我国数字经济与实体经济融合发展的理论逻辑和关键路径——基于内生增长理论视角

李忠海,刘永彪,后雨萌

(1.金陵科技学院商学院, 江苏 南京 211169；2.金陵科技学院, 江苏 南京 211169；3.江苏省数字技术与产业经济应用工程研究中心, 江苏 南京 211169)

数字经济事关国家发展大局。党的十八大以来，党中央高度重视发展数字经济，将其上升为国家战略。实体经济是数字经济发展的基石，数字经济的健康发展，离不开其与实体经济的融合发展。2021年10月18日，习近平总书记在中共中央政治局第三十四次集体学习时指出，“要推动数字经济和实体经济融合发展，把握数字化、网络化、智能化方向，推动制造业、服务业、农业等产业数字化，利用互联网新技术对传统产业进行全方位、全链条的改造，提高全要素生产率，发挥数字技术对经济发展的放大、叠加、倍增作用”[1]。这表明，加快推动数字经济与实体经济深度融合发展，已成为新时代高质量发展的重要标志、构建新发展格局的重要引擎、建设现代化经济体系的重要抓手、构建国家竞争新优势的关键举措。学术界围绕数字经济与实体经济的融合展开了一系列研究，郭晗探讨了二者深度融合的主要特征和制约因素并提出相关对策建议[2]；其他学者也从多个角度对数字经济与实体经济的融合发展进行了研究。但由于缺乏对大数据属性的多维度剖析及对数据要素进入增长理论框架的深刻把握，现有文献既未能给出数据作为第五大生产要素(1)2020年4月9日，中共中央、国务院公布关于要素市场化配置的第一份文件——《关于构建更加完善的要素市场化配置体制机制的意见》，将数据与土地、劳动力、资本、技术并列为五大生产要素。进入生产函数界定相对清晰的范畴，也未能将数据要素嵌入生产函数并构建自洽的内在逻辑。有鉴于此，本文立足我国全面进入数字经济新发展阶段的时代背景，厘清数字经济与实体经济融合发展背景下数据要素的内涵和外延，构建数据与知识和人力资本联动的内生增长逻辑框架，揭示大数据时代数据要素驱动经济增长的内生机制，为我国推动数字经济与实体经济深度融合发展提供理论支撑和逻辑基础。

一、数字经济与实体经济融合发展的作用效果和内在机制

数字经济与实体经济融合发展以新一代信息技术应用和数据生产要素深入参与为基础，但由于实体经济涵盖面广、不同区域及产业的信息通信技术(information and communications technology，ICT)投入集约度(2)信息通信技术投入集约度是指产业中涉及ICT的设备资产总额占设备资产总额的比例。比例越大，集约度越高。差异大，数字经济与实体经济融合发展的作用效果及其内在机制存在异质性和动态变化等特征。

(一)数字经济与实体经济融合发展的基本内涵

1.数字经济界定。作为随着互联网的发展而兴起的经济形态，数字经济早期概念主要与电子商务相联系。随着信息通信技术的进步和新产业、新业态、新模式的涌现，数字经济不断赋予经济活动新内涵。2016年9月4日至5日在杭州召开的G20峰会将数字经济界定为“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的重要推动力的一系列经济活动”。2021年6月3日，国家统计局发布了《数字经济及其核心产业统计分类(2021)》，该文件指出，“数字经济是指以数据资源作为关键生产要素、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的重要推动力的一系列经济活动”。

2.实体经济界定。2008年全球金融危机之后，“实体经济”概念受到广泛关注。由于美国金融危机主要发生于房地产市场和金融衍生领域，美联储便将实体经济(real economy)界定为经济体中剔除房地产和金融业后的所有行业的总和。尽管这种划分方法比较符合美国当时的背景，但却回避了金融业和房地产业提供专业金融服务和房地产服务并参与社会生产的基本事实，与现代产业发展新体系的内涵不一致。立足我国正处于高质量发展的关键时期，综合服务社会发展的功能定位和承载商品或服务的生产活动定位[3]，实体经济宜界定为剔除因“空转、套利、投机”等行为而不产生实际社会价值的产业后的现代产业总和。

