关键词：数据要素；制造业转型升级；高质量发展
基金：“中国社会科学院登峰战略优势学科（产业经济学）”的研究成果。
我国经济已迈入高质量发展阶段。面对百年变局，应进一步调整经济结构、培育新动能。制造业特别是先进制造业是大国竞争的核心，制造业转型升级是迈向经济高质量发展的必由之路。数据要素以虚拟替代性、渗透性、易复制性、准公共物品性、规模经济性、要素互补性等独特的技术经济优势特征[1，2，3]，推动数据产业化、产业数据化，融入传统产业，赋能制造业技术创新、生产变革和市场拓展，为我国制造业转型升级提供了机遇[4][5]。
一、数据要素市场发展现状
数据是与土地、劳动、资本和技术并列的重要生产要素，是夯实数字经济发展的市场基础。党中央、国务院高度重视数据要素市场的培育发展，把充分发挥数据要素价值放在重要的战略位置。
作为驱动国家发展重要的基础性和战略性资源，数据要素是数字经济高质量发展的创新引擎和国家治理现代化的核心动力。在党中央、国务院的不断支持下，我国数据要素市场和数据基础设施不断完善，数据交易平台与工业大数据市场快速稳步发展。
（一）数据要素市场快速发展
随着企业工序之间流程化的生产以及云计算、人工智能、车联网、物联网等新技术发展，数据流量快速增长，数据正呈现指数级爆炸式增长态势。根据国际数据公司（IDC）发布的白皮书《数据时代2025》预测，2016年，全球数据量为16ZB（1ZB为10万亿亿字节），至2025年将增至175ZB，增长9.94倍（见图1）。其中，我国2018年新产生的数据为7.6ZB，超过美国的6.9ZB，成为全球第一大数据生产国；我国数据量的平均增速比全球高3%，预计2025年将增至48.6ZB，占全球数据资源的比重由2018年的23.4%提升至2025年的27.8%。我国企业级数据量占总数据量的比重将从2015年的49%增长至2025年的69%。在数据量快速增长的背景下，我国数据市场也不断发展壮大。
图1全球数据量增长和预测（单位：ZB）
我国数据要素市场规模可观。根据中央网信办的数据，我国大数据产业规模已从2017年的4700亿元增至2021年的1.3万亿元，5年增长1.77倍。根据国家工业信息安全发展研究中心的测算，我国数据要素市场规模（部分）将从2016年的62亿元增至2025年的1749亿元，增长超过28倍（见图2）。“十三五”时期，我国数据要素市场规模增长尤为迅速，2020年市场规模达545亿元，较2019年增长170亿元，增长45.33%。之后估算的各年区间数据要素、市场规模增长率介于20%～30%，依旧维持较快增速。在数据要素市场规模不断扩大的同时，我国持续加大投入，不断促进数据要素市场发展。IDC数据显示，2021年全球大数据市场的IT总投资规模为2176亿美元，我国则为140亿美元左右，预计到2026年我国的大数据IT投资规模会增至360亿美元左右，年均复合增长率为21.4%，增速居全球第一，届时总市场规模将居全球第二。
图22016—2025我国数据要素市场规模（单位：亿元）
注：数据要素市场仅包括数据采集、数据存储、数据加工、数据流通、数据分析、生态保障六大模块，测算数据中未包含数据应用的部分。
（二）数据基础设施日趋完善
近年来，我国宽带互联网、移动互联网、物联网、数据中心等为代表的网络基础设施和数据基础设施建设不断提速，为数据市场加快发展提供了强有力的技术支撑。
网络基础设施方面，云网端一体化部署步伐加快，4G覆盖率不断提升，5G网络建设加快，推动数据市场发展的网络基础设施核心支撑能力显著提升。根据《2021年通信业统计公报》的数据，截至2021年底，全国光缆线路总长度达5488万千米，互联网宽带接入端口数达到10.18亿个，相较于2016年的7.13亿个，增长42.78%。中国电信、中国移动、中国联通的固定互联网宽带接入总用户数达5.36亿。其中，农村宽带接入户数达1.58亿，接入用户占比为29.4%。移动互联网接入流量达2216亿GB（1GB约为10.74亿字节），月户均流量为13.36GB，是2016年（0.76GB）的17.58倍，创历史新高。全国移动通信基站总数达996万个，4G基站590万个，比重高达59.24%（见表1）。
表12016—2021年我国数据基础设施发展情况
（三）数据交易平台稳步增加
