| 157 | 0 | 356 |
| 下载次数 | 被引频次 | 阅读次数 |
智能经济新形态下，数据要素价值化成为调节生产关系以适应以人工智能技术为核心的新质生产力发展的核心战略。数据要素通过重塑信息空间拓扑结构产生价值，通过将人类智力劳动物化实现价值显化，经制度确认进入市场流通，最终在时、空、自演化三重乘数效应下充分释放价值。智能经济中的数据飞轮效应对制度、市场、技术与场景四方面机制提出新的要求，需通过五条路径协同推进完善：在基础制度上细化产权规则、落地动态分配机制、制定穿透式协同化监管；场景牵引方面促进场景匹配并提升数据供给质量；市场建设上围绕大模型平台企业重塑多元主体协同共生生态；开发公共数据引领高质量数据供给；完善数据基础设施，建设全国一体化算力网络，满足技术迭代和地缘政治环境新要求。
Abstract：In the new form of the intelligent economy, the valorization of data factors has become a core strategy for adjusting production relations to adapt to the development of new quality productive forces driven by artificial intelligence. Data factors generate value by reshaping the topological structure of the information space, realize value through the objectification of human intellectual labor, enter market circulation upon institutional confirmation, and ultimately achieve full value realization under the triple multiplier effects of time, space, and self-evolution. The data flywheel effect in the intelligent economy imposes new requirements on four key mechanisms: institutions, markets, technology, and application scenarios. To address these requirements, five coordinated pathways should be pursued. At the institutional level, it is necessary to refine rules for property rights, implement dynamic distribution mechanisms, and establish penetrative and coordinated supervision. In terms of scenario-driven development, efforts should be made to promote scenario matching and improve the quality of data supply.Regarding market construction, a multi-actor symbiotic ecosystem should be reshaped around large-model platform enterprises.Public data should be developed to lead the supply of high-quality data. Finally, data infrastructure should be improved by building a nationally integrated computing network to meet the new demands of technological iteration and the geopolitical environment.
[1]Brynjolfsson E,Rock D,Syverson C.The Productivity J-Curve:How Intangibles Complement General Purpose Technologies [J].American Economic Journal:Macroeconomics,2021,13(1):333-372.
[2]中华人民共和国国民经济和社会发展第十五个五年规划纲要[N].人民日报，2026-03-14(1).
[3]李强.政府工作报告[N].人民日报，2026-03-14(1).
[4]李海舰，赵丽.数据价值理论研究[J].财贸经济，2023(6):5-20.
[5]秦浩朗，肖延高，汤艽东，等.数据价值的基本问题：文献回顾与研究展望[J].科研管理，2026(1):11-24.
[6]Holmström B.Moral Hazard and Observability [J].The Bell Journal of Economics,1979,10(1):74-91.
[7]Varian H R.Computer Mediated Transactions [J].The American Economic Review,2010,100(2):1-10.
[8]Agrawal A,Gans J S,Goldfarb A.Exploring the Impact of Artificial Intelligence:Prediction versus Judgment [J].Information Economics and Policy,2019,47(6):1-6.
[9]Bergemann D,Bonatti A,Smolin A.Menu Pricing of Large Language Models [R].London:Centre for Economic Policy Research,2006.
[10]伊达尔戈.增长的本质：秩序的进化，从原子到经济[M].浮木译社，译.北京：中信出版社，2015:29-55.
[11]Arthur W B.Complexity and the Economy [J].Science,1999,284(5411):107-109.
[12]司聪，任保平.智能经济新形态下科技创新与产业创新深度融合的策略研究[J].云南民族大学学报(哲学社会科学版),2026(1):109-118.
[13]任保平.人工智能经济学教程[M].北京：经济科学出版社，2025:36.
[14]马克思，恩格斯.马克思恩格斯文集：第8卷[M].中共中央马克思恩格斯列宁斯大林著作编译局，译.北京：人民出版社，2009:198.
[15]许中缘，郑煌杰.数据要素价值化驱动新质生产力：何以可能与何以可行[J].宁夏社会科学，2025(3):116-125.
[16]张东东.数据要素市场化背景下政府数据资产估值定价——模型构建与实证检验[J].投资研究，2025(8):17-38.
[17]许中缘，郑煌杰.新质生产力视域下数据要素价值化的体系配置[J].西安交通大学学报(社会科学版),2025(5):97-107.
[18]Ghorbani A,Zou J.Data Shapley:Equitable Valuation of Data for Machine Learning [C] //Chauduri K,Salakhutdinov R.Proceedings of the 36th International Conference on Machine Learning.New York:Curran Associates,Inc,2019:2242-2251.
[19]Mohan S K,Bharathy G,Jalan A.Enterprise Data Valuation-A Targeted Literature Review [J].Journal of Economic Surveys,2026,40(1):73-92.
[20]许晶晶.数据资产化实践推动数据要素价值释放[J].中国金融，2025(18):57-59.
