• 收藏
  • 设为首页
  • 工作邮箱
微信公众号
分享
[字体: ]
分享到:
分享
数字经济背景下数据与其他生产要素的协同联动机制研究
来源:大数据部   时间:2020-03-12


内容摘要

数字经济时代,数据作为一种生产要素介入经济体系,并以可复制、可共享、无限增长、无限供给的禀赋等边际成本几乎为零的特点,成为联接创新、激活资金、培育人才、推动产业升级和经济增长的关键生产要素。在分析数据作为关键生产要素的驱动效应基础上,提出了数据要素与人才、资金、技术、产业等其他要素联动的三层次模型,构建了数据要素与其他生产要素协同联动的“五链协同”机制,即“围绕产业链、整合数据链、联接创新链、激活资金链、培育人才链”等环节,以多源异构数据融合为基础,动态联动人才链、资金链、创新链上的不同主体、不同要素。

 

一、引言

当今世界,随着互联网、物联网等新兴信息技术飞速发展,万物互联化、数据泛在化的大趋势日益明显,数据能力已成为国家、地区和机构的核心竞争力。2017年7月,习近平总书记在二十国集团领导人汉堡峰会上指出:“全球95%的工商业同互联网密切相关,世界经济正在向数字化转型。”[1]在工业化后期,随着工业化进程基本完成,经济社会运行开始进入要素链与价值链的动态组合为主要内生驱动力的全新阶段,以数字和智能科技为主导的第四次科技革命引发了资源配置方式的新变革。据统计,目前我国4G用户全球占比超过40%,光纤宽带用户全球占比超过60%,蜂窝物联网M2M连接数全球占比近45%。2019年下半年发布的《中国互联网发展状况统计报告》显示:“截至2019年6月,我国网民规模达8.54亿,手机网民达8.47亿人,互联网普及率超6成,互联网在经济社会发展中的重要作用更加凸显。”[2]我国庞大的网民群体使得数据资源产生的速度和规模在全球保持着明显优势,有望在2025年成为世界第一数据资源大国,数据在各行各业的融合应用为生产要素的重构变革创造了基础条件。

“推动互联网、大数据、人工智能和实体经济深度融合”“着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系”,是党的十九大为经济社会发展指明的方向,意味着数字经济的“红利”大规模产生的时代已经到来。十九届四中全会又进一步提出将数据增列为一种新的生产要素,建立由市场评价贡献、按贡献决定报酬的机制,这体现了中国特色社会主义基本经济制度可以最大限度适应当代市场实际来解放和发展社会生产力[3]的制度优势,是中国特色社会主义政治经济学的重要理论创新,标志着数据生产要素将从经济社会建设的初始投入阶段向经济产出与社会分配的更高阶段发展。世界各国均高度重视发挥数据要素在推动经济社会转型、联动其他生产要素方面的战略作用。如美国提出再工业化战略,以数据等高新技术为依托,利用财税等杠杆吸引社会资本等要素向新兴领域集聚,支持个人力量投资新兴产业,加大对民营企业科技创新的奖励,不断增强美国的创新活力,提高国家经济增长速度。德国工业4.0战略以“绿色的”智能化生产为目标,推动制造业领域的数字化改造升级,鼓励制造业企业积极应用新一代信息通信技术、物联网技术等,促进实体物理世界的人、工厂、产品等数字化显现;同时,通过大数据分析技术的精准识别,推进物理世界与数据、网络等虚拟世界的融合发展。英国工业2050战略提出,个性化产品的低成本批量生产将是未来制造业的主要趋势,应积极推动生产资源的重新分配,提倡信息通信技术、新材料等科技与产品和生产网络的融合,改变产品的设计、制造、提供甚至使用方式,提升生产价值链的数字化水平。欧盟在《欧洲数字议程》《产业数字化规划》中着重指出,将云计算、大数据技术嵌入到制造业生产服务流程之中,提升制造企业智能化水平。

本文基于十九大报告和十九届四中全会提出的理论命题,重点结合课题组前期赴福建、重庆、浙江、广东等地开展调研的案例研究,着重论述数据作为一种全新的生产要素,应如何实现其与人才、资金、技术等其他要素之间的联动协同创新。在理论层面,本文从基础层、支撑层、整合层三个层面归纳数据要素对其他要素的重构模型;在实践层面,本文分别从数字产业化、产业数字化以及全要素数字化等不同层面分析数据与人才、资金、技术、产业等要素间的联动机制。

