作者：林晨，系中國人民大學國家發展與戰略研究院執行院長、應用經濟學院教授  

習近平總書記強調，“誰能把握大數據、人工智能等新經濟發展機遇，誰就把準了時代脈搏”。“十四五”規劃和2035年遠景目標綱要指出，要“激活數據要素潛能，推進網絡強國建設，加快建設數字經濟、數字社會、數字政府，以數字化轉型整體驅動生產方式、生活方式和治理方式變革”。由數據要素驅動的新經濟運行模式與工業革命以來的傳統模式有著顯著區別和獨特優勢。對這些特征和優勢加以深入分析，有利于全面把握新經濟的發展規律，促進經濟實現高質量發展。

數據要素驅動的新經濟區別于傳統經濟的主要特征

從18世紀60年代至今，一般認為有三次工業革命。第一次工業革命以蒸汽機為核心技術，第二次工業革命以電力和內燃機為核心技術，第三次工業革命（也稱科技革命）以原子能、電子計算機、空間技術和生物工程的發展為主要標志。前兩次工業革命及其引出的產業和經濟運行方式通常被稱為傳統經濟；第三次工業革命以來以網絡、信息和通信技術為主體的新興產業和經濟運行方式則被稱為新經濟。在數據要素驅動下，新經濟有著以下區別于傳統經濟的顯著特征。

數據成為生產要素。新經濟與傳統經濟的一個關鍵差異，是數據進入生產過程，成為生產要素。機器可以通過對數據的學習不斷優化迭代，這在很大程度上依賴于數據要素的積累—利用—再積累—再利用。數據要素能夠驅動形成新經濟，關鍵是產生了三個循環：一是“產品→數據→產品”的內部循環，二是“數據→知識→數據”的加速累積循環，三是“資本→數據→資本”的“滾雪球”式循環。首先，全社會在產品生產和交易過程中產生大量數據。這些數據能夠幫助企業提供更加滿足消費者需求的產品，推動產出增長，形成“產品→數據→產品”的循環。其次，數據是機器學習的素材，是知識生產過程的要素，機器能通過對數據的深度學習和分析形成規律性的認識。知識的積累會以增大社會產出的方式使得數據要素更快地積累，形成“數據→知識→數據”加速累積的循環。最后，資本投資于數字化基礎設施、數字化設備和數字化研發，構建大平臺，為數據收集和數據要素形成提供物質基礎和技術支持。數據要素的積累擴大了產出，提高了企業生產效率和盈利能力，形成“資本→數據→資本”的增長式循環。

從人的干中學發展到機器的干中學。在傳統的工業化時代，人會在生產過程中實現干中學，人力資本在工業生產過程中實現積累。在數據要素驅動的新經濟時代，人工智能技術可以不依賴人力實現機器的干中學，以前所未有的速度提高了經濟運行的效率。

機器從能替代簡單重復勞動轉向能替代復雜勞動。在前兩次工業革命以來的傳統經濟運行模式中，機器替代人類的重復性勞動并在這些方面具備更強的能力、更高的效率；在數據要素驅動的新經濟中，由于存在“數據→知識→數據”的循環，廣泛應用的人工智能技術能比人類更加高效地處理龐大而繁雜的數據，完成更加復雜和非結構化的任務，機器能潛在替代復雜勞動。新經濟中的“機器替代人”替代了與過去不同的人群，對收入分配結果會產生新的影響。

數據要素驅動新經濟的主要運行機制

從上文的分析中可以看出，在數據要素驅動下，新經濟呈現出與傳統經濟不同的運行方式。具體而言，數據要素以“三大循環”驅動新經濟的形成與發展。

“產品→數據→產品”的內部循環。在新經濟的運行模式下，企業在為消費者提供產品和服務的過程中積累了大量的消費者行為數據。海量的消費者數據支撐了算法，算法能力的提升促使企業能夠為消費者提供更加個性化的產品和服務，提升產品品質，發揮網絡效應，從而形成“產品→數據→產品”的內部循環。通過對數據的充分利用，企業規模越大效率越高，且有不斷累積循環的趨勢，產生了規模收益遞增的性質。

“數據→知識→數據”的加速累積循環。數據作為全新要素投入新經濟生產過程中的重要特征在于，數據是知識生產過程的要素，帶來了全新的知識積累和技術進步的方式。機器基于已有數據的深度學習和分析，能夠形成規律性的認識，而知識的增加能提高整個經濟體的運行效率，使得社會消費品更加豐富，并進一步積累更多消費者數據。知識的積累以增大社會產出的方式使得數據要素更多地積累，“數據→知識→數據”的加速累積，形成全新的技術進步模式，推動生產力的提高。

“資本→數據→資本”的增長式循環。企業初始階段較高的資本投入能夠獲取海量數據。通過對數據的解析與利用，推動初始階段投入資本實現價值增值。數據能夠促進新一輪的研發、數字人才的培養和人工智能的進一步學習，起到類似“資本偏向型技術進步”的作用，實現資本要素邊際產出增加，在“資本→數據→資本”的循環中實現資本要素的增長式積累。

數據要素驅動新經濟的優勢所在

一是效率提升。與人類歷史上任何一次技術進步一樣，數據要素驅動的新一輪技術進步提升了生產效率。以美國為例，2011年至2019年的經濟平均增長率為2.28%，高于2001年到2010年平均水平的1.762%。這說明當經濟收斂到穩態，單純的投資不再能驅動美國經濟增長之后，新技術的引入提升了美國的勞動生產率，促進了經濟增長。

二是產品多樣性增加。生產模式由“標準化流水線-標準化產品”轉變為“標準化算法-多樣化產品”。在傳統經濟模式下，機器替代人之后只能提供基于流水線的標準化產品，只有人工才能提供個性化產品。然而，正如在前文“產品→數據→產品”循環中所分析的那樣，在數據驅動的新經濟中，人工智能技術能通過對數據的分析利用，以較低成本提供個性化的產品。多樣化的產品滿足了社會多樣化的需求，提高了總體社會福利。

三是增長方式轉變。數據驅動的新經濟模式改變了經濟增長方式，由單純的投資驅動型轉向數據、知識與資本內生驅動型。數據、知識與資本相互融合、共同積累，改變了技術進步的方式。在不少領域，機器用于學習的數據可以不用從人那里獲得，而是由機器自主生成。

為更好利用數據資源營造良好環境

首先是做好對自然壟斷的規制與監管。數據要素驅動的新經濟存在規模經濟的特征，因此新經濟中的不少產業都會具備自然壟斷的特征。在自然壟斷條件下，監管的重心應該從規制壟斷轉移到規制壟斷行為上，需要建立有效的行為監管制度，在充分發揮新經濟高效率特征的同時，防止壟斷所導致的總體福利損失，促進資本有序健康發展。

其次是確保數據安全。經濟運行中產生的大數據不僅關系到個人的隱私，也關系到國家經濟安全和政治安全。數據可復制的特點決定了保障數據安全是一個包含硬件建設、軟件建設、法律法規體系建設的系統工程。中共中央、國務院印發的《關于構建更加完善的要素市場化配置體制機制的意見》指出：“探索建立統一規范的數據管理制度，提高數據質量和規范性，豐富數據產品。研究根據數據性質完善產權性質。制定數據隱私保護制度和安全審查制度。推動完善適用于大數據環境下的數據分類分級安全保護制度，加強對政務數據、企業商業秘密和個人數據的保護。”這為保障數據安全提供了方向指引和行動指南。