摘 要:推动数字经济相关产业的科技成果转化，需要把握数据要素的特征，实现数据要素的高效配置，提升数字经济产业发展水平。数据要素具有产生者和拥有者分离的特征，其价值派生于决策的价值，并通过数据产品和服务实现自身价值。要促进基于数据要素的科技成果转化，需要明晰科技成果所有权，切实降低制度性交易成本，鼓励科研人员生产和积累数据要素，促进数据产生者、拥有者和使用者共同参与科研成果的生产，使科技成果适应市场需求。
关键词:数据要素 科技成果转化 数字经济
【中图分类号】F49 【文献标识码】A
在国家发展改革委、科技部、工业和信息化部、财政部等四部门联合印发的《关于扩大战略性新兴产业投资 培育壮大新增长点增长极的指导意见》中列出的八大战略性新兴产业中，新一代信息技术产业、智能及新能源汽车产业、数字创意产业均与数字经济有着直接和紧密的联系。数字经济战略性新兴产业的发展离不开相关科技成果的产生和转化。
2020年12月召开的中央经济工作会议将“强化国家战略科技力量”作为2021年要抓好的重点任务之一。充分发挥科技创新力量，关键环节之一是科技成果转化和产业化。在数字经济相关产业的科技成果转化中，尤其需要注意把握数据要素本身的特征，促进相关科技成果转化，发挥市场机制作用，提升数字经济产业发展水平。
数据要素的产生者和拥有者分离
数字经济是以数字技术为基础的经济形态，在用户、组织和设备通过因特网、移动技术和物联网构成的相互连接基础上运行。因此，数据是数字经济的关键生产要素，数字经济所具有的高渗透性、规模经济等性质也来自于数据本身的非竞争性。经济学理论告诉我们，基于生产要素的分配规则影响着生产要素的提供，进而影响生产要素的使用、积累和创新。所以，数据要素的高效配置，是推动数字经济产业发展的关键一环。
数据作为一种生产要素，有着与其他生产要素不同的特点。与劳动、资本、土地等传统生产要素不同，数据本身具有非竞争性，因此理论上可以无限复制而不降低自身价值。知识、技术、管理等生产要素虽然具有类似性质，但是这几种生产要素与产生者之间有着紧密的联系，需要产生者运用其进入生产过程，创造价值，因此要素的产生者也是拥有者，可以将生产要素转让给使用者。而数据要素的产生者和拥有者则是分离的，数据资源来自于千千万万的用户行为记录，经过数据采集、清洗和加工后成为数据要素，而产生数据的用户不再是数据要素的拥有者。
数据要素产生者和拥有者的分离是其他所有要素所不具备的特征，对于价值分配和激励机制的设计带来了挑战。对于其他的生产要素而言，通过向要素的拥有者提供激励，就可以鼓励生产要素的创造和积累。而对于数据要素而言，仅仅向数据科技公司等数据要素的拥有者提供激励，只能够促进现存数据资源的分享和利用，并不足以支持数据要素动态的生产和积累。这是因为，作为数据资源的产生者，用户具有主观能动性，可以选择向数据要素的拥有者提供或者不提供数据资源，甚至采取策略性行动，如更换APP、使用不同用户名、减少数字设备使用等来规避数据采集。这样，即使数据要素拥有者获得了海量的数据资源，只要不是社会整体意义上的“全量数据”，仍然无法解决“自选择问题”，不但无法形成可靠的因果推断，反而可能误导决策。因此，在源头上支持数据要素的生产，就不仅要采取立法和监管措施保护个人隐私、商业秘密，防止诈骗，还要由数据的拥有者和使用者向产生数据的用户提供适当的激励，促使其愿意提供和分享其行为数据。
数据要素的价值实现特征
生产要素在价值实现中的作用决定了其在收入分配中所应占有的份额。劳动、资本、土地、知识、技术、管理这几种生产要素直接进入产品和服务的生产环节，然后产品和服务通过市场销售实现其价值，各种生产要素相应获得报酬。而数据作为一种生产要素，实现价值的途径有所不同。
首先，数据要素的价值派生于决策的价值。“信息论之父”香农认为，“信息就是用来消除不确定性的东西”。因此，数据要素的价值来自于减少不确定性，提升要素使用者的决策质量。数据要素本身并不具有价值，对其的需求是由对于高质量决策的需求所派生的，其价值也派生于决策的价值。而决策具有相当的主观性，决策的价值也因人而异，不同主体的决策之间可能还相互关联，这都导致了确定数据要素价值的难题出现。
第二，数据要素通过其他生产要素间接实现价值。诺贝尔经济学奖得主赫伯特·西蒙认为，“管理就是决策”。所以数据要素可以通过提升管理这种生产要素，对于价值创造作出贡献。此外，人们可以基于数据要素，形成新的知识，提升技术水平。因此，数据要素也可以通过影响知识和技术这两种生产要素而对价值创造作出贡献。在国民经济核算体系中，知识、技术、管理这几种生产要素对于经济活动的贡献，通过全要素生产率体现出来，而全要素生产率本身则是经济活动中扣除劳动、资本和土地的贡献后所得到的统计学上的“残差”。数据要素通过知识、技术、管理这些生产要素作用于全要素生产率，从而影响经济活动。从这一角度看，衡量数据要素价值不仅要看其数量，数据本身的质量也非常重要。只有准确理解数据资源的产生过程和特点，才能形成高质量的知识、技术和管理。这种价值实现的间接性使人们常常低估数据本身的价值。