二、数据要素与其他要素联动的三层次模型

生产要素是经济学理论的基本概念,是对经济活动投入资源的形象概括。从经济理论演进过程可以发现,生产要素经历过从二元论到五元论的不同发展阶段,是随经济发展的时代特征变化而不断变迁的,如在农业经济时代的核心生产要素是土地,工业经济时代的核心生产要素是技术和资本。当前,得益于边缘计算、云计算、大数据、人工智能等新一代信息技术的发展,基于物理、社会和网络三维空间互动的新科技革命,彻底改变了人与人、人与物、物与物之间如何联系以及互动的方式和规则,数字经济的时代来临,数据俨然成为生产要素。

从数据要素具有的典型特征来看,显然具有“使能性”(enabling technologies)和通用目的性(general purpose technologies,GPTs)。所谓使能性,是指一项数据及其相关技术要素投入使用后,可以使得既存技术能力得以改进和提升,为使用者架设“使然技术”(know-what)与“应然技术”(know-how)之间的缺口,使能性技术的使用者和尝试者节省了熟悉该技术机理的时间,可以很快适应该技术。[4]所谓通用目的技术,其概念是布雷斯纳汉(T. F. Bresnahan)等[5]提出的,他们认为具有通用目的特征的信息技术在任意时间内,在更多的部门中具有普遍使用潜力(potential for pervasive use),且这类信息技术的活力较为活跃。伴随着这类通用目的性技术的演化和进步,可在全行业乃至全社会引发更全面的生产率收益。基于此,数据及其相关技术可以说是当前作为典型的通用目的技术,伴随着其发展和演化已具有非常广阔的应用空间,且它的使用不受任何个人偏好的约束和引导,可以服从于所有行业和活动的需要。

目前,学界较少见到对数据要素和其他要素联动机制的专门分析,但部分研究者提出了一些相关理论观点。德朗(J. B. Delong)[6]认为,相比于历次产业技术革命而言,以大数据、人工智能为代表的新兴信息技术所强化和延伸的是人的智能,而不是一般工业技术所强化的人的机能和组织的技能。因此,数据要素并不能代替各个企业本身,但它是促进有效决策、提高劳动效率的重要手段[7]。刘玉奇、王强认为,数据生产要素的作用发挥需要形成“任意对象和信息的数字化”“任意信息的普遍连接”“海量信息的存储和计算”的一般性生产技术条件,因此,需要用数字世界链接物理世界和意识世界[8]。王欣[9]在归纳包括数据在内的整个信息技术对经济增长的作用时,认为其主要包括三个层面,即IT资本的深化、信息部门全要素生产率的提高和其他部门生产率的增长。上述研究对本文研究有一定启发,基于数据要素在不同层面对技术、人才等其他创新要素的协同联动机理,本文认为可以将其概括为基础层、支撑层和整合层三个基本层面(参见图1)。

1 数据联动其他生产要素的分层模型

 

(一)基础层:数字产业化

在基础层,数据要素并不是以一种独立的要素形态存在,而更多是嵌入在支撑实体经济运行的各种数字化基础设施之中,并通过数据中心、网络、终端等硬件基础平台,以及数据库、数据服务等软件基础平台,为人才、资本、创新等要素在实体经济中的融合提供基础环境,并且在一定程度上解决企业生产经营中的信息不充分或不对称问题,促进提升生产效率和经营效益,是信息产业的增加值。应当说,这是数据要素发挥要素联动作用的最底层层级,其产业附加值和辐射带动效应也最小。

20世纪80年代信息化起步时期,数据虽然没有作为一种显性的生产要素,但其同样存在于信息服务、知识服务等服务业态之中,但这一时期的信息化产业引导作用并不明显。甚至在20世纪80年代末,“信息技术的生产率悖论(productivity paradox)”被以Steven Roach等[10]为代表的一批经济学者普遍提及,认为20世纪90年代之前信息及其相关产业对国民经济各行业绩效改善没有达到预期目标。但这种质疑声并没有持续很久,到20世纪90年代中期已经基本销声匿迹了,其原因就是伴随着信息技术和信息产业的成熟发展,由数字产业化的发展带来了全要素数字化开始产生,两者间的关联模式逐步形成,并占据主导地位。

