济高质量发展的重要抓手。在国际范围内，数字经济的全球产业生态与创新生态正在逐渐形成，新的跨国产业组织形式与研发创新模式也初现端倪，开放开源成为推动数字技术持续进步的行业共识和重要驱动力量。

我们观察到的一个最基本的事实是，数字经济的发展可能正在进入一个新的阶段。一个突出的表现是，以“大数据+人工智能”为代表的新的“要素+技术”的组合，正在逐渐超越传统意义上的“计算机+互联网”这一在上一轮技术革命之后占据主导地位的ICT技术组合，成为了推动经济社会发展范式转换的核心驱动力。进入这一阶段，中国数字经济发展所面临的核心问题是如何充分开发并有效治理大数据和人工智能等一系列的数字经济发展动能，妥善处理好伴随数字经济社会变迁所带来的一系列新问题、新矛盾。

图1 数字经济学的知识体系

图片来源：《数字经济学导论》，高等教育出版社。

为了更好地发展数字经济，数字经济学的发展亟需重要的理论创新。数字经济学本身是一门经济学、管理学和信息科学等诸多学科的交叉学科，因而在数字经济的基本规律上，数字技术的经济学分析上，市场交易的基本制度上，产业组织方式与新经济增长理论上，都期待着新的理论创新。有了先进的理论，才能有后续的人才培养。

当前，数字经济学的学科建设正面临一个重要的时间点。2022年共有77所高校新增数字经济专业，数字经济成为了新增备案专业中数量最多的专业。近两年，教育部在经济学门类中也新增了“数字经济”本科专业和专业硕士学位。对于数字经济学的相关教材，我们也做了一个简单的调研，目前市面上《数字经济导论》教材一共有三种，《数字经济（学）概论》教材一共有六种，《数字经济学》教材超过十种，还有一些分支学科、研究专题类的教材也都相继出版。然而，在相关专业、教材与课程都逐渐完备的背景下，数字经济学“学什么”“怎么学”“怎么用”等问题却尚未得到完全解决，数字经济发展人才培养不断扩容、人才缺口不断扩大的现实矛盾仍然存在。数字经济学科建设与人才培养亟需“提质增效”。

综上所述，我认为需要把数字经济的高质量发展与数字经济学的学科建设密切地结合到一起。推进数据要素市场的建设是当前全球数字经济发展的关键实践，也为数字经济学提供了得天独厚的研究环境与应用场景。我们发现，各主要的经济体都在尝试建立能够促进数据更好地流通，充分地开放的要素市场模式，以谋求或巩固全球数字经济发展者的领导地位。美国坚持以市场为主导数据流通，以行业自律为主、以政府监管为辅；欧盟构建数据全域治理框架，将数据的提供、中介和使用环节分离开来，同时政府部门施行全过程监管；英国旨在推进个人数据要素化，发起Midata数据要素化项目，实施“开放银行”数据交易战略、共享金融数据。当然，还有诸多可供借鉴的实例，这里我就不赘述了。我们认为，只有尽快建立数据要素市场，妥善配置数据资源、数据资本和数据资产，辅以先进的理论创新引领，才能真正地把中国的数字经济和数字经济学发展好。中国数字经济的学科体系、学术体系、理论体系与话语体系建设，必须与数字要素市场建设协同共进。

具体来看，在中国当前建设数据要素市场的过程中，面临哪些重要的问题？

2016—2021年，我国数据要素市场规模不断扩张，由62亿元快速增长到815亿元，年复合增长率为67.4%。截至2022年12月，我国一共有46家数据交易所，10家省市级大数据集团。在总量迅速增长的同时，我国数据要素市场建设也面临交易规模不足、交易种类偏少、数据标准不统一、场内交易不活跃、市场监管职能不明确等现实问题。

