对数据时代“新二元经济结构”及其发展演变的分析和思考

辰昕　韩非池　刘逆

关键词：经济部门 数据业 新二元经济结构 生产要素流动

一、引言

经济部门是按照一定原则对经济活动进行分解和组合而形成的多层次的产业概念。美国经济学家阿瑟·刘易斯（Lewis，1954）曾提出经典的二元经济结构理论，把发展中国家的经济区分为传统农业为主的“维持生计的部门”和现代工业为主的“资本主义部门”，由于两部门间劳动的边际生产率存在差异，现代经济部门在增长和扩大的过程中，可以不受限制获得传统经济部门的剩余劳动力。随着工业化进程的推进，现代经济部门的发展把传统经济部门的剩余劳动力吸收殆尽，二元经济增长作为一种过渡状态，最终将逐步转变为同质的现代经济增长。

刘易斯的二元经济结构理论，对19至20世纪第一、二次工业革命开启的工业化时代，发展中国家的工业部门如何引领经济起飞，给出了比较清晰、系统的描述。随着第三次科技革命持续深化，数字化时代到来，数字经济勃然而兴，数据成为推动工业机器人、量子传感器、人工智能等基础性技术成熟应用，促进计算机和网络、软件和硬件、知识和算法等基础性资源开放共享，创造新时代经济新增长点和财富新格局的关键生产要素①。西门子公司董事德里克奈克认为，数据是现代经济最重要的资源。思爱普公司董事托马斯˙绍雷西希则将数据称为决定性因素②。

伴随数据要素逐渐走向历史舞台中央，包含对数据进行挖掘、存储、管理、分析、交换等的数据业正积厚成势，逐渐成为引领经济发展的重要行业，甚至成为理想中的第四产业。对比数据化进程和工业化进程，21世纪的数据业，是否能像19世纪的工业一样，形成一个新的独立经济部门，引领实现经济的再起飞？在这一过程中，是否会再次产生类似二元经济结构这样的过渡状态？这正是本文讨论的问题。

本文对当前数据业的发展进程和独特地位进行了梳理，系统分析了数据业与传统工农业部门之间的劳动力和资本流动，通过将数据要素引入生产函数，分析了数据业与传统工农业之间要素流动的实现机制，提出与经典的工农业二元结构①类似，当前数据业正发展形成新的“数据部门”，并催生“新二元经济结构”，同时对新二元经济结构发展演变的不同阶段，对不同发展水平国家可能产生的影响，以及需要注意的风险问题进行了分析展望。可以预见，新二元经济结构这一进程将持续深刻影响经济社会发展的各个方面，并在可见的未来重塑整个社会的生产生活方式。

二、研究综述

1.二元经济理论

“二元经济”的概念最早由英国学者伯克在其著作《二元社会的经济学和经济政策》中提出。美国经济学家刘易斯（Lewis，1954）第一个正式提出二元经济理论，他指出在发展中国家一般存在着性质完全不同的两种经济部门，一种是资本主义部门或现代工业部门，一种是自给农业部门或传统部门。传统部门生产落后、劳动边际生产率为零，现代部门生产技术先进，二者形成“二元经济结构”。这种两部门封闭经济发展模型阐述了这样一种状况：无限的劳动力供给致使农业劳动力源源不断地进入城市工业部门，直到城市部门吸纳完所有的农业剩余劳动力后二元经济消除。费景汉、拉尼斯（H.Fei&G.Ranis，1964）则对该理论进行了修正。他们把二元经济发展分为三个阶段：第一阶段，劳动力供给弹性无穷大，农业劳动力的边际产品大于零，但小于工资水平;第二阶段，经济中存在隐蔽性的失业;第三阶段，突破“商业化转折点”后，二元经济结构向一元融合。费景汉和拉尼斯认为工业和农业两个部门的平衡增長对避免经济增长趋于停滞十分重要，在一定程度上完善了二元经济发展理论。之后，国外相关学者针对二元经济结构的成因（Jorgenson，1961;EswaranandKotwal，2002）、发展路径（HarristandTodaro，1970;Jefferyetal，2000）及其对劳动力市场（Bose，1996;Arai，1997）、收入分配（DeiningerandSquire，1998;Bourguignonand Morrisson，1998）等领域的影响进行了一系列深入研究，二元经济理论成为刻画发展中国家工业化进程的经典理论。