自大数据、数字中国上升为国家战略以来，我国出现了一批数据交易平台，各地纷纷设立数据交易机构。2015年4月14日，贵阳大数据交易所作为国内第一家大数据交易所正式挂牌运营。之后，上海、浙江、北京等地纷纷设立数据交易平台，平台呈现暴发式增长。2019年，全国有近80家大数据交易平台投入运营，IT头部企业阿里、百度和腾讯等也在积极构建各自的数据交易平台[6]。2020年8月，北部湾大数据交易所成立。广西壮族自治区大数据发展局公布的数据显示，2022年8月，北部湾大数据交易所登记注册企业已达100多家，累计交易规模突破7000万元，挂牌交易数据产品168个，数据服务调用次数达7亿次。2021年3月，北京国际大数据交易所正式落地北京市朝阳区。2021年11月，上海数据交易所在上海浦东新区成立，目前已完成了10余项管理制度、标准规范编制，数据产品挂牌已超100个①。
从区域分布看，国内数据交易平台分布比较广泛，大部分集中在直辖市或省会城市。目前，既有政府主导的数据交易平台，如北京国际大数据交易所、上海数据中心等，也有民间资本主导的数据交易平台，如京东万象、聚合数据、数多多等。它们的交易产品、交易模式、收入方式等多趋于多样化（见表2）。这一定程度上有利于促进我国数据流动交易和数据交易市场的发展。
表2不同数据交易平台的模式比较
从交易产品看，目前，我国既有数据包、应用程序编程接口（API）等传统的数据交易产品，也有新颖的自研数据产品和生态数据产品。
从交易模式看，数据撮合交易、API数据交易、特定应用场景模式、平台交易模式被各家数据交易平台使用，对于提升交易效率，提高数据使用效率、促进企业模式业态创新具有重要意义。
这些交易平台也通过收取数据撮合服务费、接口调用费、数据增值服务费、获取交易佣金、会员费等多种形式，实现交易平台的良性可持续发展。这对于数据资产的定价具有一定的参考意义。
（四）工业大数据市场加速增长
工业大数据即基于工业领域或工业企业收集到的海量数据，具有类型丰富、容量大、更新快以及价值高等突出特征[7]。
随着云计算、5G、AI等技术的不断成熟，加之国家政策推动，处于起步阶段的我国工业大数据发展极为迅速，并为工业互联网带来大量的增量需求。根据行业研究机构锡安市场研究的调研数据，全球工业自动化市场规模将从2017年的2071.7亿美元增至2024年的3219.3亿美元，年复合增长率预计为6.5%；我国的工业自动化规模将从2017年的1857.7亿元，预计增至2022年的2085亿元。工业大数据将持续促进传统制造产业转型升级，助力工业智能化发展。
二、数据要素促进制造业转型升级的实践经验
（一）数据要素跨界融合赋能制造业转型升级
渗透性或跨界融合性在产业层面表现为数据驱动产业融合和产业关联[3]。数据要素与传统产业相结合，将促进传统产业的优化升级。一方面，有利于传统产业形成以数据为核心的新业态，即实现产业数据化；另一方面，数据要素本身也能形成相应的产业链供应链，即实现数据产业化。产业数据化和数据产业化相互关联和融合，有利于制造业生产效率的提高，有利于制造业的转型升级。
具体而言，数据要素在与传统制造业企业深度融合的同时，有利于传统制造业企业提升其数字化、网络化和智能化水平，促进产业数据化发展[3]。比如制造业广泛应用人工智能技术，传感器类似于人脑的神经元，将抓取到的数据上传至云平台进行分析、处理和预测。如此，既有助于实现全过程的可视化生产，也可对生产过程进行监督和预警。数据要素与产业链的制造环节相结合，使得制造环节的数据化和智能化水平实现提升，从而提高制造环节在产业战略中的地位，使其与研发、营销一样变得同等重要，进而促进制造业的价值链向微笑曲线两端延伸[8][9]。《中国数字经济发展报告》（2022年）的数据显示，2021年，我国产业数字化规模达到37.18万亿元，比2020年增长17.2%，相当于GDP比重的32.5%，产业数字化转型持续向纵深发展。
数据要素不仅能与传统制造业相结合，而且能形成数据采集、分析、处理等一系列以数据为核心的新业态，不断催生数据关联企业，实现数据产业化。如，万德资讯将收集到的数据进行汇总、分类、存储，建立了Wind数据库，形成了丰富的数据集，成为金融、经济分析和学术研究的重要数据提供商。以数据为核心要素的产业链，大幅提高了制造业企业生产、营销、营运、研发等各环节的效率，有利于企业实现跨越式发展，有利于显著提升全产业链的价值。根据工信部2021年11月发布的《“十四五”大数据产业发展规划》测算，大数据产业在“十三五”时期快速发展，规模年均复合增长率超过30%。《“十四五”大数据产业发展规划》指出，大数据是新时代重要的生产要素，是推动经济转型发展的新动力，到2025年大数据产业测算规模突破3万亿元，在“十四五”时期实现年均25%左右的复合增长，基本建成创新力强、附加值高、自主可控的现代化大数据产业体系。