3.融合发展内涵。从以上基本概念界定可以看出，数字经济与实体经济之间并非截然分开，而是一种以数据要素流转为重要驱动力的相互依存关系(图1)。一方面，数字经济更强调挖掘数字资源的价值、发挥数字生产要素对实体经济发展的促进作用；另一方面，实体经济既是数字经济加快发展的良性方向(避免“空转”)和最终归宿，也为数字经济发展壮大提供技术创新、高端装备和金融服务等综合支持。综上，实体经济为数字经济发展提供基础支撑和终极方向，数字经济为实体经济高质量发展开辟新领域、培育新动能、打造新引擎。

图1 数字经济与实体经济融合发展的基本逻辑框架

(二)数字经济与实体经济融合发展带来的典型作用效果

随着数字经济与实体经济融合发展，不少文献研究了数字经济(金融)对实体经济(企业)的促进作用。在宏观经济层面，数字经济对实体经济的发展有显著的影响，且不同区域呈现出异质性特征[4]。在中观产业层面，数字经济对工业绿色全要素生产率提升具有显著的促进作用，继而推动工业实现绿色发展[5]。在微观企业层面，数字经济有助于提升企业全要素生产率和市场运行效率[6]，其背后核心驱动因素便是ICT技术投入的加大[7]。与此同时，作为数字经济与实体经济融合发展的重要体现，平台头部企业马太效应凸显，致使其利用垄断地位对市场环境造成不良影响[8]。而囿于产业基础和资源禀赋等方面的差异，数字经济与实体经济融合发展过程中仍可能存在一定的“挤出”效应，且该效应因实体经济发展水平不同而存在异质性特征[9]。

数字经济与实体经济融合有助于加快推动实体经济高质量发展，所产生的垄断效应和挤出效应具有一定客观性和阶段性。一方面，新一代信息技术加快发展所引致的马太效应诱发数据加速向平台集中并形成垄断是必然结果，具有典型的自然垄断特性，亟须引入产业规制政策予以矫正；另一方面，部分区域或行业的挤出效应既是技术更新换代的必然过程，也是产业转型升级的自然结果。因此，从数字经济与实体经济融合发展的可持续性来看，针对新一代信息技术发展所引致的平台垄断和挤出效应，我国需要引入相应的产业政策予以适当校准。

(三)数字经济与实体经济融合发展的作用机制相关研究

不少文献在研究数字经济与实体经济融合发展的同时，还从多个角度探讨了其外生作用机制。许宪春等认为,大数据技术的采用有助于增强社会资源整合和环境监测的能力，支撑数字经济推动实体经济实现绿色发展[10]。王开科等在研究中引入了数字经济效率系数并证实了其生产效率内涵，揭示了数字技术通用性提升是数字经济与实体经济融合发展的关键[11]。葛和平等利用改进的Feder两部门模型，揭示了数字经济与实体经济融合发展的直接机制和间接机制[12]。赵涛等基于数字经济引发的创业活跃度增加和创新环境优化的视角，证实“激发大众创业”是推动数字经济与实体经济融合发展的重要作用机制[13]。但无论是数字技术及其通用性机制，还是经济效率和创业激发机制，均未能揭示二者融合发展的内在作用机理。以经济效率提升和经济结构优化为例，葛和平等利用Feder两部门模型证实了间接机制的存在[12]，却未能揭示该机制如何与数字经济联系并产生相应的提升和优化作用。与之类似，赵涛等证实了“激发大众创业”作用机制的存在[13]，但这种机制如何在数字经济与实体经济融合中起作用，并未得到理论层面的阐释。

也有理论研究认为，数据生产要素通过驱动知识生产来影响经济增长。Agrawal等构建了基于组合的知识生产函数，研究了数据要素驱动下的知识产生过程及其对经济增长的促进作用[14]。Aghion等通过引入企业异质性，证实了数据要素驱动下的先发优势可能使创新活力降低，继而对经济增长产生负面作用(挤出效应)[15]。数据生产要素短期的积累可能会获得递增的回报，但长期来看，其回报率仍可能存在递减的情况[16]。除此之外，还有不少文献着重探讨数据生产要素影响企业运行的内在机制[16]。对此，中国信息通信研究院(简称“中国信通院”)进行了多年研究(3)2017年以来，中国信通院持续发布“数字经济白皮书”，不断拓展我国数字经济的范畴。2017年，中国信通院提出数字经济主要由数字产业化和产业数字化组成；2019年，增加了数字化治理；2020年，增加了数据价值化，形成了涵盖数字产业化、产业数字化、数字化治理和数据价值化的数字经济“四化”版本。，并于2020年提出涵盖数字产业化、产业数字化、数字化治理和数据价值化的数字经济“四化”版本。这也表明，国内相关研究也逐渐将数据生产要素作为切入点，研究数字经济与实体经济融合发展的内生作用机制。