(二)支撑层:产业数字化

在产业数字化阶段,数据开始作为一种独立的生产要素全面融入实体经济运行之中,数字技术被实体产业应用和产出的结果,可带来原有产业的产出增加和效率提升。鲍恩(T. S. Bowen)[11]、韦斯特(J. P. West)等[12]认为,当数据融入商业程序而成为基本的管理工具时,它就能为企业提供优化的生产和管理流程,使管理知识得以分享以及将其在不同的时间和项目之间进行合理化转移,孕育协同增效和继续学习。作为产业数字化模式的最早倡导者,夏皮罗(C. Shapiro)和哈尔(V. Hal)[13]早在20世纪末就前瞻性地分析和论述了数据对市场结构和产业组织的影响,并提出了差异化产品、互补品定价、搜寻成本和转换成本、标准竞争、路径依赖和锁定效应,以及规模经济、范围经济和网络效应、沉淀资本增长和边际资本投资缩减等一系列理论观点。

在这一阶段,数据发挥着相比以前各个时期更加重要的作用,已经成为驱动产业转型升级和区域协调发展的战略资源,正取代劳动和资本成为领导生产的因子,为高效的生产和流通以及经济领域各方面的服务所依赖。在基础功能层,实体经济的竞争力主要来自大规模生产带来的成本降低和“补链成群”的产业配套规模效应,数据只是促进了成本的进一步降低和效率的进一步提高;而在支撑功能层,随着产业数字化的不断推进,现代产业经济将越来越强调产业链的动态形成和动态组团效应,其中的数据将成为联动不同组织、不同产业集群的核心要素,传统数据流、信息流依附于物资流的局面被颠覆,数据成为指挥实体经济运行的“大脑”和“中枢”,并充分发挥主导产业运行的决定性作用。数据作为一种通用目的技术,通过与国民经济各行各业的广泛结合,使得各领域生产率不断提升,并且促使第一、二、三产业之间业态深度融合,从而深刻改变传统产业的生产方式与组织形态,催生新的经济动能,形成新的产业模式与业态。

(三)整合层:全要素数字化

在支撑层,数据的作用主要体现在对实体经济的供给和需求两侧运行结构的数字化改造,实现对传统意义上商品市场的转型提升;而在整合层,数据的作用将进一步体现在对要素市场的转型提升,实现对人才、技术、资本、管理等各方面生产要素流转的全面数字化智能化改造,从而实现国民经济的全要素数字化转型。在这一过程中,数据化和智能化技术不仅是产业投资、人才培养、技术创新、管理变革的重要基础,还是加速不同要素链条在不同行业和不同地域快速实现成链、结盟、组团、入网、解构的重要基础,数据将成为庞大而精细的社会化生产系统顺利运行的黏合剂。[14]可以说,全要素数字化的过程,是重构原有产业的资源配置状态,实现互联网、大数据、人工智能、区块链等新技术与实体经济、科技创新、现代金融、人力资源协同发展、充分融合,推动形成智能化的数字经济体系的过程。

综上所述,在数字产业化层面,数据要素对于其他要素的作用主要内嵌于软硬件信息基础设施服务之中,其运行规律与信息化、信息产业的运行规律基本一致,对于这类联动作用的研究很多,在此不再赘述。下文重点从支撑层和整合层两个角度出发,对产业数字化下多要素联动的基本路径,以及基于“五链协同”的全要素数字化基本框架进行论述。

三、推进三大变革:以产业数字化实现多要素有机联动

目前,业界对数字经济的定义普遍认可二十国集团在杭州峰会上发布的《二十国集团数字经济发展与合作倡议》,该倡议提出:“数字经济是以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化重要推动力的一系列经济活动。”[15]产业数字化是数字经济的核心组成部分,通过资源和要素的在线化,平台主导的创新生态系统实现了数据的实时在线和共享,自动化、模式化、持续不间断地获取的数据成为驱动经济增长的“关键生产要素”。弗里曼和佩雷斯认为,“关键生产要素的变迁是推动经济增长的原生变量,具有生产成本的下降性、供给能力的无限性和运用前景的广泛性三个方面的基本特征”[16]。数据的产生虽需要较高的成本投入,但其复制和传播成本较低,边际成本几乎为零,且连接即可产生数据,广泛应用和数据累积的作用相互加强,是典型的“关键生产要素”。历史上,每一次科技产业革命,多会带来核心技术的变化,引起新的产业群体产生,进而导致该历史时期关键生产要素的变化。当前,在数字经济的大趋势下,“关键生产要素将作为廉价投入要素融入经济和社会生活的方方面面,成为特定阶段经济增长和发展的引擎”[17]。