（二）数据基础设施建设完善促进制造业转型升级
互联网时代，数据呈现爆炸式增长，数据存储困难，“数据孤岛”问题严重[10]。建设完善的数据基础设施，有利于数据存储、流通、共享和智能化应用，有利于数据要素赋能制造业转型升级。近年来，随着数字化转型进程加快以及对数据要素依赖程度提升，我国进一步加快了以5G、云计算、区块链、数据中心等为重点内容的新一代信息基础设施建设。
（三）大数据局和数据交易平台建设助力制造业转型升级
过去，由于缺乏统一的数据管理机构，一些地方、一些领域“数据孤岛”林立，制约了大数据的发展应用。为更好地实现增长和治理目标，大数据局②应运而生。2015年，广州、沈阳、成都等6个城市率先在设立大数据局。之后，各地大数据局如雨后春笋般涌现，截至2021年底，全国已有200多个城市设立大数据局。
大数据局的设立有力地推动了制造业转型升级。具体而言，在数字产业化过程中，大数据局通过政府引导投资、购买服务、财政补贴等方式，带动地方大数据产业投资和发展，助力地方形成大数据产业链，促进了大数据等信息通信技术（ICT）产业的发展和集聚。在产业数字化过程中，大数据局推动了传统制造业对数据资源和ICT资本的使用。一方面，通过财政补贴、投放信息化项目等方式，鼓励引导企业在研发、生产、交易等环节采集、存储、分析和共享大数据。另一方面，搭建地方数据交易平台，鼓励企业通过购买数据设施、数据服务等方式深化大数据应用。两方面作用下，数据资源与企业传统业务流程的融合程度不断加深。得益于数据要素和ICT资本的使用，制造业企业不仅能够增强生产经营预测和分析能力，优化现有流程、提高效率，而且可以创新工艺和产品，进一步增强企业竞争力[11][12]。
（四）数据要素融合运用推动企业模式创新
数据要素的虚拟替代性、易复制性、互补性等技术经济特征与制造业企业业务流程融合，参与产品生产的全过程，有利于驱动企业的技术创新、生产变革和市场拓展，提高企业生产效率，促进制造业企业转型升级[13][14]。
数据要素促进技术研发模式创新。一方面，企业能够利用用户持续反馈的数据，优化产品的研发环节。如，小米在MIUI系统研发中，从用户的需求出发，举办各种类型的线上线下活动，让用户和“米粉”在活动的过程中充分讨论新发布的产品，提出各种改进建议，利用收集到的反馈数据持续优化产品研发，让用户成为产品研发的“参与者”。另一方面，企业也可在研发环节，通过增加数据的应用提高研发效率。如，航天云网开发了多个工业APP，将收集到的数据应用到研发环节，实现了资源共享、协同创新，将航天设备制造的研发周期缩短40%，设计改动降低50%③。
③根据国家工业信息安全发展研究中心等机构发布的《2018工业互联网平台创新发展白皮书》整理。
数据要素促进生产模式创新主要体现在以下方面。
一是消费者通过在线选择生产材料、自主设定产品参数参与个性化配置；生产商通过数据收集、数据分析、自动排产等实现大规模个性化定制。个性化定制既能通过以销定产，减少库存积压，又可以迎合消费者偏好，激发市场需求，从成本和收入两方面拓展企业利润空间，促进制造业转型升级。
三是随着数据收集、存储、加工处理和开发应用能力的不断提升，新一代信息技术在连接、数据、算法、算力等领域具有领先优势，可以帮助服务型制造企业获取用户信息、降低生产成本、集聚优秀人才、提高运行效率，有助于促进服务型制造企业的转型升级[5]。
三、面临的挑战
1.缺乏统一的数据确权基本框架。
虽然我国已形成地方立法摸索与行业规范的探索机制，但整体上看，数据确权立法仍处于起步阶段[15]。权属不明可能导致数据在交易流通过程中可解释范围加大，市场规范性变差。
2.具体领域及事项法律法规不完善。
欧盟与美国已通过一系列法律对数据采集、存储、处理中的算法进行规制。美国于2017年在加州推动关于“算法审计”立法，试图对算法可靠性进行规制。欧盟《一般数据保护条例》（GDPR）则引入了算法解释权的概念，《金融工具市场指令》（MiFIDII）更是对高频交易算法进行规制，而我国几乎不存在针对数据算法的规制[16]。
3.缺乏对数据质量和数据定价的标准化规范。
