2025政府工作报告提到，激发数字经济创新活力。持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持智能机器人等新一代智能终端以及智能制造装备。加快工业互联网创新发展，优化全国算力资源布局，打造具有国际竞争力的数字产业集群。加快完善数据基础制度，深化数据资源开发利用，促进和规范数据跨境流动。

 

　　科技产业的“出圈”有几个前提条件：一是民营科技力量的崛起，二是青年科技人才的集聚，三是民间风险资本的积累。纵观全国，最具备实现科技从0到1，实现产业化的地方，深圳和杭州相对突出。首先，需要民间创新要素配置力极强。每个成功的企业背后，都离不开大量的风险投资和产业投资支持，其中高风险科技创新也更依赖私有资本。其次，需要科技创新动力足。民营企业具有较强的创新活力，但民营企业人才和资源配置是远远比不上国企的，导致民企国企在创新方面存在差异。随着过去40多年的发展，民企的创新能力积累起来了，就会持续涌现出一批关键核心技术创新的主力军。对于民营企业创新发展要给予充分信任，因为创新是个长期积淀的过程。

 

　　拥有最多数据并不意味能获取经济价值，除了外部环境外，还有数字科技创新的内在规律，那就是数据产业生态系统的作用。数据是原材料，本身并不一定具有价值，数据要创造价值，需要完善的数据产业生态系统支撑。有了数据产业生态系统，就能以生态化合作来解决数据要素化、数据资本化、数据价值化等问题。如何认识数据产业生态系统？“数据基础观”框架聚焦于数据要素的价值实现、数据企业的优势创造展开分析。通过数据基础观框架来揭示目前实践中存在的陷阱。如果学理逻辑不能打通陷阱背后的基本逻辑，就会让企业、产业和政府落入发展困局。有几个陷阱值得注意，分别是数据要素化陷阱、数据交易陷阱、数据资产化陷阱、数据产业化陷阱。分析这些陷阱的本质和成因，以更好地解决这些问题。当前，全球只有中国提出“数据是生产要素”，所以，我们有责任把可能出现的陷阱看清楚。

 

　　潜在的数据要素化陷阱。当我们讨论数据时，需要认识到原始数据本身并不直接创造价值，而是在特定的人或企业手中才能发挥出巨大的潜力。数据能够转化为生产要素，条件在于数据的稀缺性、加工能力的稀缺性、数据应用能力的稀缺性。所以在探讨DeepSeek这类企业时，需要关注为什么这些企业能够创造稀缺性。同时，也要看到数据在不同企业和行业中的差异性，企业要因企制宜地发展数据要素化。

 

　　识别数据交易过程的陷阱。目前为止，我国数据交易市场的现状惨淡，尽管我国数据资源体量庞大，但2022年数据交易市场规模为876.8亿元，场内交易占比仅为2%（根据《2023中国数据交易市场研究分析报告》）。原因在于能市场化交易的数据非常有限，只有将原始数据加工为数据元件、数据产品和数据应用后，在场内开展数据交易才有可能。这一过程需要根据不同的数据及其特点，去设计数据市场标的、产品和服务。

 

　　警惕数据资产化陷阱。很多人认为，数据成为生产要素后，就应该出现数据交易市场和数据产业。事实上，数据要素要资产化，离不开数字技术、应用市场、互补要素的交互作用，数据要素要创造价值，一旦离开创新性互补性企业，数据就成为“垃圾”。当入表后公信力存在缺陷，依靠信息不对称完成数据交易，就有可能出现商业欺骗。需要从数据基础设施、数实融合角度去研判。离开应用场景和实体经济需求，是难以揭示DeepSeek这类企业的真实价值的。

 

　　分析数据产业化陷阱。在数据要素和数字技术叠加作用下，今日之各类产业结构发生深刻变化，从过去的供应链、产业链向一体化生态融合的方向发展。这种变化将催生万亿规模的市值或产值。这一过程中会产生潜在数据产业化陷阱，因为在产业边界、企业边界和客户边界扩张边际成本趋近于0的情况下，企业会高度分化。对此，需要深入剖析不同产业内的交易关系、上下游关系和产业链关系等，以更好地适应数字经济发展需求。

 

　　数字技术的发展给社会带来了机会，也带来挑战，数字技术的快速发展并不会危及人的生存和发展，而确实加速了社会变革。因此，管理的目标在于减缓这种变革的速度，保护人类的利益和福祉。

 

　　　《社会科学报》总第1948期1版

如需转载，请注明出处！否则保留追究的权利