数据要素赋能农业现代化：机理、挑战与对策

管 辉，雷娟利

（1.东华理工大学马克思主义学院，江西南昌 330013；2.江西师范大学马克思主义学院，江西南昌 330022；3.江西师范大学历史文化与旅游学院，江西南昌 330022）

随着数字技术的更新迭代，其在推动经济增长及产业结构转型等方面的优势日渐明显，已经成为世界各国经济发展方式转型的重要推手。数据是数字经济所依赖的关键生产要素，对经济转型的质量、效率和治理机制等方面有决定性影响。数据作为生产要素具有较强的渗透性，在与三次产业结合中催生了很多新的业态和商业模式，是传统产业数字化转型的核心力量。中国信息通信研究院2021年4月发布的《中国数字经济发展白皮书（2021）》显示，数字经济对我国GDP的贡献率从2005年的36.2%上升至2019年的67.7%，占GDP的比重也从2005年的14.2%上升至2020年的38.6%[1]。这说明，我国数字经济的发展对于促进产业结构、经济发展方式转型起到了重要作用。

党的十九届四中全会提出，要健全数据、知识等生产要素的评价机制，构建市场化的报酬分配体系，将数据与传统的资本、土地等生产要素置于同等地位。2020年3月，中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》（以下简称《意见》）中指出，要加强数据要素市场构建，发挥数据要素的价值和功能。在数据与三次产业融合过程中，农业因其先天因素，数字化发展水平不高。2020年，我国农业数字化率仅为8.2%，与服务业的25%和工业的50%有较大差距[2]；与农业数字化水平较高的发达国家差距也较大，2020年美国农业数字化率为48.9%、德国为38.7%（是世界上农业数字化水平最高的两个国家）[3]。因此，推进农业数字化是实现农业现代化的重要基础，也是全面实现乡村振兴的内在要求。

现有研究大多关注数字经济、数字技术推动农业现代化、数字技术赋能乡村振兴等方面[4]。很少有人将数据作为单独的生产要素、推进农业现代化的因素进行研究，如何通过数据要素切入农业变革过程也缺少相关分析。因此，本文在分析数据要素特征及功能的基础上，全面分析数据要素在促进农业现代化过程中的作用，并就其面临的现实挑战提出相关对策建议。

一、数据要素赋能农业的独特性

数据作为生产要素，通过赋能产业结构升级以实现产业数字化转型，对提升三次产业数字化水平均具有直接推动作用，但在农业领域中的赋能更具特色、更有效用。

（一）数据要素赋能促进“人”的凝聚

农业现代化的发展，需要足够的人力资源支持。这里的人力资源支持既包括农业生产经营主体数量的增加，又包括人力资本的提升。当前农业领域的“人”主要有以下群体：普通小农户、返乡创业人员、新型农业生产经营主体、大学生“村官”、驻村干部、关注农业农村现代化的城镇精英等[5]。不同的群体在农业现代化发展中能够发挥不同的作用，但如果没有纽带将这些群体联结起来，就无法发挥人力资源支持的合力，势必影响农业现代化的实现。然而，数据要素在此过程中的作用是赋能，赋能的结果是提升这些主体的联结度，促进他们发挥合力作用。农业现代化与工业现代化相比，最欠缺的就是人力资本的提升，特别是在当前农业接班人危机日渐凸显的情况下。作为生产要素，数据在农业人力资本提升中可以发挥赋能作用。对于生产端的普通小农户、返乡创业人员和新型农业生产经营主体，可以通过数据要素赋能促进其生产与市场的对接，依托于电商、短视频、在线社交等平台快速与消费者连接，通过市场反应来改进其生产过程。同时，数据要素的赋能加速了农业信息的传递，使得那些关注农村农业发展的城镇精英群体能够更有针对性地投资农业、更好地把握市场，进而降低农业生产和经营的盲目性。作为为农业生产经营服务的管理群体，驻村干部和大学生“村官”依托于各级政府构建的互联网和大数据体系，打造专门的涉农服务平台，以提升为农服务的信息化、智能化水平。通过数据要素赋能，涉农的各类“人”能够成为懂技术、善经营、懂管理的“新农人”，这些群体既能够相互分工，又能够联动协作，这使得“人”这一生产要素的作用得以更好的发挥，进而实现数据要素与劳动要素之间的互动。

（二）数据要素赋能促进产业共生、价值共生

在数字经济时代，数据赋能可以更好地实现农业领域的产业共生和价值共生。农业作为第一产业，与工业、服务业相比，与市场的距离更远、受到的束缚更多、转型难度更大，因此只有在产业共生和价值共生中才能更好地实现农业现代化。一方面，农业现代化的发展要求产业共生。数据作为生产要素能够提升农业数字化水平，当农业数字化水平提升后，数据还可以作为中介要素，与工业、服务业领域的资本、技术、人力等要素相结合，将这些要素引入农业领域，从而实现农业与其他产业的共生发展。事实上，农业数字化水平越高的国家，农业与其他产业共生、融合的程度也越高。例如，2020年美国农业数字化率达到了48.9%，我国只有8.2%，而美国农业与工业、服务业的融合度明显高于我国[3]。因此，数据赋能可以促进农业与其他产业共生发展，有助于提升农业现代化发展水平。另一方面，农业现代化的发展要求价值共生。农业现代化是数量、质量和生态的全方位现代化，以“减成本、增效益”保障数量、“严守舌尖安全”保障质量、“绿色化、有机化”保障生态。农业现代化这种高标准、高品质、高效益的价值目标，要求其必须在产业互动的情况下实现价值共生。数据赋能通过建立物联网、大数据平台等体系，将农业生产、经营、管理进行全方位数字化对接和融合，以云计算、人工智能等技术来快速处理农业信息，从而实现数量、质量和生态三类目标的协同。

