来源：经济学家圈

7月3日，2025中国数字经济发展和治理学术年会在清华大学成功举办。中国科学院大学经济与管理学院院长洪永淼教授发表题为《数据要素的基本属性、价值形成与市场构建》的主旨演讲。本文根据洪永淼教授现场发言内容整理。本文来源：清华服务经济与数字治理研究院

洪永淼：数据要素的基本属性、价值形成与市场构建

在我国，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国家数据局等17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。接下来，我来为大家解读《数据要素的基本属性、价值形成与市场构建》。

一、引言

数据是对现实世界的记录和描述，是人类经济社会现实活动在数据空间的映射，蕴含着万物运作的规律和知识，为人类认识世界、改造世界提供了一种新的途径与方式。数据渗透到各行各业，有力推动了劳动、资本、技术、管理等传统要素的深度融合与优化重组，能够对全球经济和社会发展产生放大、叠加、倍增效应。大规模流动是数据进入社会化大生产并成为重要生产要素的必要条件，数据只有安全、有序、充分流动起来，才能发挥对经济社会发展的放大、叠加、倍增作用。

在中国，数据要素市场化配置已提升至国家战略高度。回顾过去十年，从2015年国务院提出《“互联网+”行动指导意见》到2024年初国家数据局等十七部委联合提出《“数据要素×”三年行动计划（2024-2026年）》，可见国家在战略层面一以贯之地推动数据要素市场发展的决心。在全球数字经济加速演进的背景下，如何构建兼具灵活性与稳定性的数据要素市场，已成为理论研究与政策制定的前沿课题。随着数据被确认为继土地、劳动、资本和技术之后的第五大生产要素，其所独具的非物质性、非消耗性、非竞争性以及确权模糊性等特征，正在深刻挑战传统要素理论的基本逻辑，并对既有经济分析范式提出系统性重构的迫切要求。

二、数据要素的生成过程与基本属性

经济社会大数据最主要的来源是各种经济社会活动产生的记录或痕迹。《经济学人》杂志有篇封面文章指出，无论你是在跑步、看电视还是只乘坐了交通工具，几乎每个活动都创造了数字痕迹。数据来源包括个人、企业和公共数据，通过收集、储存、加工、分析等环节，形成了一个相对完整的产业链。数据并非自发生成的自然资源，而是在数字技术深度嵌入社会经济活动之后，以记录和反馈形式所呈现的经济社会行为的“数字化表征”。从原始信息的采集、清洗，到结构化处理与语义建模，数据的生成过程本质上是一个由技术驱动的赋能过程。该过程高度依赖于底层算法、计算资源与系统架构等关键技术的支持，这些技术不仅决定了数据的规模、质量与可用性，更在根本上塑造了数据向“要素化”“商品化”乃至“资本化”演进的技术路径。

数据的基本属性包括两个方面：一是自然属性，即数据本身固有的、与其使用价值紧密相关的物理或客观特性；二是经济属性，即数据在经济活动中所体现出的经济特征，主要表现为其经济价值。

在自然属性方面，数据以虚拟形式存在于数字空间中，具有典型的非物质性和可复制性，与传统生产要素具有显著区别。首先，数据具有非竞争性或可共享性，即同一份数据可被多个主体在同一时间或不同时点重复使用而不发生消耗或折旧。其次，数据具有高度时效性特征，尤其是在大数据环境下，数据往往实时反映经济与社会运行状态，如宏观经济动态、突发公共事件等，因而其自然使用价值具有明显的衰减性。据IBM研究表明，约60%的非结构化数据在几毫秒内即丧失其主要价值。尽管大数据体量庞大、变量繁多，但其信噪比偏低，即大量冗余信息掩盖了有限的有价值信息。从历史视角看，当前数据只是在特定时间节点上所生成的阶段性信息，与人类长期经济社会演进过程相比，其容量和深度仍具有局限性。最后，数据具有高度流动性，传输和复制成本极低，能够高效贯通生产、分配、流通、消费等各个经济环节，成为联通各类经济行为的重要媒介。

在经济属性方面，数据具有明显的规模经济性。这主要源于其高昂的初始获取与处理成本（如采集、清洗、存储、算法开发等），而其边际使用成本趋近于零，因此在使用频率和范围扩大后能够显著提升边际收益。其次，数据呈现出高度的要素互补性，其价值不能孤立体现，必须与传统生产要素如劳动、资本、技术等相融合。例如，数据与劳动结合可形成数字劳动，与资本结合可构成数字资本，与技术结合则催生数字技术。数据的经济价值实现高度依赖应用场景，其价值具有强烈的场景依赖性和时效性。例如，网约车平台中某次交易产生的消费数据，在交易完成后对个体司机而言通常不再具有经济利用价值，且随着时间推移其剩余价值将迅速贬损。此外，数据的确权问题复杂，产权边界模糊，难以适用于传统产权制度与经济学逻辑，是当前数字经济研究的重要议题之一。再者，数据交易常伴随外部性效应，如一方或多方的数据信息行为可能对第三方产生影响，进而引发新的经济与伦理问题。