国内学者结合对二元经济结构也进行了一系列本土化研究。张显高（1964）、范家骧（1980）、梁小民（1981）等开始向国内介绍和引入刘易斯、费景汉、拉尼斯等人关于二元经济的研究成果。之后国内学者遵循二元经济理论的范式，围绕我国的经济结构（李克强，1991;陈吉元和胡必亮，1994;郭剑雄，1999;陈宗胜和黎德福，2004;周燕和佟家栋，2012）、劳动力转移（韩保江，1995;周天勇，2001;蔡昉，2003）、收入分配（陈宗胜1994;林毅夫，1998;李陈华和刘思维，2006）等问题进行了一系列研究，认为我国的工业化进程具有典型的二元经济特征，同时着重分析了一些有中国特色的现象和问题，例如乡镇企业、户籍制度、开放经济、农村建设等。部分学者还试图跳出中国经济的框架，在理论层面进一步拓展二元经济模型。例如蔡昉（2013，2015，2018）提出二元经济理论并非只适用于发展中国家，大部分国家在从“马尔萨斯贫困陷阱”式的增长向索罗新古典增长演进的过程中，都必须经历二元经济的过渡阶段。

2.数据要素对经济发展的影响

随着数字经济的发展，数据要素逐渐成为影响经济发展的关键生产要素。亚马逊前首席科学家AndreasWeigend提出，21世纪数据成为最重要的原材料，数据就是新石油。Juliane（2018）、Jones（2020）、Farboodi（2021）等研究发现，数据是推动经济增长的重要因素，数据市场提供了促进数据广泛使用的激励，当多个企业同时使用相同数据时，会产生巨大社会收益，大企业更容易发挥数据价值，甚至主要从销售数据中获利。王胜利、樊悦（2020）、林志杰、孟政炫（2021）认为数据要素能够降低成本，加速再生产循环，并能提高其他生产要素的使用效率。随着数据要素的重要性日益凸显，数据业成为引领经济发展的重要产业。辰昕等（2021）进一步提出，随着经济发展和技术进步，数据业勃然而兴，应当创新完善产业划分理论，将数据业设为第四产业，并认为数据业将成为推动未来经济社会发展、引导劳动力流动迭代、实现产业跃迁升级的重要力量。

对于数据业如何影响经济结构，乃至是否形成了一个新的独立经济部门，目前尚未有系统的理论研究。但在讨论数字经济相关问题时，有少数政策制定者或学者提出了可参考的论点或判断。政策方面，“十四五”规划《纲要》将数字经济单独成章进行论述，将数字经济的重要性提升到了一个新高度。《“十四五”数字经济发展规划》则提出，数字经济是继农业经济、工业经济之后的主要经济形态。这一论断虽然未将数字经济作为一个经济部门，但已将其和农业、工业并驾齐驱，并作出了数字经济必将后来居上的判断。学术研究方面，仅有周春生，汪祉良（2022）提出，新时代数字经济由于具有无限供给的特征，与有限供给的传统经济部门形成了“新二元结构”①。总体看，学界和政界对数字经济、数据要素以及数据业的重要性有比较充分的认识，对数据化进程产生新二元结构的观点也已开始萌芽，但对于数据业是否形成了新的经济部门、这一新经济部门应当划定在什么范围、新经济部门形成的内在机理，尚未形成一致判断。