（三）数据要素赋能促进农业治理和服务改善

随着数字经济的发展，生产效率的提升不再完全依赖于人工，更依赖于协同。农业现代化发展对协同要求甚高，不仅要求农业与其他产业进行协同，还要求外部的治理和服务能与之配套。农业与工业、服务业相比，外部治理和服务体系与其链接程度低，且数字化水平不高，数据赋能有更大空间来打通组织和信息壁垒、解决“最后一公里”问题。第一，各级政府构建的数字化治理平台有助于农业农村治理政策的传达，更好地实现上下互动；第二，各类农业数字化服务平台能够帮助生产者更好地衔接市场，为生产和经营提供渠道、流量的对接与引导；第三，数据赋能能够拓宽数字平台公共服务的范围，以“数据多流动”来实现“农民少跑腿”，从而提升公共服务的准确性、针对性和及时性。

二、数据要素赋能农业现代化的作用机理

农业现代化不单是农业技术的现代化，也是农业生产经营主体的现代化，更是农业管理及治理的现代化。在我国脱贫攻坚取得全面胜利的背景下，全方位促进乡村振兴、实现农业现代化是我国农业农村发展的重要任务。数据要素赋能农业生产可推动农业生产方式的现代化、促进农业生产成效的优化；数据要素赋能农业经营可促进农业经营主体组织结构优化和农业产业结构升级；数据要素赋能农业治理可提升农业治理的结构扁平化和农业数字化水平，由此而言，数据要素赋能农业现代化是一种全方位、多层次的赋能过程（见图1）。

图1 数据要素赋能农业现代化的作用机理

（一）赋能农业生产

1.推动农业生产方式的现代化

第一，通过智慧决策实现生产精准化。过去10多年来，人工智能技术不断成熟，并被广泛应用于农业生产中，为农业生产过程提供更加精准的解决方案。在农业生产数据模型和物联网体系中，人工智能收集到的数据越来越多，遥感系统、地理信息系统等收集的数据不断完善，精准农业已经成为我国农业现代化发展的基本模式。从供给侧视角看，大数据推动下的农业生产过程已经从经验模式向数据支撑模式转变，使得传统农业生产中依靠个人经验决策所带来的生产波动性大、效率低、质量难掌控等问题逐步得到了解决。土壤施肥数字化监测技术、农业生产智慧管理系统、病虫害定位防治技术、农田水利灌溉智能系统等广泛应用，大大提升了农业生产效率。从需求侧视角看，大数据系统对于农业生产全过程的精准判断和分析，可以为生产者提供更合理的决策，能够很大程度上解决市场供需失衡的问题。同时，农业生产者能够利用数字化消费系统进行分析，从而随时根据市场需求来动态化调整生产过程，以满足消费者个性化、定制化需求。例如，2020年4月份上线的湖北洪湖农业物联网系统，是以农户为中心的智能化生产管理体系，通过人工智能设备及算法分析从生产终端获得实时数据，及时为农户提供养殖建议，最大限度地提升小龙虾的养殖效率和品质。同时，这套物联网系统还能够及时收集小龙虾市场需求，使养殖农户能够按照每月的不同需求来提供精准化供给，最大限度地降低供给的盲目性。另外，这套物联网系统也能够实时监控小龙虾配送及冷链物流情况，帮助农户做出不同品质小龙虾分销的最佳决策，提升养殖利润。据洪湖市政府数据显示，自该系统上线以来，洪湖市小龙虾养殖利润增加了40%～60%，是精准养殖的好帮手[6]。

第二，通过智慧监管实现生产绿色化。农业系统是个特殊系统，既是碳源的制造者，也是碳汇系统的吸收者。农业碳排放主要来自化肥、农药、农膜的使用和分解中所产生的温室气体，面源污染造成的有机碳流失，以及农业机械化所消耗化石燃料引起的碳排放。联合国粮农组织（FAO）2020年的数据显示，农业、林业和土地利用导致的碳排放占到了全球年度碳排放量的30%[7]。为了应对气候变化，减少农业生产过程的碳排放，FAO在2010年提出了“气候智慧农业”设想，其中推进农业数字化转型是推动气候智慧农业的关键。在农业数字化转型过程中，通过加强对农业生产过程的数字化监控、充分挖掘农作物的生长潜力、不断优化生产过程中的管理配置，从而提升土地资源的利用率，在不破坏土壤及农业生产环境的基础上获得更多产出。就我国农业发展的实际情况看，大数据在农业生产智能化监控中发挥了重要作用，在农业面源污染监测、农业生态补偿决策、农用化学品使用控制、农村生态资源发展规划等方面有较为广泛的应用，大大提升了我国农业绿色化发展水平。例如，2019年，安徽省芜湖市通过建立“农业大数据与乡村建设系统”，对鲈鱼养殖实现生态资源的最优配置，养殖户因地制宜发展生态友好型养殖模式，不仅大大提升了鲈鱼养殖成活率，还促进了鲈鱼产业的差异化发展[8]。又如，2019年，西北农林科技大学助力宁夏回族自治区中卫市开发了一套“气候、土壤及农业污染”监测系统，可较为精准地追溯污染源头，为农户提供生产前的环境预警支持，为当地政府在农田保护、退耕还林还草、发展碳汇林业等方面提供决策支持，取得了良好的社会效益和经济效益[9]。