为了更好地发挥数据要素市场配置数据要素、算力要素与算法资源的功能，促进数据要素的合理流通与高效应用，需要妥善解决一系列关于价格形成、激励机制、创新支撑、福利效应与要素治理的关键问题。我们基于“数据价值链”的理论逻辑，在综合考虑重要性、紧迫性与时效性的基础上，归纳出当前数据要素市场建设面临的四个关键问题。

图2 技术-要素维度的数据价值链

图片来源：《数字经济发展：网络算法与数字平台》，人民出版社。

第一，在数据统计测度制度尚不完善的当下，到底如何度量数据的价值、为数据要素定价？已有研究提出了一些可供参考的做法。大多数现有研究通过测度数据要素的生产成本测度数据要素价值，这是从操作性上讲最为可行的做法，但是通过成本法得到的数据价值很有可能是被低估的。还有其他的一些做法，包括测算并且汇总数字经济各产业的增加值，测度SNA生产边界外的数字经济的福利效应，扩展GDP核算框架以包括数字零价产品与服务，以及基于市场和评价贡献为数据要素定价等等。对于测度数据价值，统计界也正在尝试做出改变，最新的国民核算国际标准（SNA2025）正在围绕数据资产开展相关的专题研究与改革探索。然而我们可以预期到，即使在SNA2025中形成了数据资产的测度方法，这个方法也一定是非常基础、高度依赖假设条件的。如何为数据要素的估值与定价提供经济学、管理学的理论支撑，准确把握数据要素对经济发展的贡献，并以此为基础制定相关政策，是我们需要解决的第一个问题。

第二，在应用层面，到底如何将数据要素转化为一种持续的创新动力呢？一些研究指出，我们要鼓励企业之间进行数据共享与协同创新，但这在实际实践中非常困难，很多企业都想自己把数据窖藏于企业乃至部门内部而不愿意共享。也有研究指出要通过数据化可进场实现企业与消费者的协同演化，利用数据预测并采用最优的生产技术以改善产品质量，通过大数据分析提供不涉及隐私问题的“漂白”知识，优化企业内部的创新资源分配等一系列将数据转化为创新资源的具体做法。以上这些研究的一个共同之处是强调数据要素必须通过一个十分复杂的价值创造过程才能成为创新的驱动力，而对于这个过程的研究还需要进一步深入。

第三，很重要的一个问题是，如何理解数据要素流通与应用的社会福利效应，这个问题目前在研究界讨论相对少。一方面，可以通过大数据分析指导社会支出决策、优化公共管理模式，提高社会的整体福利；另一方面，可以通过对于数据的分析与应用实现服务经济的系统性变革，提高金融、物流、电子商务等现代化服务业的供给质量。也有研究指出，通过引入数据中介可以改进产品价格和数量决策，但这也可能会滋长企业价格歧视。为了解决这些问题，还有一派研究提出应该将数据所有权赋予消费者，以获得接近最优的福利分配。对于具体的实施方式，还需要更深入的理论探讨与一些实验性的尝试。

第四，如何实现数据要素的有效应用与有序治理的高度统一？其中有技术手段、政策手段还有企业自治的手段，已有文献均有所涉及。从技术角度，包括征得用户同意方可使用的“个人可识别” 的数据类型范围，并将这些个人可识别的数据置于法规监管框架中，以及利用差分隐私算法，平衡统计数据中的用户隐私保护与统计精确性之间的关系。从政策角度，可以适度超前布局数据交易基础设施，解决共性基础技术难题。一个整体的思路是，实现多元治理主体协同共治，加强数据要素治理在国家治理现代化中的基础作用。

可以看到，上述四个问题都在一定程度上得到了已有文献的探讨与回应。然而，现有文献的讨论大多采取“数据+微观经济模型”“数据+产业组织理论”“数据+经济增长框架”“数据+福利经济分析”等方式，更多的是将数据作为生产与交易过程的额外投入与伴生产出纳入经典分析框架。以数据为核心要素，以大数据分析和人工智能为关键技术，以数据要素市场为主要交易机制的新的基础性的分析框架，其实尚未建立。这也是目前我们在数字经济学领域“理论创新开花结果，实践落地亦步亦趋”的最重要原因。为了改变这一局面，我们需要提出新的适应数字经济发展需要的分析范式。