在产业数字化模式下,数据可复制、可共享、无限增长和供给的禀赋,克服了传统生产要素的资源总量限制,形成了规模报酬递增的经济发展模式,使持续增长和永续发展成为可能[18]。当前,我国已进入经济社会高质量发展的新时代,以数字经济为代表的“新经济”无疑是推动经济高质量发展不可或缺的重要力量[19],其中的关键就在于数据生产要素对实体经济特别是传统制造业的信息化支撑与改造。依托互联网技术的不断创新,打造数字经济与实体经济的深度融合,是提升实体经济的全要素生产率,重塑业态结构,培育新市场、新模式和产业新增长点的全方位变革。近年来,我国数字经济的发展速度基本保持20%以上的年增幅,已成为排在美国之后的世界第二大数字经济体,多数省市的数字经济占本省市GDP的比重亦是逐年增加。本文结合对粤、闽、浙、渝四地的调研发现,我国各地政府高度重视数字经济发展,把数字经济作为推进高质量发展的全局之举和“牛鼻子”工程,在以信息化培育新动能、以新动能推动新发展方面探索出了很多成功经验。

(一)推进质量变革,以数字化提升实体经济供给体系质量

第一,围绕质量强国建设,在供给端构建以物联网、大数据、人工智能等新技术为依托的精细管理和质量控制体系,推动传统产业转型升级。以重庆市为例,2017年,该市投入财政资金3000万元支持22家制造业企业开展智能化改造,实现改造企业的产品不良品率平均降低21.8%。重庆玛格家居公司借助此次智能化改造工程,实现了家具定制智能化生产,包括自动对每件订单进行审核、拆单、排产,按批次组织的柔性生产模式等,不但实现了产品零库存管理,还大大提升了产品全流程质量控制成效。

第二,强化事中事后监管,构建以大数据为主线的跨部门、跨行业、跨环节产品质量事中事后监管体系,推动社会消费向安全、绿色和中高端消费迈进。以浙江省为例,2017年,该省质监稽查总队和阿里等电商平台企业合作,先后开展了两次电商产品质量共治行动,运用电商平台内部抽检发现的问题产品数据,从源头对互联网电商产品质量进行整治,取得较好成效。

第三,大力推进以社会信用大数据为基础的质量联合奖惩机制,以联合奖惩案例、联合奖惩备忘录等方式推进质量信用信息的共享联通。如2019年12月起,广东深圳龙岗区多个部门联手采取系列举措,对纳税信用A级纳税人可获联合激励。2016年11月,原国家质检总局会同国家发展改革委等26个部门签署了《关于对严重质量违法失信行为当事人实施联合惩戒合作备忘录》,提出31项联合惩戒措施,共建质量信用体系,目前已有6000余家企业发布了《企业质量信用报告》,自觉接受社会监督。

(二)推进效率变革,以数字化促进实体经济要素高效流通

第一,推动产业体系逐步向先进制造、柔性生产、精准服务、协同创新的方向转型升级,不断提升全要素生产率和行业附加值水平。近年来,重庆市在应用互联网、大数据、人工智能等新技术重构企业价值链方面走在前列。目前,该市已有200多家企业实施智能化改造,每年增长20%以上。以重庆中冶赛迪为例,其“赛迪云”产品提供云化的ERP、MES、CAE分析等服务,将制造业沟通、分享、协作汇聚一处,连接各种工具、系统和服务,帮助企业将各领域、各行业的优势资源与能力集聚共享。据统计,重庆目前智能化改造项目完工后的企业,生产效率平均提高32.7%,产品研发周期平均缩短12.5%,能源利用率平均提高8.4%。