第三，通过智能管理实现生产规范化。改革开放40 多年来，我国农业发展成绩显著，以8%的耕地养活了全球20%的人口，但也因农业规范化、制度化建设滞后，限制了农业现代化发展，导致农业生产、经营、流通的成本居高不下[10]。数据要素在农业生产中的应用，可以更好地实现智能化管理，提升农业生产的管理水平，逐步实现生产过程规范化。一是产中规范化。通过大数据、人工智能的应用来构筑农业生产的模块化流程，通过智慧农业管理系统来促进农业生产过程的标准化。二是产后规范化。农户利用依托于大数据构建的农业产销平台或物联网，可以紧跟市场需求，拓宽农产品流通及营销渠道，实现产后与产中数据的共享，建立可追溯的数字农业生态系统。三是全程规范化。数据要素嵌入农业生产过程，不仅是单个环节的嵌入，更是产前、产中和产后各环节的融合嵌入，任何一个生产环节的数据化和智能化管理不同步，可能就会影响到整个农业供应链的运行效率。因此，农业生产全过程必须构建统一的标准和模式，以实现各环节的数据共享和共生发展。

2.优化农业生产成效

第一，提升农业生产效率。农业大数据在生产过程中大规模使用，通过建立精准化的分析系统、可视化的监测及管理系统，能够提升农业生产效率。例如，2019年，北京市延庆区与中国农业科学院、天津大学、中国农业大学等单位合作，在延庆镇、八达岭镇建立了农业大数据孪生系统，加强对两镇的白梨、葡萄、有机杂粮种植过程中气温、水分、温度等因素进行大数据分析和预测，大大提升了农户的种植效率[11]。同时，数据要素的嵌入还能够提升农业生产智能化、自动化水平，有效替代人力劳作。当前，我国自主研发的农业机器人能够快速识别和消除杂草；无人机农药喷洒能够无死角覆盖；果蔬种养中的大数据密集生产系统可以实现农药化肥的减量使用及水分、养分的有效循环。数据要素嵌入农业生产过程，既能够提升农业生产的智能化、数字化水平，又能够与传统生产要素相结合来提升农业生产的集约化水平，减少生产中的不确定性，从而促进农业生产效率的提升。

第二，保障农产品质量稳定。在信息不对称的情况下，农业生产中的机会主义难以避免。当生产者存在机会主义倾向时，种植、养殖过程会带有一定随机性，毕竟按照规范化的流程种植、养殖会大大增加生产成本。大数据嵌入后，农户可以按照大数据智慧生产体系对农作物实施标准化和规范化的耕种、灌溉及病虫害防治。生产者按照标准化的农业生产流程进行生产，农产品质量就会获得相应保障。例如，山东省潍坊市2019年推出的“区块链电子农业系统”，将纳入该系统的各生产者、农业企业、流通企业、电商企业作为节点，利用人工智能设备来收集从生产到流通全过程的农业大数据并上传到区块链体系，实现了农业生产数据与市场终端数据之间的对接[12]。这种通过数据倒驱的方式可以让生产者看到农产品质量与销售量的关系，同时还通过构建农产品的质量追溯系统，倒逼生产者在生产端加强对农产品质量的把控。

第三，提升农业生产效益。提升农业生产效益主要体现在降低生产成本和增加销售利润。从降低成本的角度看，数据要素的嵌入可以大大缓解市场供需两端的信息不对称，提升供需对接效率，从而降低生产及交易成本。在产前，通过大数据来分析市场需求，做出合理决策，从而降低农业投入风险；在产中，数据要素嵌入可降低人力成本、管理成本，减少生产资料损耗等；在产后，数据要素嵌入可缩减生产与流通的对接时间，更好地实现产销对接，减少交易及供需匹配成本。例如，湖北省荆州市近年来相继出台了《关于推进农业农村大数据发展的实施意见》等政策文件，通过补齐数字基础设施短板，加快农业物联网建设，开发“荆农云”大数据系统。通过这些举措，2020年荆州市农村养殖户平均年收入增加了3 412.5 元、种植户平均年收入增加了1 421.3 元，生产效益显著提升[13]。可见，数据要素嵌入生产过程，在减少投入成本浪费、提升市场对接效率等方面发挥了重要作用。

第四，降低农业生产及市场风险。农业信息（包括生产、市场信息）的整合，是农业生产经营主体规避风险的重要举措。一是预警自然灾害。应用大数据建立农业自然风险预警监测体系及防范机制。例如，在新疆棉花种植区广泛应用的棉花病虫害预警网络体系，通过对气候、环境等数据的事先分析和预测，生产者可以提前对可能到来的自然灾害进行布控防范，大大减少经济损失。二是判断并规避市场风险。农业生产经营主体可以通过大数据系统来分析过往市场交易情况，合理预期未来市场需求，进而形成“先确定市场，再开展生产，推进产销结合、以销定产”的生产经营模式，从而有效避免生产的盲目性。同时，利用大数据建立起来的市场风险预警体系，可以降低市场价格变化对生产者利润造成的影响。三是防范社会风险。近两年，新冠肺炎疫情的全球扩散对我国农业生产带来了不利影响，嵌入大数据系统在助力疫情防控的同时，为购买农业生产资料和销售农产品提供了便利。例如，河南省新郑市近两年通过“新郑云”大数据平台加强与生产资料供应商进行对接，积极为农户调拨生产所需的化肥、农药等生产资料；同时还通过该平台加强与郑州电子商务产业园区进行对接，为农户销售农产品开发了专门渠道[14]。

（二）赋能农业经营

1.促进农业经营主体组织结构优化

当前，我国农业人口老龄化严重、接班人危机突出、经营规模小，制约了农业现代化发展。近年来，在国家政策及市场的双重推动下，以农业企业、农业专业合作社、家庭农场等为代表的新型农业经营主体成为小农户与现代农业相互衔接的中间组织。在此过程中，数据要素发挥了突出作用。一方面，大数据体系提升了小农户对接中间组织的精准度，扩大了数据要素的辐射范围，提升了农业数字化转型水平；另一方面，数据要素的运用改进了农业生产经营组织结构和发展模式，在一定程度上弥补了小农经营的不足。