三、数据要素化、商品化与价值形成过程

数据并不必然是数据要素，二者的关系类似于货币与资本的关系。马克思在《资本论》中区分了“作为货币的货币”和“作为资本的货币”，指出资本的本质特征在于其流通过程是“为卖而买”，即资本的运行以价值增殖为目的。同理，原始数据仅仅是碎片化的信息资源，只有经过要素化、商品化等一系列运动过程，才能真正形成价值，进入社会生产体系并充分发挥其对生产力的赋能作用。虽然数据在很早之前就已存在，但囿于数据收集、存储和处理能力的限制，数据始终未能实现大规模的可获取性，因此未能成为关键生产要素。随着信息技术的迅猛发展，以前难以获取、识别和分离的信息如今逐渐高效转化为具备应用和开发潜力的数据。

数据之所以成为数字经济时代的核心生产要素，不仅在于其可获取性和处理能力的跃升，更在于其在推动社会生产力变革中的基础性作用。从原始数据到数据要素价值释放，大体经历三个阶段：数据的要素化、商品化及其应用。在这一过程中，数据展现出劳动对象与劳动工具的双重属性。在要素化与商品化阶段，数据作为劳动对象，是被作用和被赋值的客体。数据的要素化和商品化要求将原始数据加工为具有结构性、可解读性的标准化信息或知识，以便广泛参与到社会化大生产过程之中，对应着数据要素的价值形成过程。而在数据应用阶段，数据主要是作为劳动工具发挥作用，是发挥赋能效应和释放价值的阶段，对应着数据要素的价值转移过程。

数据要素化，指的是原始数据转化为可参与生产过程的生产要素的过程，其核心在于价值创造。这一过程体现于三个方面：第一，原始数据生成过程中凝结的人类劳动，如互联网在线用户的各种选择与消费活动；第二，数据采集与处理环节中投入的物化劳动，包括数据传感器、采集装置、存储设备、处理设备等工具的物化劳动转移；第三，数据处理与分析阶段中，数据科学家、算法工程师等数据劳动者付出的活劳动。

数据本质上是对物质世界与人类社会活动状态的客观表达，携带着物质世界自然规律和社会规律的基本信息。这些信息经过系统提取、分类、清洗与建模等处理，便能凝结为具备使用价值的知识、理论与决策依据，成为推动生产力发展的核心力量。这一有目的地将原始数据通过人类劳动加以组织、处理和结构化，转化为具有可交换性和使用价值的数据产品的过程，就是数据的商品化过程。

数据要素化过程中投入的活劳动与物化劳动，共同构成了数据要素的价值基础。数据要素的价值转移，是指将这些劳动价值转移到新的或最终的数字产品或服务中。由于数据自身具有高度的要素互补性，其价值往往需通过与劳动、资本、技术等传统要素的结合实现。在这一过程中，数据赋予传统要素新的形态，如数字劳动、数字资本、数字技术等，并通过新一轮物化劳动转移到最终产品或服务之中。

因此，数据的价值转移过程并非简单的线性叠加，而呈现出显著的非线性特征，即“1+1>2”的放大叠加效应。这种效应构成了数据赋能的核心机制，其理论基础主要包括以下几点：第一，数据可在多个应用场景中重复使用，每一次使用均可独立释放价值，不发生价值递减，形成多重赋能路径；第二，数据的非竞争性使其能够同时与多个生产要素耦合，推动多维度价值增值；第三，数据通过深度加工与知识推理实现信息密度提升，增强其决策价值与预测能力，形成知识倍增效应；第四，数据驱动的智能技术显著压缩个别劳动时间，在既定社会必要劳动时间结构下放大了产品价值。

数据赋能并不局限于生产环节，而是贯穿生产、交换、流通、消费等经济运行的各个阶段。例如，在交换阶段，数据可通过精准营销和用户画像实现有效供需匹配；在流通阶段，数据要素可通过供应链优化、智能调度及库存管理等提高系统效率与预测能力；在消费环节，数据展现出明显的再生产能力——用户的每次点击、停留、选择，都为平台生成新的消费行为数据，持续优化产品与服务形态，形成新的数据生产力和价值。因此，消费并非使用价值的终结，而是信息价值与数据价值不可或缺的再生产环节。这一新现象要求我们对“消费劳动是否创造价值”这一经典命题进行深刻反思与拓展。