三、数据业正发展壮大并日益形成新的独立经济部门

1.数据业在国民经济中已占显著比重

判断一个产业能否形成新的独立经济部门，首先要从量上考察经济规模和增长态势。当前，数据要素的规模扩张和应用拓展呈井喷态势，据国际数据公司（IDC）预测，全球数据圈将从2018年的33ZB②增至2025年的175ZB，我国数据圈将从2018年的7.6ZB增至2025年的48.6ZB。“十三五”期间，我国数据要素市场复合增速超过30%。5G、大数据、人工智能、区块链等技术正加速向各行业融合渗透，数据赋能、赋值、赋智作用日益凸显。在此背景下，数据业快速扩张，在整个国民经济中已占据重要份额。

从窄口径看，数据业作为将数据转化为数据资产、将数据资产加工为数据产品和服务，并以数据产品和服务为相关产业赋能的行业和厂商的总和，包括数字经济中数据产业化、产业数据化、数据价值化三方面内容（辰昕等，2020）。据中国信通院测算，2020年中国数据相关核心产业，包括电子信息制造业、基础电信业、互联网行业、软件服务业等总规模达到7.5万亿元;农业、工业等传统产业数据化规模按数字经济就业比重劈分计算，达1.9万亿元;數据要素市场规模达545亿元。由此估算，2020年中国数据业规模约9.5万亿元，占GDP比重为9.3%。从宽口径看，全球各国以数据业为核心组成部分的数字经济正蓬勃发展，2020年发达国家数字经济已占GDP的54.3%，我国数字经济占GDP比重已达到38.6%，成为国民经济新的重要增长点。

2.数据业具有独特的生产方式

判断一个产业能否形成新的独立经济部门，更重要的是从质上考察该产业的生产方式是否与其他产业具有系统性区别。美国经济学家库兹涅茨曾提出自然资源使用、生产单位规模、生产过程、最终产品、资源使用比重和总产出比重等六个方面因素，作为判断产业是否能作为独立经济部门的标准。当前，数据要素的挖掘、存储、管理、分析、交换等已形成较为完整的产业体系，数据供应链和价值链也已逐步成形，数据业在库兹涅茨所提出的六个方面因素上，都具有显著独特性。

一是投入方面。相比于农业、工业和服务业主要投入劳动力和资本，以具有物理形态的“原子”作为加工对象，数据业则在劳动和资本的基础上充分投入和运用数据要素，加工无形的数据“比特”。在资源使用比重上，数据业大部分成本来自数据要素的采集和处理，而数据传输、复制、使用等的边际成本接近于零，这与农业、工业等传统产业的成本结构大相径庭。

二是生产方面。数据业最底层的“生产单位”是每一个连入互联网提供数据记录的个人，其次是集成数据的平台企业，在规模上呈现出两极分化的趋势。主要生产过程是运用算力对数据分析、综合、集成从而形成数据产品或服务，在生产单位规模和生产过程上与农业、工业、服务业有本质区别。

三是产出方面。农业等第一产业的最终产品，是利用自然生产形成有形、固定的农产品。工业等第二产业，则是通过对自然物进行加工，最终形成有形、固定的工业品。服务业作为第三产业，则是以工农业等的产出作为投入，最终形成有形、流动的服务。与之相比，数据业则是以第一、二、三产业的数据作为投入，加工形成无形、流动的数据产品和服务，是不同于物质产品和劳务服务的全新产出形式。

3.数据业是影响广泛深远的“第四产业”

判断一个产业能否形成新的独立经济部门，还需要考察该产业对于其他产业乃至整个国民经济的作用和贡献。数据要素具有很强的正外部性，数据业通过推动数据与传统生产要素深度融合，能够显著降低市场信息不对称，促进劳动力、资本、技术等生产要素优化组合，引领带动传统产业技术变革升级，催生新业态，激发新模式，促进要素配置效率和劳动生产率提升。数据业还能有效拓展生产可能性边界推动先进技术扩散，引致传统产业的结构优化和升级，从新资源、新技术运用、交易成本降低、价值链及网络重构等多方面为商业模式提供创新，提升社会管理水平。