第二,以新技术助推“放管服”改革,优化营商环境,打破要素市场流通行业和地域壁垒,充分激发人才、资本、创新等要素活力,提高全要素生产率。如广东省在微信平台推出民生服务小程序“粤省事”,民众只需通过微信端入口一键实名登录,即可进行高频事项全网通办。重庆两江新区深化拓展网审平台功能,推进网上全程办理,建立“不见面”审批目录清单,营业执照实现“无纸全程电子化”办理,企业注册登记审批时限由法定的20个工作日提速90%。江苏工业园区搭建了“多规合一”管理平台,实现各类城市公共信息的统一汇集、实时更新和协同共享,将一般工业项目从立项到施工许可的承诺时限由法定225个工作日压缩到33个工作日。

第三,围绕产业全球化布局、跨国贸易、人才流动等构建全球化数据情报网络,实现物流、资金流、数据流融合汇聚,提升对外开放和对接全球贸易体系效率。以上海海关为例,2017年启动跨境贸易管理大数据平台建设,对合同、订舱、装船、发运、抵港、理货等企业数据,船舶、航线、靠港计划、订舱、货物流向等物流数据,以及海关的通关状态信息进行整合,并开展企业真实贸易数据与企业申报数据的实时比对印证,利用数字化和跨境信息流促进贸易和物流的安全透明,最大限度减少人工干预,同时对捕捉到的风险货物实施精准打击和有效监管。

(三)推进动力变革,以数字化加速实体经济新旧动能转换

第一,数字经济与实体经济加速融合,催生了一批以消费升级、服务升级、产业升级为特征的产业数字化新业态、新模式。以青岛红领集团为例,其从2003年开始探索以信息技术促进企业升级,建立了顾客对工厂(C2M)的商业模式,减少了中间环节所占30%左右的成本,转型为一个基于互联网平台的智能制造企业。再如杭州蚂蚁金服集团,其开创的“征信数据服务模式”,通过搭建征信数据共享的云计算平台,通过大数据分析技术对小微企业和个人的相关数据进行关联分析,提供精准化的服务匹配,为消费服务管理升级提供了强大助力。

第二,数字经济与精准扶贫、乡村振兴战略紧密结合,成为农村一、二、三产业融合渗透交叉重组的“黏合剂”和打赢脱贫攻坚战的“催化剂”。利用现代信息技术,推进农村信息基础设施建设,加强农商互联,完善乡村产业体系。一方面,可从田间地头开始,通过互联网技术对农作物实施灌溉,输出质量合格的产品,如在棉花的种植过程中,新疆生产建设兵团农业部门应用物联网技术实时监测棉花的生产状况,大幅提升了棉花质量。另一方面,可加强“互联网+”、农村电子商务等融合应用,拓宽农业产品销售渠道,如2017年,福建省漳州市探索性应用“互联网+”“生态+”打造农村电商扶贫生态圈模式,帮助贫困农户7664人。

四、推进“五链协同”:实现经济全要素数字化的基本路径

任何生产要素都不是独自存在的,也不是独立发挥作用的,需要与其他要素协同联动共同支撑价值创造。如果说数字产业化和产业数字化是数据要素发挥国民经济“加速器”作用的第一和第二层级,那么全要素数字化就是数据要素发挥作用的第三层级,也是支撑未来经济社会运行最重要的制度安排。一方面,数据的积累可以支撑技术创新,推动产品和产业升级;另一方面,技术进步可以降低数据要素成本,而技术的背后是人才。同时,介入资金的引导有利于更好地推动数据要素在多领域内流动,进而形成并扩大乘数效应,在多层次、多维度创造出更多价值。

十九大报告提出“构建实体经济、科技创新、现代金融、人力资源协同发展的产业体系”[20],其本质是要实现产业链、创新链、资金链和人才链的协同发展。而上述四个链条的有机联动、有效呼应的前提,则有赖于以互联网为基础、以大数据为主线、以人工智能为驱动的“数据链”穿插联动,从而真正引领我国经济社会发展实现全要素数字化转型。基于此,本文结合数据要素与其他要素联动的三层次模型,构建了围绕产业链,以数据链重构创新链、资金链、人才链的“五链协同”理论。