四、数据市场化配置与使用价值充分释放

任何一种生产要素的大规模流通及应用都离不开市场化交易，数据使用价值的充分释放，必须建立在对其价值量科学衡量与交易机制有效确立的基础之上，这对数据要素市场建设提出了迫切要求。当前的核心任务，是如何通过构建制度化、规范化、竞争化的数据要素市场，推动数据要素从潜在资源向现实生产力的转化。这一转化的关键环节，是将数据供给方与数据需求方精准匹配，促使数据要素实现使用价值的最大化释放。

数据要素市场的首要功能，是发现与挖掘数据要素价值。由于价值本身具有不可观测性，通常需借助价格进行衡量。在完全竞争的条件下，价格围绕商品价值波动，若交易活动具有足够的数量，价格即能在动态中反映其内在价值。因此，价格在数据要素市场中可作为近似估测数据价值的重要工具。但这要求市场具备高度竞争性，即存在数量充足的数据供给方与需求方，并配套以公平、透明的交易机制与制度环境。数据要素市场的另一功能是优化数据资源配置，引导数据流向赋能效率最高的环节和领域，实现从低效冗余使用向高效集约配置的结构性转变。

然而，数据独特的自然属性和经济特征为数据要素市场建设带来了新挑战。不同于传统商品或要素，数据的非物质性、非消耗性、非竞争性、高度互补性、确权模糊性以及外部性等基本属性，使其在确权、流通、交易、治理等环节面临诸多制度障碍，如数据确权机制不健全、数据流通渠道不畅通、数据交易市场不成熟、数据治理体系不完善等。这些障碍不仅阻碍了数据要素市场的资源配置功能，也限制了数据要素使用价值的充分释放。

要确保数据要素市场机制有效运行，必须有赖于制度设计、法律规制和公共治理等政府作用的有力支撑。面对我国数据要素市场建设中存在的痛点堵点，亟需从数据要素的基本属性、价值形成规律及其市场运行机理出发，结合数字经济发展阶段与制度环境，推进中国特色数据要素市场体系的制度创新与系统构建。为此，提出以下五方面对策建议：第一，探索数据产权结构性分置机制，构建中国特色数据产权制度；第二，发挥市场配置的决定性作用，培育充分竞争的市场中介力量；第三，因地制宜构建数据要素市场，打造多层次数据市场交易体系；第四，借鉴国际数据治理经验，完善中国特色的数据要素制度体系；第五，推动数据跨境安全有序流动，积极培育数据要素国际大市场。

五、结语：构建数据经济学的重要性

随着数据被正式确认为继土地、劳动、资本与技术之后的第五大生产要素，数据经济学作为一门新兴学科应运而生。在数字化转型不断深化的时代背景下，数据打破了传统生产要素的物质性边界，成为塑造新质生产力的核心驱动力。数据之所以具有这一变革性功能，关键在于其天然具备非物质性、非消耗性、非竞争性、规模经济性、要素互补性等显著异于传统要素的独特属性。这些特征不仅重新定义了经济活动的组织方式，也推动着数字经济运行逻辑的深层重构。尽管“数据经济学”尚未在国际学术界形成广泛共识，但随着数据在现代经济中的核心地位日益凸显，其学科化发展趋势愈发明显。在数字经济时代，经济体系几乎时刻都在生成海量数据，而这些数据反过来又成为催生新型经济活动的关键资源。这种不断循环与扩张的发展趋势，使得构建系统性的数据经济学理论体系成为当前经济学科发展中的紧迫任务。

作为聚焦数据要素的经济学分支，数据经济学的建立不仅有助于推动中国经济理论的创新发展，更在构建中国经济学自主知识体系方面具有基础性意义。值得强调的是，依托中国超大规模人口与广阔市场的优势，我国在数据资源获取与积累方面与西方发达国家几乎站在同一起跑线上，这为开展数据驱动的实证经济研究提供了得天独厚的基础条件，也为推动中国经济学实现理论创新与范式突破提供了历史性机遇。因此，我们应当高度重视数据经济学的研究前沿，加强数据经济学理论体系构建与方法论创新，在深度参与全球经济学知识生产体系的同时，持续推动中国自主经济学知识体系的发展与完善，为培育新质生产力和推动高质量发展提供坚实的理论支撑和实践指导。

（本演讲所阐述的主要内容与核心观点，系基于洪永淼、林滔、史九领即将在《中国经济问题》2025年第3期发表的题为《数据要素的基本属性、价值形成与市场构建》的研究成果）■

入群可参加全年至少12场精彩闭门研讨

特别声明：以上内容仅代表作者本人的观点或立场，不代表Hehson财经头条的观点或立场。如因作品内容、版权或其他问题需要与Hehson财经头条联系的，请于上述内容发布后的30天内进行。