第一，推进农业经营主体组织结构的重塑。数据要素的嵌入推动了农业组织结构向扁平化、去中心化、网状化发展，使得农业组织体系内成员联系更加密切，降低了合作成本，并使得组织体系运行得更加畅通、高效。例如，2019年贵州省铜仁市碧江区委托云上贵州大数据公司开发了“智慧碧江农业服务平台”，该平台设有农村党建、林地流转、公共服务、群众建议等8大板块，利用碧江政务大数据体系，对农村集体经济组织结构进行了数字化重塑，提升了农村集体经济组织在林地、土地等资源流转中的配置效率，从而提升了林地专业合作社等经营组织的运行效率，增强了合作社成员之间的合作协同[15]。同时，以农业企业、家庭农场、农业专业合作社等为代表的新型农业经营主体与小农户距离较近，便于了解小农户需求，可通过大数据体系加强这些新型组织与外部市场的衔接，充分发挥其在资源调配、聚集等方面的优势，提升小农户与大市场的对接水平。另外，数据要素的嵌入还推动了各农业组织间的交叉合作，催生了一大批体量较大的农业经营主体，如农业专业合作社联合体、农业产业化发展联合体等，大大加快了农业生产现代化、集约化进程。可见，数据要素的嵌入打破了固化的传统农业组织体系，使不同农业组织之间实现了信息共享和数据互通，为农业组织结构创新提供了支持。

第二，提升农业经营主体资源配置能力。在数字技术的推动下，数据要素嵌入能够促进各类农业经营主体在资源、要素供需方面更加透明，提升传统生产要素的流转效率，为农业经济发展带来更大的资源聚集效应。通过应用大数据系统，农业经营主体不仅能够快速吸纳各类生产要素，还能够推进生产要素的转移、汇集，对各类数字化生产要素进行重新编排，以提升其配置效率。当前，数据要素在农业经营中的聚集配置方式有两种：一是各级政府部门、行业组织、商业企业成立数据要素交易平台和数字服务平台，对劳动、资本等各类要素进行数字化并实现互通，进而提升各类数字化要素流动和交易效率。例如，2019年，贵州省清镇市利用贵阳大数据交易平台构建了“清镇农资数字服务平台”，该平台与淘宝农产品大数据进行对接，实现了农资数字化聚集及交易电子化，当地茶叶、中草药种植大户所需的农资直接从淘宝平台上发货，减少了中间的流通环节[16]。二是通过农业专业合作社、农业企业等新型经营主体来构建数字产业链和供应链，发挥这些新型农业经营主体的资源调配作用，将资源要素汇集后再按照产业链或供应链上各主体的需求进行分配，达到整合再利用效果。近年来，这种资源配置方式主要应用于农业产业链金融领域。小农户采集信息的成本较高（因为金融机构与小农户之间信息对称度较低）且缺乏普通融资所需的担保物，面临较为突出的信贷约束。农业企业、农业专业合作社等新型经营主体构筑的农业产业链金融在化解农村金融困境方面发挥了突出的作用。例如，陕西供销集团作为产业链金融的中间主体，从2017年开始联结省内外44家农业企业为产业链上的农户提供股权融资或担保，吸纳了10.87万建档立卡户参与到产业链金融体系中。到2020年末，参与的建档立卡户全部实现脱贫，人均可支配收入增长了21.5%[17]。实践表明，农业数字金融的发展以及由此构建的数字信用体系，通过大数据调控生产经营风险，能够确保农业经营主体快速获得信贷资金，成为解决小农户“融资难、融资贵”的基本途径。

第三，提升农业社会化服务体系的服务能力。随着数字经济的快速发展，农业社会化服务体系也从原来统一管理、统一标准的服务模式向多元化、定制化、个性化服务模式转变。由于农业生产者老龄化、文化水平不高、对数字技术存在认知上的障碍，为充分发挥农业社会化服务体系的服务能力，新型农业经营主体既要充当好新型农业社会化服务体系的传导器角色，为小农户提供信息咨询等服务，又要不断提升自身对数字农业的理解，为小农户的数字化转型提供示范。当前，从我国农业社会化服务体系的服务内容看，主要包括在生产过程中为农户及新型农业经营主体提供信息服务，在经营过程中为供需双方提供交易中介服务，在生产经营全过程中提供物流、融资、金融支付等各类派生服务。例如，大北农集团近年来致力于打造服务于小农户、种养大户、农业企业、农业专业合作社、家庭农场等不同农业生产经营主体的多元化服务平台，按照不同生产经营者的实际需求提供多样化的动物保健、植物保护、疫苗、育种、生物饲料、融资等多种服务，基本上实现了服务的定制化。截至2021年底，大北农集团的社会化服务体系覆盖全国1 400 个县，涵盖种植、养殖、农产品加工等多个领域，入选农业农村部2020年评选的“农业社会化服务企业100 强”[18]。

2.促进农业产业结构转型升级

作为生产要素，数据在嵌入产业发展过程中会突破技术、空间障碍，嵌入传统生产要素中，推动三次产业从分割走向融合共生，在促进农业产业结构、经营结构升级的同时，优化三次产业的总体结构。

第一，数据要素的嵌入促进了农业经营结构和商业应用模式的创新。数据要素既可以促进各类生产要素的融合，又能够发现市场需求，为提升生产效率、弥补行业发展短板提供支持。从产品研发角度看，研发出以农业生产经营主体为中心的大数据产品，可实现农业、市场等数据的更好互动，为农业生产经营主体提供更多知识资源。例如，北京一亩田新农网络科技公司开发的“一亩田农业大数据平台”，既是搜索引擎，又是综合性的商业和农业数据库，能够同时满足农业供需两端的用户需求。从市场流通角度看，大数据营销平台的构建可以在更大范围内实现产销对接，提高农产品个性化水平，提升农业企业资源利用效率。从商业应用模式创新角度看，农业大数据研究者可利用现有各类涉农大数据间的关联，预测农业产业结构变化方向，引导新型农业生产经营主体开展经营创新。数据积累是当前数字农业商业模式创新的基础，不论是产前的生产经营，还是产中的加工物流，抑或产后的营销流通，均需要大数据支持。例如，2019年，云南省红河哈尼族彝族自治州政府与阿里集团合作建立了“滇东农业大数据一体化应用平台”，该平台是数字农业、数字乡村建设一体化的综合平台，实现了州、县、镇三级农业大数据共享，以及农业灾害预警、应急管理、农产品销售、生产资料供给等方面的协同，为红河哈尼族彝族自治州打造高原特色数字农业奠定了坚实基础[19]。