在《技术革命与金融资本》一书中，卡洛塔·佩雷斯（Carlotta Perres）提出了描述工业革命后生产组织基本模式的“技术-经济范式”。佩雷斯认为，每次技术革命都使得整个生产体系得以现代化更新，从而每50年左右都会使总体效率水平达到一个新的高度。每次技术革命都会提供一套相互关联的、同类型的技术及共识性组织原则，经历导入期、转折点和展开期的阶段转变，这便催生了各个时代的技术-经济范式。数字化革命被广泛视为第六次技术革命，其对于经济社会发展的综合影响要比以往任何一次技术革命都更为深远，以数字技术和数字经济为基础，形成了新的经济、商业与创新生态。数字经济的范式转换在很大程度上表现为数字生态的演变与发展，这一过程反过来为技术进步与经济增长赋能。以此为基础，我们将“技术-经济范式”拓展为更加完整的“技术-经济-生态范式”。

在“技术-经济-生态范式”中，数字技术与数据要素通过“互联→数据→集成→融合→创新→转型”的作用路径，形成数字经济的“新基建→新要素→新供给→新业态→新经济”的阶梯维度，共同构成完整的数字经济生态。其中，互联层描述了“云+网+端”技术发展所支撑的新型基础设施建设，数据层代表数据要素与大数据分析等数据处理技术的有机结合，集成层描述数据要素转化为新知识、新技术和新组织形式的生产过程，融合层与创新层分别强调数据等新要素与传统生产过程的融合以及由融合所驱动的多维创新，转型层则强调整体经济层面下新的生产方式、经营模式乃至经济业态的形成与推广。

在“技术-经济-生态范式”下，我们应如何去理解数据要素市场呢？在技术层面，数据的安全自由流通技术将奠定场内与场外交易的基础，隐私计算、联邦计算的最新的应用如“没有免费午餐”定理（No-free-lunch Theorem)将被运用于设计联邦学习系统，以提高数据的安全性。在经济层面，我们需要围绕数据的共享与赋能，设置一套新的交易方案与激励机制。在生态层面，我们要确定“有效分配资源福利、消除隐私安全隐患”为数字生态治理的基本原则，限制数据过度共享，保护非本人数据信息的安全性。在我们自己的一项最新研究中，就设计了一套考虑大数据技术进步与不同市场结构的数据市场机制，确立以数据公司为关键中介的数据费用与补贴结构，以有效缓解大数据技术进步带来的福利冲击，显著提高消费者剩余。在这一机制中，政府的有效介入与有序治理是关键。

最后剩下的一点时间，我想分享对于数字经济学发展的一些不成熟的延伸思考。首先，数字经济学应该是一门跳出“宏-中-微”分野的综合性学科。数字经济学的知识体系，应该是坚持问题导向、以融合式创新为主线，将数据要素驱动与数字技术赋能充分结合，充分关注数字经济相关的所有经济、社会与文化问题的一套综合知识体系。其次，在数字经济学的研究和教学中，应该充分应用历史学的分析逻辑和案例分析等方法，博采众家之长，避免陷入“自说自话”“圈地自萌”的境地。再者，数字经济学应是一门于实践中创新、将创新投入实践的应用学科，既研究ChatGPT等新现象新产品，也将ChatGPT这样的新工具用于我们的研究。最后，数字经济学应是一门采取新视角重新审视政府与市场关系的新兴学科，通过不断地深入探索明确我们在新经济环境下的政策目标，设定新的政策原则，建立新的政策机制。

最后做一下简短的总结。数据之治既是“数治”也是“治数”，既是“法治”也是“共治”。通过更好地建设数据要素市场，我们有理由相信，中国数字经济的理论与实践创新将达到一个新的高峰！

非常感谢！

推荐阅读