（二）制造业企业间数据的共享流通面临制约
数据要素的共享与流通是数据要素市场高效运转的前提。目前，数据要素在共享与流通方面仍存在问题。
1.制造业企业为保持自身竞争力，不愿共享数据。
长期以来，大型制造业企业积聚了海量的数据，在经营上具有优势，但向其他企业开放数据可能导致其丧失在市场竞争中的优势地位，因而很多企业不愿意数据互联互通。
2.制造业企业担心商业数据泄漏，不敢共享数据。
3.制造业企业间数据标准不同，异构的数据无法共享。
（三）政府数据公开程度低，企业难以有效利用
一是近年来中央先后印发多个文件，从宏观顶层设计的角度，对政府公开数据的形式和方法进行了明确要求，但在具体落实过程中，“重形式、轻效果”的问题依然严重。虽然不少地方政府成立了大量的公共信息平台，也收集了海量数据，但关键性的核心数据不多，部分数据还存在信息缺失、严重滞后等问题[17]。
二是虽然2007年出台了《信息公开条例》并于2019年进行了修订，但对于政府数据公开的范围、数据质量评估等尚未形成统一的具体细则，公共数据的共享和开发仍受到极大限制。
（四）数据监管治理组织亟待完善
目前，我国尚未建立起全国统一的数据资源管理以及统筹协调机构，中央和地方之间、各职能部门之间、不同行业和企业之间在推动数据要素配置的过程中均有各自的体系和方法，存在“百花齐放”的局面。这虽然有利于数据要素发展的丰富性和多样性，但也出现“条块林立”“各占山头”“合力不足”“重复建设”等问题。在此背景下，数据的开放共享存在制约，数据交易的市场准入标准不统一，甚至还存着数据滥用、数据垄断、数据权属不清等问题。这不仅不利于数据要素市场的培育和发展，而且会导致数据资源的浪费、利用程度不高甚至效率低下，更不利于数据资源的统筹管理和综合利用。因此，亟待从国家层面设立统一的数据管理机构，以对数据要素资源进行统筹协调和监管。
四、政策建议
在数字经济背景下，促进制造业转型升级应对其中最为核心的生产要素数据进行充分发掘利用，激发数据要素的内在潜力。这可以从构建数据产权法律制度、增进数据要素流通利用、培育数据要素市场、加强数据交易新技术研发应用、建立健全数据要素市场监管治理等方面发力。
此外，目前数据要素市场处于不完全市场状态，未来，随着市场逐渐成熟，应形成科学规范统一的数据交易定价体系，引导市场主体积极探索数据资产定价模式，以市场化机制为主，适度管控为辅，逐步形成成熟完备的数据交易价格体系。
（二）提高数据要素流通利用的安全性、开放性和有序性
建立数据安全保障机制，提升企业间的信任度，有效消除企业数据共享的后顾之忧。建立激励数据共享机制，促进企业进行数据共享。各企业也应树立数据互联互通的理念，主动打破技术壁垒，使用通用数据库。
进一步规范提升公共数据开放水平。一方面，做好顶层设计，统一跨部门数据交换共享标准，着力完善公共数据基础共享协同机制，消除公共数据使用的制度和技术壁垒；另一方面，加强制度建设，强化数据确权定价，促进数据要素市场公平竞争，加大数据市场跨境流通，有效防范数据市场风险，营造健康可持续的数据交易环境。
（三）推动数据要素市场与其他要素市场的协同配合
数据要素市场培育与发展的政策措施需要与劳动力、资本和技术等要素市场发展的政策措施协同配合，尤其是劳动力市场、资本市场和技术等要素市场发展程度较低的地区，应高度重视推进数据要素市场与劳动力市场、资本市场、技术市场融合发展的重要意义。
同时，应基于大数据技术对人才市场、资本市场、技术市场的服务活动进行业务流程再造，使得这些要素市场的服务流程更简洁、更方便、更快速，建立与数字化生产力相匹配的数据要素流通分配政策，逐步实现全国范围内要素市场的数据共享与服务。
（四）进一步深化数据交易新技术的研发应用
为有效缩短制造业在基础元件、高端芯片、关键设备等高端技术与世界先进水平的差距，应积极利用数据要素的生产特性，增强我国的智造能力，促进制造业升级创新。
进一步部署以云计算、区块链、数据中心等为重点内容的新一代通信网络基础设施，加大5G网络和千兆光网建设力度。加快工业互联网、车联网、物联网等布局，促进数据的高效运输和采集。
重点提升数据生成、采集、存储、加工、分析、安全与隐私保护等通用技术水平。增强企业自主创新能力，通过技术“锻长板补短板”，推动自主开源框架、组件和工具的研发，全面提升技术攻关和市场培育能力，确保产业链供应链安全可控。此外，还应不断加强前沿领域的技术融合，推动大数据与人工智能、区块链、元宇宙等新一代信息技术集成创新。