第二，数据要素的嵌入推动了农业内部结构的升级。从农业生产结构上看，粮食作物、经济作物、饲料作物，种植业、养殖业、农业加工业，农业生产、乡土文化、乡村旅游等农业生产经营环节和产业样态实现了大范围融合，大数据在应用过程中不断推动农业供给侧结构性改革，使得生产端与需求端联系更加紧密，农业生产经营更加符合市场需求。从空间布局上看，数据要素是实现农业多功能性、数字化转型不可缺少的资源，既可以降低经营成本，又可以促进农业内部产业的协同发展。从产业链角度看，数据要素的嵌入可以实现产业链、价值链、供应链“三链互动”，促进创新链、资金链与人才链的相融，在一定程度上缓解了农业产业链碎片化造成的价值低、增值难问题。例如，广东省高州市近年来着力打造的“智能生产+数字营销”农业产业链体系，通过发挥高州各乡镇水产养殖、生猪养殖、肉鸡养殖的优势，引进新希望、正大、温氏等农业龙头企业，打造了“农业龙头企业+养殖户”的产业体系，并组建了一支“网红”营销队伍，利用抖音、快手、QQ、微信等短视频平台进行营销，大大提高了当地特色农业发展水平[20]。

第三，数据要素的嵌入还可以促进农业与二三次产业的融合发展。数据要素的嵌入推动了各类生产要素在城乡、区域之间的双向流动，对于解决我国农业产业链短、与二三次产业联结度不高等问题有现实推动作用。对于二次产业而言，数据要素的嵌入可以有效对接消费市场，优化农产品加工中原料供给和加工过程的对接，减少加工损耗，促进农产品加工业的智能化发展。对于三次产业而言，数据要素的嵌入可以推动农业服务业发展由线下转为线上，服务范围由区域转向全国。例如，农业农村部从2016年开始建立了“全国农机服务对接数据库”，江苏、河南、安徽三地的农机专业合作社利用该数据库能够在短时间内有效对接全国各地的需求，并提供农机服务。每年的收割季节，来自于这三省的农机活跃于我国大江南北，成为覆盖全国的专业农机服务体系，农机服务业成为这三省农业服务业发展的亮点。

综上，数据要素的嵌入，在促进农业新业态和新模式发展、快速实现与二三次产业的融合、发挥农业多功能性等方面发挥了重要作用。

（三）赋能农业治理

1.促进农业治理结构的扁平化

推进农业治理结构的扁平化是实现基层治理现代化的内在要求，也是提升农业治理效率的保障。首先，数据要素的嵌入可以为小农户与村委会、村经济组织的互动提供有效支持。例如，家庭农场、村级企业等经济组织通过大数据技术，可以较好地获取小农户的意见和诉求，提升农业产业链上各个主体的互动效率。其次，数据要素的嵌入可以为农业生产经营主体与乡镇政府、县政府的互动创造条件。农村农业治理中的“最后一公里”一直是基层治理的难题，通过数据赋能，乡镇及县级政府能够及时了解农业生产经营主体在生产资料购买、农产品销售、土地流转及征收等方面的诉求，提升其处理效率，也加强了对农业生产经营主体权益的保障。最后，数据要素嵌入可以实现农业生产经营主体与市场的互动。例如，从2017年以来，农业农村部联合阿里、京东等电商平台，加大对农业生产、流通数据的采集，建立了大宗产品、生鲜产品、小额零售产品的专门电商平台，实现了农产品流通的信息透明化、责任可追溯化，最大限度地保障了市场的公平，提升了生产者的可获得感[21]。

2.促进农业治理的数字化发展

随着大数据的嵌入，在农业生产方式规范化、绿色化、集约化转型的过程中，农业发展也呈现出一些新特征，这就要求农业治理必须要构建符合农业数字化发展的新型治理机制。农业治理体系数字化发展不仅能够降低治理成本，还能够提升政务、村务、财务等管理服务的协同，提高农业治理效率。同时，地方政府还可以通过大数据平台来进行精准化农业治理决策，从静态治理向动态治理转变，有助于防范和降低农业农村的重大风险。在实践中，各地正在积极提升农业治理的数字化水平，一方面通过整合政府各部门的涉农数据，建立统一的农业数字化治理平台，实现农业生产、经营过程的数据共享及预警监测；另一方面通过借助科技企业及其建立的涉农数据平台，打造各地的“农业云”系统，全面提升农村公共服务及行政管理的数字化水平，促进农业治理的现代化转型。例如，2020年4月，青海省共和县推出的“共和农业农村电子公共服务平台”正式上线，平台设有电商营销、纠纷解决、救助申请等10 个板块，农户可以通过微信、QQ 等账号来登录平台，实现足不出户解决各类问题，解决了该县因面积大、农牧户居住分散所致的公共服务难以覆盖问题[22]。

三、数据赋能农业现代化面临的现实挑战

（一）理论困境

作为新型的生产要素，数据可以应用在生产和供给中，还可以与传统生产要素相结合发挥出乘数级效应。农业作为基础产业，数字化水平不够高，在转型过程中对数据要素的使用需求更大，面临的问题也更多。