第三，数据要素的价值通过数据产品和服务实现。一方面，数据要素本身具有非竞争性，其使用并不因为他人的使用而受到影响，可以说在价值创造环节具有规模经济这一性质。另一方面，数据要素的排他性主要来自于人为的技术限制和制度规定。这导致了数据要素本身具有公共品或者自然垄断的特征，理论上边际成本为零，可以无限复制。但是，由于广大用户是数据的提供者，出于保护个人隐私等考虑，对于数据要素本身的市场交易必须加以限制。所以，数据的需求者不能也不应直接获得数据要素，而是通过“订制”基于数据要素开发的产品和服务满足其需求。数据要素的价值需要通过这些产品和服务实现。由于使用者的决策环境和目的千差万别，数据产品和服务需要数据要素的拥有者和使用者共同开发，共同生产，其市场环境也更多呈现为不对称信息下的“一对一讨价还价”场景，而不是传统商品市场的竞争形态。这为数据要素的市场监管也提出了新的挑战。
把握数据要素特征，支持基于数据要素的成果转化
数据要素支持了数字经济产业等战略性新兴产业的发展，但数据要素的特征也影响了基于数据要素的科技成果转化。因此，我们需要把握数据要素的特征，提升基于数据要素形成的科技成果转化，从而促进数字经济战略性新兴产业的发展。
基于数据要素形成的科技成果既包括数据产品和服务，如订制的数据库等，也包括主要基于数据资源形成的算法等发明专利。一方面，我国科技成果转化总体状况尚不理想；另一方面，发展战略性新兴产业、构建现代产业体系，均对科技成果转化提出高要求。科技成果转化问题的本质是不同主体之间的利益分配。根据新制度经济学中的科斯定理，在产权明晰，交易成本为零的条件下，不同利益主体之间可以形成最有效的分歧解决方案。因此，科技成果转化的“中梗阻”问题，从本质上看就是转化过程各环节参与者对于相对贡献无法形成共识，而制度性交易成本过高，因此无法自发解决分歧。
因此，要促进基于数据要素的科技成果的转化，首先就需要明确成果形成过程中不同生产要素的贡献程度，明晰科技成果所有权问题。我国高校、科研机构的科技成果作为无形资产纳入国有资产管理范围，科技成果的收益必须上缴国库，而对科研人员的奖励支出又要挤占事业单位的工资总额，从事科技成果转化不仅没有效益，还面临国有资产流失的风险。这种权益的配置特别不利于基于数据要素形成的科技成果转化。基于数据要素形成的科技成果，如各种算法、数据库、集成系统等，其价值来源主要在于数据要素，以及科技工作者提供的知识、技术、管理和劳动。其中数据要素或者是通过科研人员的主动收集、或者是通过订制数据产品和服务而进入生产。而主动收集数据所耗费的劳动和资本已通过设备费、使用费和劳务支出的形式获得相应报酬，数据产品和服务通过数据使用费的方式支出，所以科研人员的贡献在剩余的价值形成中占据主要的地位，理应获得主要的收益份额。
第二，切实降低制度性交易成本，简化成果转化环节。现阶段我国科技成果处置不适应发展需求，高校、科研机构对成果使用、处置要严格履行审批手续。依据新制度经济学的理论，交易参与者过多，难以协调解决分歧，是科斯定理失败的一个重要原因。而且，过多的审批环节还产生了“行政负担”，给科研人员带来了高昂的学习成本、遵从成本和心理成本，大量占用他们的时间和精力，挫伤其进行科技成果转化的积极性。因此，我们需要在教育和科技领域进一步贯彻落实“放管服”改革精神，增强对于科研人员的信任度，大幅度简化审批环节，充分利用各种数据资源进行精细化、敏捷化监管，减少各种“一刀切”的举措，营造良好的科研成果转化环境。
第三，鼓励科研人员生产和积累数据要素。数据要素的价值也来自于其质量，高质量的数据要素对于后续高品质科研成果的形成具有重要作用。但是，现行的科研评价导向对于高质量的数据要素生产关注不够，对于其成果的价值认识不足。我国高校、科研机构形成了以承担政府科研项目数、发表论文数论“英雄”的评价导向。而很多学科项目和期刊论文强调“问题导向”，非常强调问题和方法的创新性，而对于实验复制、研究重现、多源数据融合的数据库建设、基于更新更高质量的数据进行的“传统问题”研究缺乏重视，甚至不认为这些研究具有创新性。数据要素是科研成果形成的基础，我们需要改进科研成果评价体系，建立调动科研人员收集数据资源的动力机制，促进数据要素这种公共品的生产、积累和分享。
最后，促进数据产生者、拥有者和使用者共同参与科研成果的生产，使科技成果适应市场需求。长期以来，政府管理部门主要依赖高校和科研院所的专家对科研项目进行立项评审，不可避免地导致“重理论研究和技术开发、轻成果转化和市场应用”的现象，其考核评审是单向的，造成很多科研项目结题验收时，各项技术指标都达标，但取得的技术成果只能“躺在实验室里睡大觉”。而数据要素实现价值的特性决定了其成果的形成必须是多方参与的，数据要素使用者与拥有者的联合生产形成满足使用者需要的订制数据库，可以说并不存在成果转化问题。而公众作为数据的产生者，参与科研成果的生产则可以减少科技成果可能导致的风险，约束成果的发展方向，如人工智能、人脸识别技术、用户画像等的应用场景等，避免产生“大数据杀熟”“二选一”等行为，从而使科技成果更好满足市场需求，提升人民群众的满足感和获得感。因此，可以借鉴生物和医学研究领域的伦理审查模式，设计相关的数据要素使用准则，要求在使用数据要素进行科研时预先提交使用计划进行审批。
【本文作者为中山大学中国公共管理研究中心研究员、政治与公共事务管理学院教授】
责编：臧雪文 / 蔡圣楠
声明：本文为《国家治理》周刊原创内容，任何单位或个人转载请回复国家治理周刊微信号获得授权，转载时务必标明来源及作者，否则追究法律责任。