数字经济作为一种新型经济形态正在蓬勃兴起。作为人类经济活动在数字空间的映射，数字经济理论创新几乎涉及经济学所有领域，包括消费者行为、企业生产行为、市场运行机制、经济增长模式、收入分配机制以及政府与市场之间的关系等。其中，厘清数据要素、数字经济增长、数字经济中的生产关系等基础问题，是进行数字经济理论创新的重要前提。
数据要素
数字经济是大数据驱动的各类经济活动的总和，其基本特征在于数据成为关键生产要素。数据本质上是信息与知识的载体，不仅反映客观经济活动，还折射出公众对政府政策、重大事件的心理反应。
数据不占据自然物理空间（但需要存储在计算设备的虚拟存储空间中），这一特性使其具有快速的流动性。因此，数据能够高效地贯通生产、交换、分配、流通和消费等经济活动全过程，优化各类生产要素的配置组合。传统生产要素，如土地、劳动力和资本，均具有明显的消耗性，数据不会因使用而减少或折旧，这种非消耗性打破了传统要素的有限供给对生产的限制，也使数据的使用具有非排他性，即同一数据既可以被单个用户多次利用，也可以被多个用户同时使用，数据价值不会因此受损。然而，非排他性也为数据带来了产权归属和权责界定的模糊性，从而使数字经济活动常常伴随着外部性问题。
作为一种新型生产要素，数据只有与传统生产要素深度融合，才能充分发挥其赋能作用。数据与劳动结合形成数字劳动，如网络主播、网约车司机等；数据与资本结合形成数字资本，如一些大型数字平台；数据与技术结合形成数字技术，如无人驾驶技术、无人机、大语言模型等；数据与管理结合形成数字管理，如人机互动、智能制造、智慧城市等。
数据赋能具有以下重要特点：一是具有非线性赋能效应。数据所包含的信息与知识并非简单地与数据量呈线性关系，不同数据的聚合有可能揭示出新的关联知识，从而增强数据的赋能作用。这种非线性赋能效应是数字经济出现边际报酬递增的一个重要原因。二是存在场景依赖性。数据的赋能作用高度依赖应用场景。例如，顾客的等车时间或地理位置数据对网约车司机十分重要，但如果脱离特定时间或地点，这些数据的价值将迅速下降。三是具有时效性。数据价值很大程度上与其生成时间密切相关。许多数据反映的是其生成时刻的经济活动信息，如果没有及时应用，数据的赋能效果可能随着时间推移而逐渐衰减。四是存在价值异质性。即便是相同的应用场景，由于数据利用效率、算法优化水平和业务适配能力等方面的差异，不同企业的数据要素在赋能方面仍可能存在显著差异。
将数据视为一种新型生产要素是一项重要的理论创新，但这只是数字经济理论创新的起点，真正理解数字经济的内在逻辑与运行规律，必须基于数据要素的独特性，构建严谨的经济理论，形成系统化的分析框架。例如，传统经济理论基于稀缺性假设，将资源的有限性与人类需求的无限性之间的矛盾视为经济学的基本问题，然而数据要素的非排他性突破了稀缺性约束，这对传统经济理论提出了新的挑战。又如，数字经济中经常存在的免费产品和服务也难以通过传统经济理论给予完全解释。用户虽未直接支付货币，但他们通过提供数据为平台创造了价值，这种隐性交易模式颠覆了传统价值交换与利润实现的逻辑，同时个人数据的交易常会伴随外部性，比如一个用户的数据分享可能在无意中泄露其他用户的隐私信息，如果缺少适当的政府干预，数据要素市场运行可能难以有效维护个人隐私权利与社会福利，对这些现象的解释都离不开经济理论的创新与发展。
数据要素赋能与数据要素价值
如何确定数据要素的价值？这是数字经济理论创新的基本问题。根据马克思劳动价值论，数据要素的价值创造可以理解为数据在要素化过程中所凝结的人类劳动，具体体现为三个方面：一是原始数据形成过程中的劳动凝结，二是数据采集与处理过程中的物化劳动转移，三是数据劳动者的活劳动投入。这些活劳动和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就是将这些劳动的价值转移到新的数字产品或服务中。数据要素赋能并不限于生产环节，而是贯穿于整个经济活动的各个阶段，包括交换、流通和消费等。因此，考察数据要素价值，必须从整个经济过程进行综合分析。更为重要的是，数据在赋能数字产品价值的过程中，并非以按比例线性增长的简单模式，而是通过融合自身价值与其他要素价值，形成叠加效应，实现更复杂的价值提升。数据要素赋能的复杂性与非线性特征，深化了其价值创造与价值转移的内涵，拓展了劳动价值论的研究范围。我们应以马克思劳动价值论为指导，结合数据要素的赋能特性，进一步丰富和发展劳动价值理论。