尽管以数据生产要素为切入点研究数字经济与实体经济融合发展的作用机制已成为共识，但学术界因在概念界定、核心内涵和理论框架等方面难以达成共识，至今仍未能就数字经济与实体经济融合发展建立自洽的理论逻辑。在数据概念界定方面，不少文献仅就数据谈数据，即忽略了数据自身“5V”特征及数据背后的知识积累过程。在内涵挖掘方面，大多数文献未能有效区分数据既能优化生产关系又能提升生产力的双重属性，忽略了不同知识类型下的数据价值异质性。在理论框架方面，鲜有文献将数据纳入经济增长理论框架并与知识和人力资本相关联，继而构建内生增长框架的数据要素驱动模型。

二、内生增长视角下数字经济与实体经济融合发展的微观机制

(一)知识、人力资本与数据生产要素

1.数据生产要素的界定与特征。根据研究视角和观测背景的不同，学术界对数据的界定也有所不同，具体可分为三类观点。(1)功能定位观。数据是指“被用于形成决策或者发现新知的事实或信息”(4)参见《牛津英语词典》(2020版)。，或者指“进行各种统计、计算、科学研究或技术设计等所依赖的数值”(5)参见《现代汉语词典》(第七版)。。(2)技术驱动观。数据被理解为“可以被编码为一系列0和1组成的二进制序列的信息”[17]。(3)生产指令观。数据被视为信息中不包含创意(idea)和知识(knowledge)的部分，即：能够被用于生产经济物品的指令[18]。

上述定义虽然从不同视角或维度界定了数据，但却难以准确反映大数据时代我国加快发展数字经济的时代背景特征。比如：功能定位观虽强调了数据在社会经济发展中的决策价值，但却忽略了大数据时代数据二进制编码的技术内涵；技术驱动观虽突出了大数据时代数据的技术特性，但又忽略了数据自身的内在价值取向；生产指令观更多从生产过程提炼数据价值，忽略了数字经济时代“数据无处不在”的大数据内涵。因此，本文将数据界定为可被编码为二进制序列、能被用于决策参考、具有潜在社会经济价值的事实或信息。

2.大数据时代数据要素的主要特征。作为只有依托其他生产要素载体才能释放效应的要素(技术)，数据要素具有典型的“使能技术”(6)使能技术是指一项或一系列应用面广的具有多学科特性的为完成任务实现目标的技术，其特点是具有带动作用。特征，即：尽管数据要素本身价值可能并不大，但其潜在的带动作用和关联效应价值却相当大且远远超过自身价值体量。徐翔等立足数据进入生产过程的价值承载，归纳出数据生产要素的七大主要特征，即：虚拟性、非竞争性、排他性、规模报酬递增、强正外部性、产权模糊以及衍生性[19]。与徐翔等立足经济学视角不同，国际知名咨询机构IBM咨询公司侧重于立足大数据自身的物理特性，提出涵盖数据量大(volume)、多样化(variety)、价值密度低(value)、增长速度快(velocity)、准确度可查证(veracity)等内容的“5V”特征。

本文立足我国数字经济产业基础、重点方向和发展趋势，在综合数据要素经济视角特征和物理视角特性的基础上，围绕数据要素嵌入内生经济增长逻辑提炼出六大特征。(1)知识价值性，指突出数据要素的需求导向性，强调数据转化为知识的实用性和价值性。(2)网络伴生性，指数据更多是行动和结果的映射，具有多种社会网络关系综合作用的伴生结果。(3)组合多样性，指数据与数据之间以多种算法进行组合，几乎能够形成无穷无尽的数据要素组合。(4)动态时效性，指不少数据具有典型的时效性，且这种时效性直接影响或决定其潜在价值。(5)价值密度低，指与大数据的规模体量相比，特定用途以外的绝大多数数据价值较低且潜在增值空间不大。(6)附属公共性，指数据更新维护具有一定的非强制性和显著的外部性。