当前数据业的引领作用已深入到各行各业的方方面面。农业农村领域，车间农业、认养农业、云农场等新业态新模式方兴未艾，农业物联网、病虫害数字化防控、智能育种等新技术加快应用。工业生产领域，智能硬件、可穿戴设备、智能网联汽车等新业态层出不穷，工业互联网、智能工厂等新模式蓬勃发展。2020年我国规模以上工业企业生产设备数字化率已达49.9%，数字化转型加快推进。服务消费领域，“数据+”不断激发消费市场活力，居民消费习惯加速向线上迁移。2021年，我国实物商品网上零售额达到10.8万亿元，占社会消费品零售总额的比重为24.5%。货币金融领域，移动支付全面推进，数字人民币试点提速，金融服务中小微企业精准性显著提升。

综合以上情况，我们可以得出以下结论，数据业在国民经济中占有重要份额、生产方式具有高度的可区分性和独特性，对国民经济正在发挥引领性作用和全局性影响，并且在传统的一二三次产业基础上形成了全新的产业层次。从产业核算角度看，数据业事实上已经开始形成国民经济的“第四产业”，而从经济增长角度看，这也意味着数据业正在引领形成一个全新的、独立的经济部门，可称其为“数据部门”。

四、數据业带来“新二元经济结构”

1.数据业与传统经济部门间的劳动力和资本流动

形成不同经济部门之间要素流动的二元经济结构，根本原因在于经济部门之间存在要素边际生产率和要素配置上的不对称，即要素边际生产率低的部门占有较多生产要素从而形成过剩或内卷，而新兴的要素边际生产率高的部门却因历史和制度原因占有较少生产要素，因此形成要素再配置，生产要素从低生产率部门向高生产率部门的流动，最终使不同部门之间的要素配置达到平衡，边际生产率相等。那么当传统的农业和工业因技术进步的放缓存在一定程度内卷或过剩，同时数据业正引领形成一个新的、高生产率的数据部门时，是否会产生类似于历史上农业和工业之间的二元经济结构，形成生产要素在不同经济部门之间的再配置呢？我们从实践和理论两个角度分别来考察这个问题。

（1）当前劳动力和资本正快速流向数据业及相关领域

从近30年数据业快速发展的国家的经济实践来看，劳动和资本这两大要素在传统的农业和工业部门客观上存在过剩乃至内卷，并且正在快速流向数据业所引领的经济部门。一是农业和工业中的生产要素过剩。以我国为例，农业劳动力方面，据农业农村部测算，我国农业劳动力需求为3000万—5000万人，而当前我国农民数量为7.7亿人，其中劳动年龄人口5亿人左右，扣除农民工还有超过2亿人剩余。工业劳动力方面，据统计我国每年约100万人离开制造业，程序员、外卖骑手、网络主播、网约车司机等成为最受欢迎的职业。当前中国快递行业外卖配送人员超过700万人，其中约30%来自制造业。资本方面，近30年来全球资本在传统行业利润空间有限的情况下，以风险投资等形式大规模流向数据业及相关产业，发挥项目识别、项目融资、股权结构构造和制度设计等功能。风投数据库CBInsights发布的报告显示，2021年全球风险投资总额约6230亿美元，较2020年增长近一倍。2021年中国风险投资总额约620亿美元，主要集中于半导体、信息技术等领域。

（2）劳动力和资本流向数据部门的原因和机理分析

我们参照刘易斯（1954）的分析范式，从理论上对当前劳动力和资本快速流向数据部门的现象进行了分析。我们认为，这一现象的核心原理，与经典的二元经济理论所描述的工农业间劳动力流动类似，都是不同生产率部门之间的要素再配置。而造成要素再配置的根本原因，是新的经济部门运用了具有高成长性的新生产要素。