1.数据要素赋能农业发展的技术和贡献认知有待提高

作为生产要素，数据可以渗透到传统生产要素（如土地、劳动）中，并推动这些生产要素的创新、改变这些生产要素发挥作用的方式和效果，还可以直接参与到农业生产和流通体系中，突破传统生产要素作用机制的边界。然而，如何更好地推进数据要素参与农业生产、经营、治理，以及如何更好地发挥其参与的特殊作用，都亟待明确。

第一，数据要素赋能农业发展的技术认知有待完善。农业大数据是在生产、流通、管理、经营、投资等各环节中形成的，是具有经济价值且时空交织的信息载体，能充分反映农业生产、经营、治理等环节与市场、资源、环境等之间的关系。农业大数据既是农业生产经营各环节中相关原始信息的记录，更是经过加工后的信息记录。不管是生产经营的原始数据还是加工后的数据，都是生产经营主体的活动、种养过程、环境资源等方面的具体体现，来自于不同领域的数据存量和流量存在较大差别，如何评价这些数据在农业生产经营环节的作用，以及如何区分其与传统生产要素数据在农业生产经营中的不同作用，都是难题。同时，数据的传播速度快，保存相对稳定，难以“变质”，如何测度这些农业数据的价值并对其进行合理定价也存在理论困境[23]。另外，在农业现代化进程中，数据作为生产要素，如何与传统生产要素互联互通，提升其数字化水平的作用到底有多大，明确回答这些问题均需要相应的理论研究作为支撑。

第二，数据要素在农业再生产过程中的具体贡献有待厘清。数据作为生产要素与传统生产要素的最大区别就在于，它并不是直接驱动农业生产经营，而是与其他要素相融合、与技术一起来推动农业生产经营发展。换言之，数据要素需要与其他要素相互协作、互联互通，只有达到一定的质量和数量后才能在农业生产经营中发挥作用。因此，数据要素投入的质量、数量与农业产出的关系和传统生产要素投入的数量、质量与农业产出的关系是否相同，这是值得研究的理论问题。需要注意的是，在农业再生产过程中，数据要素并不会如传统生产要素那样出现减损或损耗，反而会因为大范围流动及多次使用而增值，无需反复补充。然而，数据要素在农业再生产中的具体贡献有待从理论上厘清。

2.数据要素的所有权、利益分配权有待厘清

第一，数据要素权属界定法律规定不明。明确、清晰的权属关系是保障数据要素完整性的基础，也是促进数据要素交易和流通的前提条件。但是，当前包括涉农数据在内的各类数据，其权属关系法律界定不明，这既不利于数据的流动和交易，也限制了数据要素配置效率的提升。就农业数据的搜集和获取看，数据产生、搜集、存储、传输、加工、利用等各环节会涉及农业生产经营主体（包括小农户）、各级政府、企业等，很多涉农大数据体系和平台带有很强的公益属性（多是政府单独投资或政府与企业共同投资），数据权属较为混乱。如农业生产、经营中产生的数据，其初始权属归生产经营主体还是归政府部门？如果归农业生产经营主体，其数据财产权如何保障；如果归政府部门，政府数据带有公益性，除了涉及国家安全、经济安全、生物安全等数据无法公开外，其他数据均应该公开共享。《中华人民共和国民法典》（以下简称《民法典》）《中华人民共和国数据安全法》（以下简称《数据安全法》）等法律中只是将数据权作为一种财产利益，而非所有权。这导致数据权属的边界、财产权益的边界较为模糊。另外，大量的农业初始数据经过了加工处理，这些初始数据在加工中的贡献有多大，加工者（主要是企业）是否应当独享其财产权益。如果加工者独享财产权益，对生产者不公平；如果加工者不能独享财产权益，势必会影响加工者投入的积极性，如阿里、京东等平台通过布局农业供应链、产业链金融获得了大量的农业原始数据，同时也对这些原始数据进行了大量加工，加工后的数据蕴含着这些数字平台的劳动，此时的知识产权保护存在复杂关系。可见，农业数据不仅来源广泛、涉及环节众多，很多数据还带有准公共产品属性、权属关系不明，这都影响了数据赋能的效果，也影响了数字平台、农业企业和政府部门投入的积极性。

第二，数据要素收益分配权缺少法律规定。数据作为生产要素，在流动、交易的过程中会产生收益，而且随着交易、流动的次数增多，增值的概率也在随之增大。因此，在交易和流动中所产生的经济收益如何分配，在理论和实践中存在较大争议。从农业数据产生的角度看，原始的权利人理应获得部分收益，但这部分收益应当如何界定，与农业数据产生过程和农业数据主体类型有直接关系。例如，小农户在农业生产经营中所产生的数据与家庭农场在农业生产经营中所产生的数据对数字平台企业的价值是不同的[24]。同时，如前所述，数据处理者付出了劳动，也应成为事实上的收益主体，但是很大一部分农业数据是政府部门加工完成的，政府部门能否享有财产权益，以及在多大程度上享有这些财产权益是值得思考的。

综上，由于数据要素权属及收益分配权的法律规定尚不明确，使得现有的几大区域性数据要素交易市场上涉农数据交易量很少，农业数据利用进程缓慢。农业数据所涉及的参与主体众多，在推进农业数字化转型进程中会产生大量数据，因此，厘清各个参与主体的收益分配比例及方式是重要的理论问题，面临着诸多的理论困境。

（二）实践挑战

尽管数据要素赋能在推进农业现代化发展中可以产生巨大的作用，但在实践中，因农业的特殊性，数据赋能也面临着诸多挑战。

1.数据要素市场体系不够成熟

数据要素赋能涉及数据流动及交易问题，当前我国虽然建立了区域性的数据交易市场，且涉农数据也成为交易对象的一部分，但数据要素市场体系不够成熟，影响了数据赋能农业现代化发展的效果，具体体现在：

