在数字经济背景下，新质生产力以科技创新推动产业创新为要义，以大幅提升全要素生产率为目标，重在加强人工智能、大数据、物联网、工业互联网等数字技术的融合应用，以数据开发利用为引擎促使生产要素实现创新性配置，催生新产业、新模式、新动能，旨在走出一条生产要素高效协同、产业深度转型升级的增长路径。数据作为数字时代的新型生产要素，打破了传统生产要素的质态，是形成新质生产力的优质生产要素。
数据对发展新质生产力具有重要作用
纵观历史，历次科技和产业革命产生新技术、新要素、新产业，都推动了生产力质的飞跃。生产力的发展有其内在源泉和动力，各类生产要素作用的充分发挥、效能的提高、组合的优化，都会推动生产力水平的提高。劳动者受教育程度的提高，文化和科技知识的增长，科学发明与技术创新应用于生产，管理水平和治理能力的提高，生产资料数量的丰富和质量的提高，分工协作和生产组织的优化，都是提高生产力的内在动力。随着人类社会的进步，生产要素的内涵和种类也在不断扩展和丰富。
在数字经济背景下，生产要素产生新的变化，具有以下时代特征：一是新要素。数据逐步成为驱动生产力跃迁的核心要素，不断促进劳动者、劳动资料、劳动对象及其优化组合的跃升。以互联网、人工智能、大数据为代表的数字技术，推动生产方式、消费模式变革，加快发展方式的绿色转型。二是新方式。数字平台改变了新型企业的组织形式、商业模式和资源配置方式，推动数字经济和实体经济深度融合，促进互联网、大数据、人工智能等数字技术同实体经济深度融合，带来产品架构、商业模式、应用场景的迭代。三是新动能。数字经济以实体经济为根基，通过改造提升传统产业、培育壮大新兴产业、布局建设未来产业，进一步提升产业链供应链韧性和安全水平，最终提高全要素生产率。
与传统生产要素相比，数据要素具有四个显著的技术—经济特征：一是非排他性。数据可以低成本地无限复制给多个主体同时使用，任何主体对数据的使用都不会影响其他使用者的利益。二是无限增长性。随着数字技术加速渗透到经济社会方方面面，数据资源供给规模呈现指数级增长，而且可以重复使用，打破了传统要素有限供给对增长的制约。三是支撑融合性。数据要素能够对技术、劳动、资本等其他要素的融合发挥强大支撑效应。四是规模经济性。数据要流动、要使用才能产生价值，数据规模越大，其蕴含的价值越多。数据使用者越多，人们从数据中挖掘的价值越大。
随着数字经济快速发展，数据已成为国家基础性战略资源和关键生产要素，并由此形成数字生产力。数字生产力是指在“数据+算力+算法”构筑的数字平台或数字世界中，劳动者运用数字技术，充分开发利用数据这一新型生产要素，高质量地为人类创造物质财富和精神财富的新能力。比如，“生成式预训练变换模型”是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。借助强大的算力支撑、深度学习算法和万亿级别数据语料的“喂养”，“生成式预训练变换模型”不断迭代，表现出强大的智能生产力。数字生产力是新质生产力的具体表现形式，具备数字素养的劳动者通过推动数据要素网络化共享、系统化整合、协作化开发和高效化利用，提高全要素生产率，从而形成新质生产力，促进社会生产力实现跃升。
数据要素能够提升全要素生产率
新质生产力代表先进生产力的演进方向，以全要素生产率大幅提升为核心标志。数据作为新型生产要素，既直接创造社会价值，又通过与其他生产要素的融合，有效降低交易成本，形成规模经济和范围经济，提升配置效率和激励效率，能够大幅度提升全要素生产率。
第一，数据要素能够促进规模报酬递增。数据要素的开发利用是数字经济的主要内容，数字化、网络化、智能化过程中产生的海量数据，逐渐进入生产领域和经济系统成为生产要素。可共享、可复制、可无限供给、要素互补性、越用质量越高等特点，使得数据能够打破土地、资本等传统生产要素有限供给对经济持续增长的制约，形成规模报酬递增的经济发展模式。企业从数据中挖掘有用信息，作用于其他要素，能够为企业、行业、产业在传统要素资源约束下寻找“最优解”提供新路径。数据在不同场景、不同领域的复用，推动各行业知识的相互碰撞，不同类型、不同维度的数据融合，推动不同领域的知识渗透，产生新知识，创造新的价值增量。
第二，数据要素能够推动科技创新。伴随高性能算力、智能算法等技术的迅速发展，在海量数据的驱动下，科学研究范式得以由传统的假设驱动向基于科学数据进行探索的数据密集型范式转变。借助高性能计算技术、人工智能技术等，将数据科学和计算智能有效结合，利用AI技术学习、模拟、预测和优化自然界和人类社会的各种现象，可以更精准快捷地解决许多科研问题，加快推动科学发现和科技创新。比如，基于海量、多元生物数据构建起的人工智能算法模型，在几天甚至几分钟内就能预测出以前要花费数十年才能得到的、具有高置信度的蛋白质结构。因此，推动科学数据有序开放共享，以科学数据助力前沿研究、支撑技术创新，推进跨学科、跨领域协同创新，是加快形成新质生产力的重要方向。
第四，数据要素能够推动生产要素创新性配置。生产要素的高效率配置是实现生产力跃迁、形成新质生产力的必要条件。通过对数据要素的挖掘分析和利用，可以降低信息交互偏差和要素交易成本，推动创新要素流向高生产效率、高边际产出的企业和行业，打通“信息孤岛”和“数据壁垒”，从而实现要素高效配置。尤其是，在高度数字化、智能化的信息环境中，可以实现以数据为纽带的人才、技术、资本、管理等创新要素的价值链联动，使创新资源实现最优配置。
第五，数据要素有利于提高全要素生产率。数据作用于不同主体，与不同要素结合，可产生不同程度的倍增效应，实现推动经济发展的乘数效应。通过数据的协同、复用、融合，能够优化知识、技术、工艺，进而带动劳动生产率的提高。这个过程循环往复，能够在新的生产率水平上通过聚变扩能，形成更优化的知识、技术和工艺。数据要素与技术、人才、管理等传统生产要素的融合不断加深，能够通过业务流程优化、服务水平改善等提升生产率水平，驱动生产要素从低生产率部门向高生产率部门转移，让生产要素不断流向效率更高、效益更好的环节。
充分发挥数据要素推动经济发展的乘数效应
加强数据基础设施建设。当前数据基础设施对新产业、新业态、新模式的支撑能力还不够。为此，既需要加强数据基础设施与数据服务、融合应用形成协同发展的产业生态，也需要高校、科研院所、产业链与政府部门形成协同研发生态，共同推动数据基础设施建设，注重优化算力布局，推动算力产业生态化发展。
支持和鼓励创新数据开发利用场景。加强需求牵引，推动智能制造、商贸流通、交通物流、金融服务、医疗健康等重点领域打造更多应用场景，促进数据要素与其他要素深度融合，催生新产业、新业态、新模式。积极发挥数据要素的“融合剂”作用，促进数字经济和实体经济深度融合。
繁荣数据开发利用产业生态。支持技术型、服务型、应用型等多种类型的数据商发展，鼓励为数据合规、质量评估、估值定价等提供服务的第三方专业机构发展，稳妥发展场内数据交易机构，增强服务类平台的互联互通功能。
（作者：李涛、欧阳日辉，分别系中央财经大学副校长、中央财经大学中国互联网经济研究院副院长；均系北京市习近平新时代中国特色社会主义思想研究中心特约研究员）