中国是全球首个将数据作为新型生产要素的国家，也是首个推动企业数据资产入表的国家。这些前沿实践既为构建数字经济理论提供了丰富的创新场景，也对数字经济理论创新提出了更高要求。而新质生产力概念的提出，实现了对数据生产要素、数据资产入表等数字经济实践的理论创新，将推动中国自主的数字经济知识体系的建构与发展。

　　数据要素

　　助力高质量数字化转型

　　厘清数据要素与新质生产力的关系，需要辨明数据要素影响产出的实现机制。数据或数据资源本身不会成为要素，纯粹的数据不影响企业产出，只有当数据与劳动要素结合时，才会对企业的产出产生影响。有关数据作用机制的研究表明，组织变革是数据影响企业产出的主要路径。这意味着，如果企业没有进行相应的组织变革，仅仅采集大数据难以显著提升其总产出。因此，尽管生活中数字技术似乎无处不在，但往往并未带来显著的总产出提升，全要素生产率甚至不升反降，一个重要原因可能是企业或组织没有进行同步的相关变革。

　　这可以较好地解释为什么生活中各处都在采集数据，如旅游景点、餐饮酒店、交通运输等场所采集数据无处不在，但消费者并未感受到效率的大幅提升，甚至造成大面积拥挤，因为与数据要素发挥作用而适配的组织变革并不容易实现。已有研究发现，数字基础设施的完善有助于数据要素价值释放，但如果组织或部门不进行相应变革，数字基础设施的投入对经济总产出的贡献依然不大。同时，核心企业通过数字化转型提高效率后，其劳动力往往流向其他相关企业，但其他企业并不具备核心企业那样的投入产出效率。这样，在某个阶段，全社会总的投入产出效率就可能不升反降。

　　数据要素助力企业高质量数字化转型，是一个值得重视和研究的问题。企业数字化转型是指从信息化转为数字化而引发的一系列适应性管理变革过程或状态，是企业多维度、多层次的综合性管理变革活动。区别于一般的企业数字化转型，企业高质量数字化转型侧重于通过高效配置数据要素，在从信息化转为数字化的过程中提高全要素生产率。因此，高质量数字化转型与一般数字化转型区别在于，前者强调数据作为生产要素而非资源，转型着力点在于提高全要素生产率。目前，我国企业数字化转型总体处于低水平、低质量阶段，企业实现高质量数字化转型面临诸多挑战。如果企业数字化转型投资无法形成高质量的数据要素，通过数据要素为企业或产业转型升级赋能将更加困难。

　　在企业数字化转型中，数据要素在重构生产函数时，一是作为新要素的投入，二是形成新旧要素的新组合。在要素新组合里，数据要素与其他要素有一个显著区别，就是创新性。数据并不像传统的土地或资本要素那样遵循既定的路线和规模，如土地的数量相对固定，难以在既有的自然属性上再创新，开垦荒地、工业用地变为商业用地等均不属于自然属性再创新，但数据却具有创新性。数据要素与其他要素新组合的价值并不是二者之和，而是可能产生全新的、未知的价值，这是一个随机且影响深远的过程。这种变化使之前有关生产函数和总产出的特征与规律变得越来越模糊。为此，需要从新的生产力视角，重新审视数据要素的新投入与既有要素的新组合带来的本质变化。通过企业调研发现，这种本质变化主要体现在两方面：一是数据驱动的一系列管理决策变革，二是企业与用户互动的适应性创新变革，由此带来更高的产出效率。这是微观层面新质生产力的具体体现。

　　数据资产管理

　　旨在实现最优结构

　　数据资产指合法拥有或控制的、能进行计量的、为组织带来经济和社会价值的数据资源。数据要素未必会转变为数据资产，但数据资产源自数据要素。因此，数据要素构成数据资产的基础。数据要素如何转变为数据资产，即数据资产化过程，在相当程度上决定了数据资产的质量。因此，数据要素的质量直接影响数据资产质量，但数据资产化过程也会对数据资产质量产生直接影响。通过数据资产的价值实现，数据从可能生产要素转变为现实生产要素，并最终形成影响企业产出效率的新的生产力。对此过程实施的管理，构成数据资产管理。

　　企业数据资产管理，是指企业通过数据要素化过程和数据资产的业务活动，合理安排数据资产结构的活动。企业数据资产结构优化涉及数据流动性与安全性、使用价值与交易价值、数据资产与既有资产配置等方面，旨在于既定的数据资产规模下实现结构最优化。因此，数据资产结构优化带来的社会生产率提升，也是新质生产力的具体体现。

　　企业数据资产管理主要对数据资产的使用价值和交易价值进行管理。有研究表明，数据要素具有即时价值和潜在价值。而数据资产的使用价值和交易价值均具有即时价值和潜在价值特征，可按照2×2的框架进行资产管理，即{即时使用价值，即时交易价值}{潜在使用价值，潜在交易价值}{即时使用价值，潜在交易价值}{潜在使用价值，即时交易价值}四种模式。通常来看，区别于以往资产管理模式，数据资产管理中的最高价值可能是即时价值领域，但通常难以计入国民生产总值或生产效率中，进而在国民财富统计中度量。因此，需要更全面、准确统计或估算数据经济价值的总产出，以更好地刻画新质生产力及其影响。 

　　数据资产配置

　　加速新质生产力涌现

　　物联网、大数据、人工智能、区块链等数字技术，使劳动者、劳动对象和劳动工具似乎都处于数字化进程中。随着大数据知识的积累、算力的提升，大模型等人工智能可靠性、泛化性的提升，基于隐私计算的数据资产配置对新质生产力的涌现和发展具有重要意义。

　　从技术实现的角度看，隐私计算等数字技术可以推动社会或企业实现数据的“可用不可见”。例如，假设A企业与B企业都拥有各自的隐私数据，但都不想将各自的隐私数据提交给对方且如果能将两者的数据合并计算，就会产生C企业愿意支付的数据。这时，采用隐私计算技术处理这些数据，A企业和B企业都看不到对方的数据，但通过数据“可用不可见”而形成的数字产品可以售卖给C企业，从而提高社会总福利。这类交易将在全球产业链中产生巨大价值，但目前仍难以准确计算。显然，智能化水平和能力直接影响数据要素转变为数据资产的能力，也影响数据资产价值的实现与转化效率，还与人工智能水平和能力、数据资产配置效率，乃至社会资源配置效率密切相关，更高的智能化意味着社会、产业、部门或企业拥有更高的资源配置效率。因此，智能化水平和能力是新质生产力的集中体现。

　　随着数字经济日益智能化，产业数字化使数据资产积累对产业结构升级的影响越来越大，形成产业结构的数字跃迁。类似量子跳跃中粒子在有限概率下发生穿隧效应而穿透不可渗透的障碍物那样，产业数字化和智能化积累到一定程度后，就会使传统产业或企业在产品工艺、运营系统、商业模式等多个层面实现更高的全要素生产率，形成以往难以突破的创新跃迁，而这种数字跃迁集中体现了新质生产力的创新性。

　　（作者系中国信息经济学会理事长、中山大学管理学院教授）