第一，数据标准化程度不高。当前，我国数据要素交易的区域平台未实现互联互通，在数据分类、搜集、存储、传输、交易、共享及流动等方面的标准体系建设尚未规范化，数据兼容度较差，难以推进跨区域的流动和交易。例如，在涉农数据收集方面，对于农业生产经营、农民生活、农村生态环境等方面的数据收集方法不同，传输格式也存在较大差异，导致数据的质量无法按照标准化方式进行评估，降低了数据流动的效率。例如，贵阳大数据交易所2020年全年涉农数据交易额是其总交易额的4%，这与其涉农数据标准化建设水平低有密切关系[25]。

第二，数据交易模式创新度不高。现有的数据要素交易区域市场上所交易的数据主要是未经加工的原始数据，平台的职能还是以交易撮合为主。面对市场多样化的需求，欠缺对初始数据的清洗、分析、加工等操作，定制化的数据增值服务模式也不多，难以发挥数据要素的真正价值。就涉农数据而言，农业生产经营主体特别是普通农户数据处理能力不足，难以对涉农数据进行深加工。如果没有对农业数据的深加工，数据要素赋能农业现代化的作用便难以发挥。

第三，数据资产价值认定困难。数据要素要参与市场分配、提升其赋能效果，就必须认定其资产价值。在当前实践中，一般资产的价值评估办法主要有市场法、收益法和成本法，但不论哪种方法，都需要对数据要素实施准确定价，然而数据要素市场价格扭曲、难以定价，这几种办法均存在较大局限。

2.数据要素治理机制不完善

加强数据要素治理体系建设，完善数据要素治理机制，是实现数据要素赋能的重要保障。当前我国数据要素包括涉农数据要素在内的治理体系不够完善，影响了数据赋能作用的发挥。

第一，数据开放共享的激励机制缺失。实现数据的开放共享，就意味着数据控制者会丧失数据控制权，对其数据财产收益产生不利影响。因此，如何构建合理的激励机制，鼓励数据控制者推进数据开放共享进程极为重要。对于涉农数据尤为明显，如水资源、土壤、气象、地质、生物多样性等数据。这些涉农核心数据是其赋能农业现代化的基础，在缺少成熟激励机制的情况下，各级政府应承担宏观调控职责，否则有些数据控制者会因其营利动机而阻碍涉农准公共数据的开放进程，导致削弱数据要素赋能农业现代化的作用。

第二，数据安全的保障度不高。数据不管是开放共享还是通过市场交易加以利用，其安全保障是基础。但随着数据要素利用范围及深度的加大，数据在存储、传输、流动中面临的泄露、窃取等问题日益突出，对于个人隐私、经营者商业秘密、国家安全均造成了重大影响。例如，山东省昌邑市青阜农业综合体主要从事小麦、玉米、苜蓿、棉花等生产，拥有各类农业机械400 余套，其中80%是进口自美国、德国、日本等国家[26]，在农业机械的使用过程中，关于土质、气候、种植情况、产量情况等数据均需要上传到设备后台，存在较为严重的数据泄露风险。尽管《民法典》《数据安全法》等法律对于数据存储、传输、交易和流动等环节的安全做了相关规定，但仍不能改变数据安全保障制度体系不健全的局面。

第三，数据监管机制落后。因我国在数据监管方面缺少统一的顶层设计，各个部门出台的监管标准存在一定的差异，导致各自为政的情况严重。有学者统计，从2015年8月国务院印发《促进大数据发展行动纲要》以来，国家发展和改革委员会、农业农村部等10个部门共出台40多个关于数据要素市场建设和监管的政策文件，部分政策文件间存在矛盾和冲突，导致部门壁垒等问题突出[27]。例如，2017年11月农业农村部发布的《关于推进农业农村大数据发展的实施意见》中要求建立“农业自然灾害大数据预报系统”，2017年12月水利部发布的《关于推进水利大数据发展的指导意见》中要求建立“农村水利治理大数据系统”，这两个系统均涉及农业水资源数据，但两个意见规定的数据收集方式及系统运作模式有较大差异，使得农业水资源大数据管理容易产生冲突。另外，阿里系、百度系、腾讯系均建有农业大数据系统，但这些系统间的互联互通程度低、数据共享困难，存在严重的行业壁垒。当前我国针对数据要素市场的监管主要集中在反垄断、反不正当竞争方面，但数据要素市场的监管应是全方位的，特别是农业大数据呈较强的线上、线下融合趋势，破除监管壁垒、构建多部门协同的综合性监管机制极为必要。

四、数据要素赋能农业现代化的对策建议

我国作为数字经济大国，拥有庞大的数据规模，据国际数据公司（IDC）的预测，到2025年我国各行各业积累的数据量将达48.6ZB，约占全球的30%[28]。因此，在“十四五”期间，要推进农业现代化、全面促进乡村振兴，就必须加大数据赋能。基于当前数据赋能中存在的各类问题，本文提出以下对策建议。

（一）夯实数据要素赋能的能力基础

第一，注重农业数字化发展的人才培育。数据要素赋能农业现代化，离不开人才的支持，人力资本及专业知识水平决定数据赋能的效果。当前，我国大量的青壮年劳动力进城务工，农业人口严重老龄化。因此，要推进涉农人才培养模式创新，全面整合政府部门、科研机构、农业企业、高等院校等各类资源，针对农业经营管理、技术支持、大数据利用等构建多元化的人才培养体系。在理顺农业数字人才培养体系的基础上，建立合理的激励机制，鼓励人才资源下沉，不断提升农村农业人力资本，为农业数字化转型提供智力支持。

