数据资产价值与人工智能技术贡献的测度
2026中国数字经济发展和治理学术年会（重庆）上的演讲
洪永淼
（2026年3月7日）
我今天主要从经济统计学的视角出发，谈谈“数据资产价值与人工智能技术贡献的测度”问题。
在数字经济时代，大数据和人工智能技术正在重塑人类的生产与生活方式。一方面，数据已经成为关键的生产要素，并逐步实现资产化与市场化配置。另一方面，以人工智能为代表的新一代通用技术正在改变技术进步的实现方式、扩散路径以及应用场景，并对经济增长产生深远而广泛的影响。
因此，数据要素与数据资产价值的测度具有重要意义。首先，数据要素价值的测度有利于贯彻按要素贡献参与分配的原则。其次，数据要素的价值测度是数据价格形成和数据要素市场化配置的基本前提。统一的数据资产价值测度将为数据定价提供一个更加客观的基础。通过价格信号引导数据要素在不同的产业、场景进行有序流动，使数据资源向利用效率高、边际回报率高的领域聚集，从而提高数据要素市场的资源配置效率和优化能力。此外，数据要素的价值测度也是科学评估人工智能技术对经济增长贡献的关键前提。我们知道没有大数据就没有人工智能。如果不能合理测度数据资产的价值，那么人工智能所带来的生产效率提升和产出增长，将难以在经济增长核算框架里面得到准确分解，它的真实经济贡献也难以被充分识别与评估。
我今天主要讨论两个问题：一是如何测度数据要素和数据资产的价值；二是如何测度人工智能技术对经济增长的贡献。
一、历史借鉴：资本测度与技术进步贡献
从经济统计学的发展历史来看，生产要素的测度方式对技术进步贡献率的估计具有重要影响。在20世纪50年代至70年代，两位诺贝尔经济学奖得主罗伯特？索洛（R.Solow）和西蒙？库兹涅茨（S.Kuznets）分别基于美国经济数据开展了开创性的实证研究。其中，索洛提出的经济增长理论框架至今仍然是增长核算研究的重要基础。根据他们的测算结果，美国经济增长中技术进步的贡献率超过80%，而资本与劳动等传统生产要素的贡献合计仅约为20%。
然而，随着经济统计学和国民经济核算方法的发展，学界对生产要素贡献的理解逐步发生变化。哈佛大学经济统计学家戴尔？乔根森（Jorgenson，2018）基于新的资本测度方法对1947-2012年美国经济增长来源进行了重新估算，研究发现劳动和资本投入对美国经济增长的贡献合计高达80%，而技术进步的贡献只有20%。之所以得出截然相反的结论，主要因为资本要素测度方法的创新。联合国1993年发布的国民账户体系（SNA1993）曾指出，资本要素测度是不可能的，而2008年发布的SNA2008对资本要素的测度进行了方法论创新。其中最重要的一个创新是把资本服务（CapitalServices）概念引入国民经济核算体系，用以替代索洛和库兹涅茨之前使用的资本存量（CapitalStock）概念。将资本存量作为资本投入的方法忽略了资本异质性和使用效率的差异，特别是折旧率大、价格下降快的高消耗资本。而SNA2008通过使用资本服务的价格和数量来衡量资本投入，能更加准确地反映资本要素在生产中的实际贡献。
SNA2008在资本测度方面的另一个重要创新，是将无形资本也纳入资本服务的测度中。无形资本包括R&D、软件、品牌、组织、培训和设计等资产，长期以来未被纳入到国民经济核算体系的资本测度。通过将无形资本正式纳入经济核算，SNA2008为重新审视资本要素在经济增长中的贡献奠定了基础。世界知识产权组织（WIPO）发布的《2025年世界无形资产投资报告》显示，自2008年以来，在全球27个主要经济体中，无形资产投资的增长速度比有形资产快了3倍多。
信息技术的快速发展推动资本投入的结构发生重大变化，特别是由于IT资本的高折旧率与价格快速下降，传统资本存量测度低估了这些高效资本的实际贡献。新的资本测度方法通过区分不同类型的IT（如IT和非IT资本），能够更加精确地测度折旧率和价格指数，显著提升了资本投入在增长核算中的比重，降低全要素生产率的相对贡献。乔根森等人根据IT资本投入的强度，将美国经济部门划分为三类，一是IT生产行业，即数字产业，包括计算机、电子制造、信息与数据处理以及计算机系统设计等行业；二是IT使用行业，即数字化产业，特别是大量使用数字化IT技术的传统行业；三是非IT产业。研究结果表明，在1947-2012年间对美国经济增长率的贡献中，IT生产行业为2.5%，IT使用行业为47.5%，非IT行业对美国经济增长率的贡献达到50%。
二、数据资产价值测度与数据资产入表
与资本要素测度一样，数据资产价值的科学测度对核算数据要素在数字经济增长中的贡献至关重要。联合国去年发布的SNA2025首次系统性明确了数字资产的生产性资产属性，将使用超过一年并且能够带来经济利益的数据纳入知识产权产品范畴，有效解决了数据要素在传统核算中的价值体现难题。
近年来中国陆续出台多项政策文件，明确数据资源可以作为资产纳入企业资产负债表。政策实施以来，很多企业特别是国企，还有地方政府正在以极大热情推动数据资产入表，而数据资产入表的一个重要前提正是要科学合理地测度数据资产的价值。数据资产价值测度主要存在三类方法。一是收益法，该方法以数据未来可能带来的预期收益为基础，通过折现技术将未来收益转换为当前价值，从而估算数据资产的资本价值。二是市场法，该方法通过参考与目标数据资产相似的数据产品或数据服务的市场交易价格，对数据资产价值进行估算。但在当前阶段，数据要素市场仍处于发展初期，交易机制尚不完善，可参考产品有限，因此市场法在实际操作