(一)五链协同的技术经济本质

从创新经济和技术经济学的角度看,“五链协同”的本质是实现数字经济时代多价值链的有机联动和动态组合管理。在新一代信息技术的推动下,未来的经济社会运行将进一步网络化,从而打破现有的社会分工模式,使得新的产业运作模式呈现出功能复合化、角色多样化以及服务全程化的特点。原来的实体经济活动在明确的社会分工框架下进行,而未来数字经济时代的分工将在很大程度上被破坏或重构,以往经济功能相对明确和单一的各种制度设置,如政府、科研机构、企事业单位等都必须相互交叉、相互渗透,并兼有其他社会经济主体的功能,从而出现了打破社会明确分工的混同式、一体化发展特点。网络融合的不断发生,最终通过人类信息行为的融合化趋势,反映到企业运作模式上,将使得自现代信息技术出现以来就一次次被打破和模糊化的企业界限进一步模糊,并将这种边界的模糊化趋势进一步推进到产业与产业之间。

在这种情况下,现代经济活动中的人才、技术、资本、管理等创新要素的价值链联动,难以完全依托单体性项目来实现,而必须依靠高度数字化、智能化的信息环境,实现以数据为纽带的多要素链条联动。另一方面,以往传统的单体型的或离散型的项目实施与管理模型,将不再适合未来的数字经济需求,以数据为内核,实现协同创新、协同育人、协同创投、协同发展的综合型产业创新中心将成为未来数字经济活动的一个必不可少的中枢。因此,在未来的产业管理制度中,传统的线性供应链管理将让位于动态的、以数据驱动的价值网管理体系。

质言之,“五链协同”实现的基本机理,可以概括为三个基本层面(参见图2):

2 “五链协同”的三层融合机理示意

 

一是数据融合,即围绕产业链不同环节(基础研究、原型设计、产业开发、市场拓展)、不同主体(管理部门、制造部门、研发部门、高校院所、投资机构等)、不同客体(产品、资金、技术、人才等)的行为信息,构建描述产业运行基本态势的全息数据体系。如国家发改委大数据中心从宏观经济监测预测的实际需求出发,联合数联铭品(BBD)等企业共同开发了面向宏观经济领域的动态本体(dynamic ontology)系统,目前已经实现了以企业统一社会信用代码为主线,对全国3000万家企业和5000万家个体工商户的工商注册、就业招聘、招投标、投融资、专利软著、社会信用、行政审批、法院判决等78大类、1828个指标项进行统一关联。

二是业务融合,即在数据融合的基础上,通过精准投顾、定制开发、定向育人等方式,实现技术、资本、人才等要素与实体经济精准对接。

三是价值融合,在数据融合和业务融合的基础上,企业创新活动呈现模块化和组件化趋势,将使得企业经营边界不断模糊化,导致企业间的价值链之间相互交叉、相互缠绕,形成有机的价值网络体系。关于这种网状的价值链整合与管理,国内外很多学者均曾有过论述。除斯莱沃斯基(A. J. Slywotzky)[21]等提出的“价值网”概念之外,安迪•穆荷兰(A. Mulholland)还提出了企业“网状合作”(mesh collaboration)的概念[22]。范李(R. van Lee)等[23]则将这样一种企业组织运行的创新模式归结为“群”(megacommunities)结构,并做出了更加系统的论述。

(二)实现五链协同的基本路径

基于上述分析,提出数字经济时代实现全要素数字化的“五链协同”基本框架,其基本原理可概括为五句话,即“围绕产业链、整合数据链、联接创新链、激活资金链、培育人才链”,即围绕产业链的不同环节,以多源异构数据融合为基础,动态联动人才链、资金链、创新链上的不同主体、不同要素(参见图3)。

3 实现全要素数字化的“五链协同”模型

 

⒈围绕产业链,以数据链联接创新链

第一,不断深化校企合作,形成产学研协同机制。高等院校和科研院所是推动创新的策源地,是互联网、大数据、人工智能等领域高速发展的重要支撑。形成以数据链为基础的产学研协同机制,一方面要积极引导校企合作,通过数据资源共享、利益成果共赢等方式促进应用研究人员参与合作的积极性和持续性;另一方面要充分发挥中介机构对创新成果转化的放大作用,完善技术创新鼓励机制和专利产权保障体系,鼓励技术转移孵化、专利交易等,进一步扩大技术服务能力,为研究创新成果平稳落地提供坚实保障。

第二,不断促进企业技术创新,搭建创新孵化平台。随着互联网和大数据技术逐步渗透到实体经济,各行各业都已具有生产数据和汇集数据的能力,使数据开发利用成为可能。现阶段需要扭转实体经济企业重资本积累、轻产品创新的现状,积极发挥企业创新主导角色作用,成立实体研发中心,以企业内外部数据资源为基础,以市场需求为动力,以企业发展和实体经济增长为目标,为新技术、新方法的孵化与发展提供创新土壤。