第二，鼓励农业生产经营主体加快农业数字化转型。我国数据要素市场中存在数据权属不明、定价困难、资产评估机制缺失、数据治理机制不完善等问题，导致农业生产经营主体利用大数据的动力不足、推进农业数字化转型的意愿不强。因此，各级政府部门应建立合理的激励机制，鼓励数字企业扩大涉农大数据服务范围，为农业生产经营主体提供社会化服务的数据支持。另外，要进一步完善我国数据要素市场建设、厘清涉农数据权属、建立市场化定价机制、激发数据要素在农业资源配置中的活力，以提升农业生产经营主体进行数字化转型的动力和意愿。

第三，构建农业大数据综合服务体系。2020年1月，农业农村部、国家互联网信息办公室印发的《数字农业农村发展规划（2019—2025年）》中指出，加速推进农业数字化转型，应以数据资源共享、农业农村治理、智能预警监测等为核心来发展涉农云平台、农业政务数字系统和农业服务大数据平台，发挥数据要素对推进农业现代化转型的驱动作用。因此，在“十四五”期间，各级政府应基于本地大数据产业、农业现代化发展实际状况，加速推进农业大数据平台建设，不断完善农业大数据平台在数据搜集、加工、分析、处理、交易等方面的功能，加大数据要素技术支持和创新，不断提升农业大数据的赋能效应。

第四，推进数字乡村基层设施建设。工业和信息化部的数据显示，截至2020年末，全国行政村4G 和光纤覆盖比例均超过98%，农村宽带用户达1.42亿户，数字乡村建设成效显著[29]。但是，数字乡村建设中的资金和项目投入差异、区域间发展不平衡依然存在。民政部数据显示，我国行政村约69万个，自然村约263万个，东部地区的数字基础设施基本上能够覆盖到所有自然村，但中西部地区还有部分自然村无法实现4G 和光纤的全覆盖[30]。因此，未来我国不仅要补齐自然村数字基础设施发展不平衡的短板，还要加大资金统筹力度，着力推进5G 基站、大数据中心、电商平台及物流设施等基础设施建设，进一步提升我国数字乡村建设的深度和广度，为数据要素赋能提供硬件支持。

第五，推进数据要素赋能与农业再生产过程的融合。数据要素在赋能农业现代化进程中有多种应用场景，但只有与农业再生产过程相融合，才能全面赋能农业产业，进而成为农业现代化发展的推动力量。当前，人工智能、AI算法、区块链、智能装备等与农业再生产过程结合度还不高。一方面，各级政府应出台相应的激励政策，鼓励数字企业、高等院校和科研院所就农业产业链全过程数字化转型的要求，集中力量研发农业现代化转型所需的各类数字技术及设备设施；另一方面，应加大对农业数字技术和设备设施研发的财税支持，扩大农业大数据产品应用试点范围，推进试点示范与研发之间的互动。

（二）理顺数据赋能的体系框架

第一，完善数据赋能农业现代化的制度体系建设。一是推动农业大数据标准化建设。在全国确立统一的农业大数据标准来规范涉农数据的收集和利用，完善涉农数据要素的分级分类机制，鼓励涉农数据要素进入市场并跨区域流动和交易。二是厘清涉农数据要素权属关系。在现有法律框架下厘清涉农数据的所有权问题，明确涉农数据使用权的边界，明确涉农数据在收集、加工、分析、处理、利用、共享等环节的利益分配关系。三是完善涉农数据安全保障机制。建立安全保障机制是推进数据要素利用并保障其赋能效应的基础，也是规范数据交易和流动秩序的内在要求。因此，在涉农数据安全保障机制建设过程中，不仅要完善相应的安全防护机制，还要厘清涉农数据在利用、交易和流动等各环节中的安全要求、标准、责任划分。四是完善涉农数据赋能中的分配体系。一方面在厘清数据权属及分配主体基础上，要兼顾好小农户、新型农业生产经营主体、数字企业等参与者之间的关系；另一方面要完善数据要素资产化评价体系，明确涉农大数据参与市场分配的方式、路径及标准。

第二，建立农业数据要素的开放共享体系。农业具有天然的弱质性，受自然、市场的双重影响，同时承担着国家粮食安全保障及社会稳定重任。因此，涉农数据不同于其他数据，推动其开放共享更有利于农业现代化发展[31]。正因农业数据具有准公共产品属性，我国已经在部分区域性数据交易平台上搭建了专门的涉农数据交易体系，如贵阳大数据交易所设有专门的涉农大数据交易平台。同时，农业生产经营主体的数据分离、割裂等问题突出，涉农数据要么难以搜集和挖掘，要么掌握在少数市场主体手中，数据孤岛化现象较为突出。因此，国家应加大涉农数据开放共享的顶层设计，各级政府应完善涉农数据开放共享机制，一方面要在保障安全的前提下推进涉农公共数据（如气候、地质等数据）集中并向农业生产经营主体开放；另一方面要在涉农数据交易体系中建立确权、管理、交易、流转的一体化机制，提高涉农数据流转效率，鼓励涉农数据向农业生产经营主体开放。

第三，完善农业数据要素治理体系。一是完善农业数据监管体系建设。当前，我国涉农数据在监管方面存在较严重的条块化分割和部门壁垒。因此在涉农数据监管过程中，应以农业农村部为主，厘清其与国家互联网信息办公室、国家发展和改革委员会、国家市场监督管理总局、商务部等部门之间的权限划分，构建协同监管机制，加大对垄断、不正当竞争、违反数字伦理等行为的打击力度。二是明确农业数据治理各参与方的权责。一方面，要完善相关法律法规及监管指南，在鼓励数据要素赋能农业现代化的基础上，督促各参与方建立均衡的利益分配机制；另一方面，要加大对农业生产经营主体（特别是小农户）关于农业数字化转型相关政策、法律、机制等方面的教育，不断提升其参与农业数据治理的能力。总之，建立和完善农业数据要素治理体系，既要鼓励创新、推进农业数字化转型，又要维护农民的数据权益、提升农民参与农业数字化转型的积极性。