（五）建立健全数据要素市场监管治理体系
1.建立统一的数据管理和统筹协调机构。
针对当前存在的数据垄断、数据滥用、数据权属不清、数据利用效率低下等问题[21]，国家层面尽快建立统一的数据管理机构，加强对各地数据交易平台的监管，建立统一的数据管理标准，加强数据确权、促进数据共享流通、防范和化解数据交易风险。
2.加强数据安全技术能力建设。
提升数据的安全性、稳定性和可靠性，逐步建立统一高效、协同联动的网络安全管理体系。
3.强化数据要素的市场监管和反垄断执法。
严厉打击数据欺诈、非法交易、数据滥用、不正当竞争等违法行为[22]，坚决维护数据要素市场的公平竞争和平稳健康运行。
参考文献
[1]白永秀,李嘉雯,王泽润.数据要素：特征、作用机理与高质量发展[J].电子政务,2022(6):23-36.
[2]王谦,付晓东.数据要素赋能经济增长机制探究[J].上海经济研究,2021(4):55-66.
[3]李海舰,赵丽.数据成为生产要素:特征、机制与价值形态演进[J].上海经济研究,2021(8):48-59.
[4]林可亮,王招治.数字经济赋能制造业转型升级研究[J].中小企业管理与科技,2022(6):55-57.
[5]温曼童.数字经济赋能传统制造业转型升级路径[J].经济研究导刊,2021(36):32-34.
[6]王璟璇,窦悦,黄倩倩,等.全国一体化大数据中心引领下超大规模数据要素市场的体系架构与推进路径[J].电子政务,2021(6):20-28.
[7]罗立辉.工业大数据的应用和实践研究[J].信息记录材料,2022,23(2):167-169.
[8]黄群慧,贺俊.“第三次工业革命”与中国经济发展战略调整——技术经济范式转变的视角[J].中国工业经济,2013(1):5-18.
[9]张路娜,胡贝贝,王胜光.数字经济演进机理及特征研究[J].科学学研究,2021,39(3):406-414.
[10]Gang-HoonKim,SilvanaTrimi,Ji-HyongChung.Big-dataapplicationsinthegovernmentsector[J].CommunACM,2014,57(3):78-85.
[11]许宪春,任雪,常子豪.大数据与绿色发展[J].中国工业经济,2019(4):5-22.
[12]李唐,李青,陈楚霞.数据管理能力对企业生产率的影响效应——来自中国企业-劳动力匹配调查的新发现[J].中国工业经济,2020(6):174-192.
[13]FarboodiM,VeldkampL.Agrowthmodelofthedataeconomy[J].NBERWorkingPapers,2021.
[14]ShapiroC,VarianHR.Informationrules:astrategicguidetothenetworkeconomy[M].HarvardBusinessSchoolPress,1998.
[15]王蒙燕.我国数据要素统一大市场构建的问题与对策[J].西南金融,2022(7):80-90.
[16]韩旭至.数据确权的困境及破解之道[J].东方法学,2020(1):97-107.
[17]蔡跃洲,马文君.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究,2021,38(3):64-83.
[18]邸弘阳,任思琪.政府数据公开网络平台的数据管理与利用方式研究[J].图书馆杂志,2017,36(1):88-96.
[19]刘吉超.我国数据要素市场培育的实践探索：成效、问题与应对建议[J].价格理论与实践,2021(12):18-22.
[20]周自强.公共物品概念的延伸及其政策含义[J].经济学动态,2005(9):25-28.
[21]王磊.推进数据要素市场化配置:瓶颈制约与思路对策[J].中国经贸导刊,2019(24):34-37.
[22]王磊.建设全国统一要素市场：突出问题及思路对策[J].经济纵横,2022(3):68-78,137.
吴海军，中国社会科学院工业经济研究所助理研究员，经济学博士，研究方向：产业经济与企业创新。
郭琎，中国宏观经济研究院市场与价格研究所。
吴海军,郭琎.数据要素赋能制造业转型升级[J].宏观经济管理,2023,(02):35-41+49.