第三,培育壮大规模体量大、带动力强的龙头企业,推进创新链整合战略。在行业发展中,龙头企业是行业关键资源的组织者和整合者,具有主导和协调的关键作用。依托龙头企业在生产规模和数据积累等方面的优势,由政府牵头实施创新链整合战略,成立互联网、大数据、人工智能和实体经济深度融合协同创新中心,最大程度集聚创新力量,健全数据资源整合和开发利用机制,确保数据汇集更加准确及时、数据挖掘更加精准透彻,最终实现产业资源的有效整合利用,形成多企业、多领域、多维度的创新链生态圈。

⒉围绕产业链,以数据链激活资金链

第一,优化金融政策,发挥政府引导作用。政府可通过财政补贴或税费减免等方式,制定有针对性的政策性贷款或创新项目支持资金,支持实体经济企业开展信息化建设和大数据分析业务;通过设立专项科研基金支持前瞻技术研发,推动大数据和人工智能在产业中的应用;通过制定重点产业数字化提升计划,搭建产业提升平台,推介、引进关键技术、关键机构、关键项目,促进数据与产业相关资源的梯度配置。

第二,设立产业基金,构建多元投资渠道。通过产业并购基金、知识产权基金和协同创新基金等方式,构建多元化的投融资渠道,运用好资金的刺激引导作用,创新融资形式,把握好具有创新需求的民间中小企业的多元需求,促成创新成果转化与产业化发展。同时,积极调动社会风投资金,围绕资金链条布局,促成一批具有较强研发能力的社会化大数据研究机构,直接向特定行业企业提供数据支持与信息服务。

第三,鼓励数据交易,释放企业数据红利。吸引实体经济企业投资,成立国家级产业大数据交易中心,通过股份制方式开展运营,主要承担促进商业数据流通交易、公共数据与商业数据融合应用等职能。数据交易中心作为产业枢纽工程,能够有效促进多源数据流通共享,助力企业发展与经济增长。

⒊围绕产业链,以数据链培育人才链

第一,做好人才发展体制改革创新,下好人才“先手棋”。推动互联网、大数据、人工智能和实体经济深度融合离不开人才队伍建设,人才既是促进产业发展的最大动力,也是制约产业发展的最大瓶颈。一方面要结合高技术发展特征,加快人力资源体制改革,加速形成具有比较优势的人才队伍培养体系,促使数据链各要素活力竞相迸发。另一方面要依托重点产业的数据集群优势,建设国家级大数据和实体经济深度融合实训平台,构筑数据链应用“蓄水池”,备足产业链发展“发动机”。

第二,创建“国家数据大学”,打造人才“新磁场”。以“产业链-数据链-人才链”有机联动为目标,以全球视野创建国际一流的“国家数据大学”,将互联网、大数据、人工智能和实体经济深度融合定义为国家级重点学科,加强基础理论研究水平,加大中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域技术研发力度,为科研人才创造公平、公正、有利于科技创新的生态环境,吸引天下英才纷至沓来。

第三,健全服务机制,激发人才创造力。利用数据链寻找并发现制约人才发挥作用的现实矛盾和突出问题,将健全服务机制作为切入点和着力点,为各层次人才提供“代理式”“一站式”“全天候”服务,纵深推进企业股权和分红激励等机制措施,让人才为互联网、大数据、人工智能和实体经济深度融合注入新动能,最大限度地激发并释放人才的创新动力和创造活力,不断促进产业链、数据链和人才链同频共振。

五、小结

本文从十九大报告提出构建现代产业体系和十九届四中全会提出构建数据要素市场体系的基本理论出发,结合地方调研和理论探讨,从产业经济学、技术创新经济学的角度,将数据要素与其他产业要素的协同联动机制概括为数字产业化、产业数字化和全要素数据化三个层面,分别对不同层面的联动机制和实现路径进行了阐述,并提出相应对策建议。希望本研究能对产业部门和学术界开展相关工作提供有益借鉴。

 

(作者:国家信息中心大数据发展部 王建冬、童楠楠  刊载于《电子政务》2020年第3期)