数据要素赋能作用的充分发挥，以及数据要素资源的优化配置，需要以准确识别或发现数据要素价值为前提，而这离不开完善的数据要素市场。理论上，数据要素的价值量可以从数字经济中的交换关系中获得：在市场经济条件下，商品或服务的价格在完全竞争市场中围绕其价值上下波动，并在交换中得以实现。因此，完全竞争市场的价格为测度数据要素价值提供了可行的方法。但要实现这一目标，需要建立完善的数据要素市场体系，有足够数量的数据要素供给者和需求者，这些在短时期内是难以实现的。因此，如何准确测度数据要素价值或为其制定合理价格，成为当前一个亟待破解的理论与实践难题。在这方面，可以借鉴市场机制设计理论、实验经济学方法以及复杂经济系统的仿真实验手段等，以深入探索数据要素的定价机制。
合理的数据要素定价不仅能引导数据资源流向效益更高的领域或产业，还能为准确评估数据资产价值提供坚实基础，为此，经济理论研究必须紧密结合数字经济实践，坚持以证据为基础的方法论，科学评估数据要素的价值与贡献。需要强调的是，在数据要素合理定价的理论逻辑尚未厘清，缺乏充分实践探索的情况下，对数据资产评估及数据资产入表都必须格外审慎。片面夸大或高估数据资产价值，贸然推动数据资产入表，有可能引发“数据资产泡沫”，对数字经济的健康发展造成负面影响。
数据要素对经济增长的贡献率
20世纪70年代至90年代，计算机等信息技术得到广泛使用，但在统计数据当中，生产率特别是服务业生产率，似乎一直停滞不前。这一现象引发了广泛关注，学术界将其称为“生产率悖论”：“我们在各个地方都能看到计算机的身影，却唯独在生产率统计中看不到它们。”导致这一现象的关键原因，是资本要素特别是无形资本（如研发投入、软件和数据资产）尚未得到准确的测度。在2008年的联合国国民账户体系中，研发、软件和其他知识产权产品被正式纳入资本范畴并得到有效测度，基于这一改进的资本测度，信息技术对经济增长的贡献率在经济统计中得到了有效反映。
同样，对数据要素的科学测度对于准确评估其在经济增长中的贡献率至关重要。这里，一个亟须解决的基础性经济理论问题是：数据要素在经济增长中究竟扮演多大的角色。研究这一问题，需要从经济学底层逻辑出发，考察数据在经济活动各环节中与其他生产要素的结合方式，特别是数据如何重塑经济结构与生产流程，以及如何优化资源配置以生产更多更优的产品与服务。这需要在理论分析的基础上，构建符合数字经济内在逻辑与重要特征的生产函数。这意味着，在数字经济背景下，我们需要进一步创新与发展经济增长理论，同时也需要创新经济测度与经济统计学，为揭示数据驱动经济增长的内在机制提供理论与方法支撑。
数字经济时代的生产关系
数据要素与基于大数据的人工智能技术的日益广泛使用，不仅重新塑造了生产力，也深刻改变着生产关系，主要表现在以下方面：
人工智能对劳动的替代。人工智能技术的应用显著提升了生产效率，大幅缩短了生产同量产品所需的社会必要劳动时间，因此也不可避免产生了人工智能替代劳动的现象。传统机器主要替代简单劳动，尤其是体力劳动，而人工智能则在一定程度上替代了脑力劳动。比如，ChatGPT不仅能够学习和理解人类语言进行对话，还能完成诸如撰写邮件、论文、视频脚本，翻译文本，编写代码等复杂任务。
平台经济中的不对称关系。数字技术的广泛应用催生了零工经济和平台经济等新型经济形态。零工经济为劳动者提供了更加灵活的就业方式,但这种经济模式高度依赖于庞大的数据资源和数字技术，导致掌握科技平台的资本与零工劳动者之间的关系出现了不对称。如果没有良好的经济治理，零工劳动者在与平台资本的博弈中会处于弱势地位。同样地，大科技平台依托强大的资本、数字技术和数据资源，通过网络效应和规模效应，会形成与中小企业、消费者之间的关系不对称。
数字鸿沟引发的收入差距。数字鸿沟是指不同社会群体在互联网可及性和使用能力上的差异，数字鸿沟的客观存在加剧了数字技术带来的经济社会福利在不同地区和社会群体之间的分配不均，城镇地区、经济发达地区以及高学历、高技能人群更容易接触并使用数字技术，因此更容易受益于人工智能技术的快速发展实现收入增长。
跨境数据流动和日益激烈的数字科技国际竞争。随着数据成为基础性和战略性资源，世界各国对数据资源和数字技术主导权的竞争日益激烈，这会加剧经贸关系的不确定性，并使全球高科技产业链供应链面临更严峻的风险与挑战。
总之，数字经济时代，在关注数据要素和数字技术推动社会生产力发展的同时，还需要深入探讨生产关系的变化趋势，为实现更加公平的包容性经济增长与发展模式提供科学依据。
