徐宁：积极建设全国统一数据大市场

当前要将全国统一大市场建设向“纵深推进”，除需要解决传统大市场症结问题之外（如地方政府市场准入、公平竞争以及土地、劳动力、资本等传统要素市场），还应当积极打造未来有很大前景的新兴大市场，这其中，数据要素市场建设无疑是最值得重点关注的问题。积极打造全国统一的数据大市场，在此基础上充分挖掘我国蕴藏的丰富数据要素价值，是在当前我国经济结构从制造业推动转向服务业拉动的大趋势下，除生产性服务业之外，又一十分重要的服务业新兴“竞技场”，很可能成为未来若干年我国经济增长的核心引擎之一。为此，我们提出以下三方面“抓手型”建议：

第一，充分发挥国有龙头企业重要作用建设数据大市场。数据大市场建设需要建立以应用为导向的从要素供给端到需求端的全链路产业链。当前，政府虽拥有数据要素资源但不具备市场化开发能力，民营中小企业有市场化意愿但无法牵头成为市场重要推动力量，因此，发挥国有龙头企业的“数据链主”作用便十分重要。首先，应积极鼓励国企（尤其是央企）牵头建设可信数据空间。由于存在诸多特殊属性，数据要素不能以传统的交易所模式进行交易，作为交易场所误区纠偏，可信数据空间是未来有效开发利用数据价值的重要虚拟场所。然而，由于一方面中小企业没有能力建设这种类似“公共品”场所，另一方面政府虽有能力但缺乏产业场景，因此国有龙头企业理应成为建设可信数据空间的探路者，要积极鼓励其围绕行业共性应用场景建设产业级可信数据空间。其次，龙头企业还应牵头探索数据交易、安全等方面标准体系。标准体系的建设需要高度依赖产业应用场景，脱离场景的标准体系容易成为“无源之水”而缺乏应用价值，而标准体系建设又是数据要素开发利用的基本前提，因此国有龙头企业在其中责无旁贷。最后，还要鼓励国有龙头企业以适度超前为原则投资数据基础设施。数据基础设施作为“新基建”，其折旧速度远快于公路铁路等“旧基建”，建议根据产业应用场景作3-5年期规划即可，必须时刻考虑数据设施的更新迭代和技术进步等因素进行动态调整。此外，还应当高度重视我国数据产业跨区域合作的“运力”高成本问题。除了带宽、时延等数据跨区传输的能力之外，成本是当下制约我国数据要素跨区域开发利用的重要因素，应鼓励相关央企着力解决，进而有效降低数据要素的“物流成本”。

第二，大力培育数据服务企业（数商）完善数据大市场。数据产业的市场主体，除了数据资源提供者、数据场所建设者、数据使用需求者之外，还有一类不容忽视的主体——数据开发服务者（即数商）。这一点可类似于土地要素开发模式来看，更重要的土地价值产品提供者是基于市场需求场景打造产品的主体，例如住宅地产开发商、商业地产开发商及入驻的各类商户等，而数据作为一种无差别的信息记录数字化载体，更是对市场需求场景高度依赖，形形色色、各行各样的数商便成为最为重要的数据价值开发实现的市场主体。因此，应积极鼓励各地方政府发展数据产业的同时积极培育“数商”式服务企业，为其打造高品质生态好的营商环境。需要指出的是，数商型企业对土地、空间等硬设施不敏感，而对应用场景、数字基础设施、人才技术等软设施高度依赖，因而需要促进地方政府摆脱过去产业发展的旧模式（制造业模式），在金融支持、人才支撑、场景赋能等多维度齐发力，一方面探索可靠安全的政务数据面向市场开放的模式与市场化机制，另一方面还要提供优质的数字化基础设施供给，创造数字化“大舞台”让广大有活力的中小服务业企业唱好数字化“大戏”，并及时提炼各地的新鲜典型经验进行推广。

第三，积极打造概念验证平台促进人工智能等先进数字技术赋能数据大市场。概念验证已被党中央高度重视并写入二十届三中全会《决定》和今年政府工作报告，作为科技成果产业化的“最初一公里”，概念验证平台可以有力推动先进数字技术产业化，尤其是在数据要素的价值挖掘全链条过程中，采集、清洗、存储、分析、应用等每个环节都需要技术的支撑，而技术研发与应用场景的相互耦合程度便成为其中关键所在。因此，各地方政府应鼓楼支持以企业为主体、产学研各自融通的概念验证平台，将数据产业的技术需求场景牵引到数字技术供给端，真正有效实现“AI for Data”的驱动范式，形成数据要素价值开发的“飞轮效应”。

徐宁

长江产业发展研究院副院长