[21]于小丽，姜奇平.数据资本资产定价模型：基于两部收费的方法[J].财经问题研究，2024(4):16-32.
[22]Wei J,Tay Y,Bommasani R,et al.Emergent Abilities of Large Language Models [J].ArXiv Preprint ArXiv:2206.07682,2022:1-30.
[23]杨东，高一乘.赋能新质生产力发展：企业数据资产“确权”的三重维度[J].商业经济与管理，2024(4):83-93.
[24]许丹荔，王炳涵.“十五五”时期打造智能经济新形态的驱动因素、核心内涵与实践方略[J/OL].统一战线学研究，2026-03-17.https://link.cnki.net/urlid/50.1215.C.20260317.1520.002.
[25]王苔荔，王瑜.公共数据证券化的权属治理及其制度创新[J].武汉金融，2025(8):37-48.
[26]彭森.要素市场化改革[M].北京：国家行政学院出版社，2024:256-304.
[27]杨东，白银.数据要素教程[M].北京：人民出版社，2024:33-85.
[28]饶传平，陶斯琦.论数据产权的相互性——从科斯定理再出发[J].江西财经大学学报，2025(5):111-121.
[29]吴国栋，王婧媛，李景霞，等.区块链隐私保护研究进展[J/OL].计算机科学与探索，2026-01-30.https://link.cnki.net/urlid/11.5602.TP.20260129.1614.004.
[30]史凯.数据要素价值化蓝图：全景认知与路径[M].北京：机械工业出版社，2025.
[31]冯钰瑶，张宏云，王鹏飞，等.推动全生命周期数据治理的关键技术选择与对策[J].中国科学院院刊，2025(10):1696-1708.
[32]任保平，张公娇.场景创新驱动智能经济新形态发展的机制与路径[J].学术交流，2026(3):5-18.
[33]贺亚峰.智能计算时代的数据权利审思及二元重塑——基于数据价值实现路径演变的考察[J/OL].北京理工大学学报(社会科学版),2026-05-14.https://doi.org/10.15918/j.jbitss1009-3370.2025.2277.
[34]王少辉，张贝尔.数据资产融资现状、困境与突破路径研究[J].西南金融，2025(11):18-28.
[35]孟疏桐，周铖鑫，朱岩，等.一种智能法律合约驱动的联邦学习数据授权和执行方法[J].工程科学学报，2026(2):331-345.
[36]史丹，何辉，薛钦源.数据分类分级制度与数据要素市场化：作用机制、现实困境和推进策略[J].福建论坛(人文社会科学版),2024(4):58-76.
[37]欧阳日辉，徐远彬.“十五五”时期数据要素市场化配置改革的理论探讨与策略措施[J].北京工商大学学报(社会科学版),2025(5):1-11.
[38]刘桂锋，吴雅琪，韩牧哲，等.面向数据要素价值化的数据资源应用场景创新研究[J].情报理论与实践，2025(1):53-62.
[39]于施洋，易成岐，黄倩倩.大力培育数据商新业态构建开放高效的数据要素市场生态体系[EB/OL].(2022-12-20)[2026-03-20].https://www.ndrc.gov.cn/xxgk/jd/jd/202212/t20221219_1343667.html.
[40]逯建，杨小娟.数据要素全国统一大市场：态势、问题与对策建议[J].福建论坛(人文社会科学版),2025(7):57-66.
[41]卢勇.数据要素市场化的重要角色：数商的作用、特点与发展趋势[J].债券，2025(12):16-20.
[42]郭冀川.公共数据资源开发利用“1+3”政策体系初步形成[N].证券日报，2025-01-22(2).
[43]刘烈宏.以高水平数据基础设施助力数字中国建设[EB/OL].(2026-03-01)[2026-03-20].https://www.qstheory.cn/20260228/b97f48ebe2f74b80b1c0249632f27b73/c.html.
(1)国务院办公厅.国务院办公厅关于加快场景培育和开放推动新场景大规模应用的实施意见[EB/OL].(2025-11-07)[2026-02-13].https://www.gov.cn/zhengce/zhengceku/202511/content_7047420.htm。
(2)国家数据局.可信数据空间发展行动计划(2024—2028年)[R].北京:国家数据局,2024:1-8。
(3)报告编制工作组.全国公共数据运营发展报告(2024—2025)[R].北京:国家信息中心,中国软件评测中心,清华大学计算社会科学与国家治理实验室,2025:8-26。
基本信息:
DOI：10.14134/j.cnki.cn33-1337/c.2026.03.011
中图分类号:F49
引用信息:
[1]任保平,李昊玥.智能经济新形态下数据要素价值化的机制和路径[J].浙江工商大学学报,2026,No.198(03):112-125.DOI:10.14134/j.cnki.cn33-1337/c.2026.03.011.
基金信息:
江苏省习近平经济思想研究中心重大项目; 江苏省社会科学基金重大项目“以科技创新引领新质生产力发展江苏实践研究”(26ZXZD002)
2026-05-28
2026
2026-07-03
2026
1
2026-05-15
2026-05-15