3.数据要素驱动知识积累的优势与局限。随着新一代信息技术加速应用，所有历经“数字化—数据化—大数据—数据分析”转化过程的信息都可能成为知识，其过程可参见图2。因此，本文基于服务社会经济发展的广义视角，将知识界定成为人类社会经济生产、生活和消费等提供支持的信息总和。随着越来越多的组织机构运营过程被以数字化方式记录，每天都有超过2.5 EB的数据产生，相当于美国国会图书馆藏书量的16.7万倍[20]。持续增长的大数据推动知识积累过程不断加速，形成维度差异大、复杂性高、更新频率快、涉及面广的海量知识库，为知识积累的自我增强和创新活动的加速奠定了坚实的基础[21]。

图2 基于数据要素视角的知识形成过程

由于创新活动的复杂性、特殊性和层次性，不同类型创新模式所需要的存量知识和人力资本存在较大差异。其中，基于存量知识的创新更多是以引进消化吸收再创新或集成创新为主，难以产生科学、技术、工艺等领域的原始创新。这表明，尽管每天产生的海量数据经过转化都能形成数以亿计的知识增量，但却难以形成或产生超常规默示知识[22]，难以为原始创新提供不可或缺的知识存量支撑。因此，数据要素驱动下的知识积累和人力资本积累更可能大幅度激发甚至促进消化吸收再创新或集成创新，但对原始创新可能难以产生类似程度的促进作用。

(二)数据要素激发创新活力的内生增长逻辑

经济持续增长有赖于不受收益递减规律约束的可积累的生产要素或生产要素组合的存在[23]。与其他生产要素相比，知识和人力资本无疑能够满足这一条件并成为推动经济持续增长的动力。其中，内生增长理论便是利用生产函数设计上的创新(新的产品设计不断出现)，构建同时纳入知识和人力资本的一般均衡模型，创造性地建立知识和人力资本的积累驱动创新、推动经济持续增长的理论逻辑[24]。在该模型中，研发部门知识生产函数为

ΔA=δHAA

式中，ΔA为新增产品设计数量，代表创新；A为现有产品设计总数，代表存量知识；HA表示研发部门研发人员数，代表人力资本；δ为研发效率参数。最终制造业部门生产函数为

数字技术的全面渗透和广泛应用，为数据要素驱动知识和人力资本积累提供了有力支撑。一方面，海量的数据要素不断驱动知识加速积累，并利用多维度知识自我积累效应，不断增加专业深度、拓宽覆盖广度和提高增量速度；另一方面，人力资本通过教育和“干中学”[25]实现积累，成为推动经济增长的“引擎”，比如，科研人员能够通过更加便捷的网络渠道、丰富的线上资源和快捷的在线反馈，加快专业知识学习和业务经验积累，快速提升自身的人力资本。与此同时，知识积累与人力资本积累相互促进并形成良性循环，成倍放大数据要素对知识和人力资本积累的推动作用。

尽管知识和人力资本在非竞争性和排他性方面存在显著不同，但二者的积累均能对经济持续增长产生巨大的影响[26]。随着大数据时代的到来和我国数字经济加速发展，海量的数据要素必将驱动知识和人力资本加快积累，推动创新水平不断提高和实体经济持续增长。一方面，数据要素驱动明示知识和常规型默示知识加快积累进程，增强创新活力并推动实体经济增长；另一方面，数据要素推动人力资本加快积累，为挖掘超常规默示知识、增强原始创新能力奠定基础。因此，数字经济与实体经济融合发展的微观机制是以数据生产要素为基础，驱动知识和人力资本加快积累，促进创新水平提升并推动经济实现内生增长。

(三)持续增长的数据资源夯实数字经济与实体经济融合发展的基础

“十三五”时期，我国大力推动数字中国建设和数字经济健康发展，不断积累并形成了海量数据资源。“十四五”时期，我国将构建数字经济发展的“四梁八柱”，加快推动数字经济高质量发展，为数字经济与实体经济深度融合发展提供雄厚的支撑基础和有力的资源保障。

1.我国数据资源存量规模庞大、增量渠道丰富。中国信通院联合中国网络空间研究院发布的《国家数据资源调查报告(2020)》显示，截至2019年年底，我国数据总存量约为332 EB，全球占比11.9%，低于同期GDP全球占比(16%)。与此同时，我国数据资源以多个渠道和维度快速增长。2019年，我国数据产量总规模为3.9 ZB，同比增长29.3%。其中，行业机构数据产量达到3 ZB，占全国数据总产量的76.9%。

2.全球领先的基础设施推动数字技术快速渗透。国家互联网信息办公室发布的《数字中国发展报告(2020年)》显示，我国已建成全球规模最大的光纤网络和4G网络，固定宽带家庭普及率由2015年年底的52.6%提升到2020年年底的96%，移动宽带用户普及率由2015年年底的57.4%提升到2020年年底的108%。第37次和第47次《中国互联网络发展状况统计报告》显示，我国网民规模由2015年年底的6.88亿增长到2020年年底的9.89亿，互联网普及率由2015年年底的50.3%提升到2020年年底的70.4%。

3.以政务部门为引领的数据资源加速开放应用。《国家数据资源调查报告(2020)》显示，截至2020年年底，全国地方政府共上线142个数据开放平台，开放有效数据集约9.9万个。其中，开放数据集动态更新比例平均为15.7%，数据可机读率平均为75.8%，关键数据集覆盖率平均为38.6%，常见数据集覆盖率平均为69.9%，开放数据集部门覆盖率平均为73.2%。

4.不断完善的制度环境保障数据资源持续丰富。《“十四五”数字经济发展规划》明确要求“充分发挥数据要素作用”。2022年3月12日发布的《政府工作报告》首次将数字经济单独成段描述，提出要“完善数字经济治理，培育数据要素市场，释放数据要素潜力，提高应用能力”。与此同时，上海、浙江、深圳等地纷纷出台数据条例，为数据要素的开发利用提供法治保障。

三、我国数字经济与实体经济融合发展的基本判断和关键路径

前文基于内生增长理论框架，揭示了涵盖数据要素驱动知识和人力资本加速积累的数字经济与实体经济融合发展内生增长机制。以此为基础，结合我国数字经济正处于重要发展时期和数据要素资源正处于日益丰富阶段的实际，就加快推动数字经济与实体经济深度融合发展提出若干基本判断和关键路径。

(一)数据要素驱动下数字经济与实体经济融合发展的基本判断

1.数字经济与实体经济融合发展具有内生增长持续性。从宏观经济增长视角看，数字经济与实体经济融合最终必定推动实体经济实现内生增长和高质量发展，数据马太效应引致的阶段性挤出效应和平台垄断导致的不良现象并不足以影响两者深度融合发展的主导方向。凭借丰富的存量资源和不断扩展的增量资源优势，我国数字经济与实体经济融合发展依然具有广阔的空间，必将为我国高质量发展提供源源不断的动力支撑。

2.数字经济与实体经济融合的关键在于数据开放的质量。从内在微观机制驱动看，数字经济与实体经济融合发展以数据生产要素为核心基础，驱动知识和人力资本加快积累并实现创新能力增长和经济增长。因此，在坚持总体国家安全观的前提下，拓宽数据开放维度，细化数据颗粒度，引导业务数据有序开放，不断提升和加大数据开放的质量和力度，是推动数字经济与实体经济深度融合发展的关键所在。

3.数字经济与实体经济融合发展亟须精心设计知识产权保护制度。随着数据要素驱动知识和人力资本加速积累，创新活动必将涌现并带来大量知识产权。严格的知识产权保护措施固然保护了首创者的利益，但可能迫使经济发展过程中的整体创新步伐放缓。与日俱增的海量数据催生创新活动不断加速，亟须精心设计的知识产权保护制度和操作规则平衡创新者私人收益和社会收益，助推社会创新活动蓬勃发展和经济持续增长。

4.数字经济与实体经济融合发展离不开高质量人力资本的支撑。作为数字经济与实体经济融合发展的重要支撑，人力资本的提升并非“自然而然”的积累过程，而是个体立足所处环境及多种因素而实现自我提升的复杂过程。与知识积累相比，人力资本积累更具有稀缺性、紧迫性和根本性。因此，数据开放和数字经济基础设施的使用应优先向个体倾斜，引导个体充分利用便捷信息设施、廉价数据资源和海量知识存量，进一步提升人力资本价值。

5.数字经济与实体经济融合需统筹数据确权规范与放权规则。与其他要素不同，数据要素生命周期过程具有独特的复杂性。数据要素的价值密度低和动态时效性意味着数据确权未必就有经济价值，而知识价值性和组合多样性表明数据存在巨大的价值变现机会，网络伴生性和附属公共性从本质上说明数据确权存在天然的难度且维护成本较高。因此，数据确权需结合业务需求和场景，以释放经济价值为核心，选择适宜的数据价值管理规则。

(二)推动我国数字经济与实体经济融合发展的关键路径

1.增强大局意识，提升数字经济与实体经济融合发展能级。数字经济事关国家发展大局。推动数字经济与实体经济融合发展亟须增强大局意识，不断提升其战略定位和发展能级。一是提升数字经济与实体经济融合能级定位，将数字经济与实体经济融合发展作为国家“实施创新驱动发展战略、巩固壮大实体经济根基”的重要内容。二是强化数字经济与实体经济融合顶层设计，设立国家层面组织推动数字经济与实体经济融合发展的专职机构。三是营造数字经济与实体经济融合发展的舆论氛围，重点面向制造业、服务业、农业等产业数字化领域，加大数字经济与实体经济融合发展示范工程推广和典型案例宣传的力度。

2.强化数据治理，畅通数字经济与实体经济融合发展落地通道。数据治理是释放数据生产要素价值的基础保障。因此，推动数字经济与实体经济融合发展落地离不开完善数据治理体系、提高数据治理意识、健全数据治理工具。一是组建国家层面数据治理专业委员会，引导政府部门、科研院所和龙头企业等多方力量协同推进专业领域数据治理能力建设工作。二是聚焦量大面广的重点领域，分类编制一批符合产业发展规律的国家层面数据治理技术标准和规范体系。三是发挥行业龙头示范作用，分行业分区域重点支持行业龙头实施数据治理能力提升战略，分别面向元数据管理、主数据治理、企业中台架构等典型场景打造一批应用示范工程。

3.突出安全管理，夯实数字经济与实体经济融合发展的数据基础。多元、立体、海量的数据资源是充分释放数据生产要素价值的核心基础。因此，推动数字经济与实体经济融合发展亟须在坚持总体国家安全观的前提下，不断拓宽数据开放维度，细化数据颗粒度，提升数据资源总体质量水平。一是健全数据资产管理制度体系，推动政府机构出台数据开放管理规定，推动业务数据分级脱敏开放，不断提升数据资源质量。二是引导行业龙头实施数据开放计划，优先支持平台企业和核心企业开发专业数据产品、开放数据资源。三是完善数据资源交易体系，以上海数据交易所为引领构建多层次数据交易体系，构建数据质量认证认可、全过程监督和安全管理等治理机制。

4.把握重点方向，引导数字经济与实体经济分类融合发展。遵循产业数字化转型发展规律，分类推进数字经济与实体经济融合发展。一是“一链一策”，推动重点产业链数字化转型，优先支持“链主”企业实施协同采购、协同制造、协同配送的应用解决方案，实现下单、计划、生产、交付、品控、物流等关键环节数据的互联互通和在线协同。二是“一行一策”，促进优势产业集群数字化转型，重点发展中央工厂、协同制造、共享制造、众包众创、集采集销等新模式，促进大中小企业融通发展，带动中小企业数字化转型。三是“一企一策”，引导行业龙头加快数字化转型，引导制造业单项冠军(单项冠军产品)企业、“专精特新”企业、独角兽企业等实施数字化、网络化、智能化技术改造，提高生产管控、精益制造的能力和智能制造水平。

5.彰显创新驱动，强化数字经济与实体经济融合发展人才支撑。高质量的人力资本是数据生产要素释放创新驱动活力的重要保障。因此，加快数字经济与实体经济融合发展离不开培育造就一批面向数字经济领域的高素质、多层次、复合型人才团队。一是加大专业人才培养力度，推动科研院所与行业龙头组建产业学院，优先面向数字经济领域建立一批多层次人才梯队。二是搭建数字经济人才库，遴选一批数字贸易、数字金融和工业互联网等重点领域从业人员，并对他们加大数字经济专题轮训力度，培养一批精通行业领域、熟悉数字技术、理解转型机理的复合型人才。三是提升人力资本价值，优先支持个体依托便捷的信息设施、低成本的网络服务和海量的数据资源及知识存量提升人力资本价值。