传统的工农业部门，可以认为主要投入劳动和资本两种要素，生产函数如下：

其中，农业部门经过较长过程的农业现代化后，已摆脱“维持生计部门”的定位，资本的作用变得更为重要，总体上与工业部门已基本趋同，因此采用与工业类似的生产函数而非刘易斯二元经济模型中仅考虑劳动投入的生产函数。

在数据部门中，我们引进全新的一种要素——数据。我们假设数据可以与劳动、资本相互替代，要素边际替代率递减，数据投入与产出正相关且边际产出递减。数据部门的生产函数如下：

其中D表示数据要素，S为表示学习效率的参数，与α、β一样在（0，1）中取值。

在数据部门的生产函数中，对数据要素我们使用与劳动、资本一致的数学形式，主要原因有以下几个方面。

一是我们认为在数据业的引领下，数据部门已经形成数据采集、挖掘、积累、应用、再采集的滚动循环，数据与劳动、资本要素一样，可以进行积累和再生产。

二是我们认为数据对于生产提升作用的基本原理，是类似于使用数据训练神经网络计算的情形。企业或者政府等机构本身，可以认为是更大规模、更多层次的“神经网络”，对这些机构增加投入有效数据量，能够训练这些机构的“神经网络”提升判别机制的精准度，从而提高经济效率。因此，数据量与产出是呈正相关的。特别是随着获得数据的增加，对一个广义神经网络判别准确度的提升带来的增量是递减的，随着数据的增加，信息不断积累，已有信息量会逐渐接近促使神经网络100%准确判别问题的临界值，在这一过程中，持续获得的增量数据对最优化解决问题的贡献逐步减小，乃至趋于0（此时增量数据仅仅提供噪音）。

三是数据要素与劳动、资本要素具有相互替代性。从当前的人工智能、机器人等行业发展趋势看，假设最极端情况下，人类拥有超巨量的有效数据，完全可以耗费极微量的劳动和资本，设计制造出替代劳动的机器人和替代资本的精准资源配置程序，此时数据要素将实现对劳动和资本的替代。但实现这一场景所需的数据量极大，可能远远超出我们的想象，这本身也意味着数据要素对劳动、资本的边际替代率是递减的。而另一个极端场景下，若拥有有效数据量完全为0，即生产者和投资者完全不知道该干什么，只能随机行动，此时的期望产出也应当为0。

在刻画数据部门和传统的工农业部门的生产方式差距后，我们假设传统的工农业部门存在生产要素的内卷或过剩，即存在较大数量的劳动力或资本边际产出低于边际成本，乃至边际产出为0（如图1、图2），这些剩余劳动力获得的工资水平为WA，剩余资本获得的利息水平为RA①。

在这一条件下，数据部门只要给出高于WA和RA的工资水平和利息水平，就可以持续吸引剩余劳动力和剩余资本进入从而不提升劳动力和资本的价格，此时劳动力和资本各自的供给曲线都是水平的（如图3、图4）。由于积累和使用了数据这一全新要素，吸引剩余劳动力和资本的数据部门不断扩张，从而进一步扩大对劳动力和资本的需求（从MPL向MPL、MPL转变，以及从MPK向MPK、MPK转变）。当边际产出为0的剩余劳动力和剩余资本被数据部门吸收殆尽，工农业部门中劳动力和资本的价格弹性不再为0，此时就到达了劳动力和资本各自的拐点T、T，劳动力供给曲线和资本供给曲线开始上升。当工农业部门边际产出低于边际成本的劳动力和资本全部吸收完毕，数据部门将与传统的工农业部门合并为一个经济部门。

從以上论述可以看出，数据业引领的数据部门与传统的工农业部门形成“新二元经济结构”①的根本原因，在于数据业使用了数据要素，形成了与传统部门的生产力差距。劳动力和资本，在部门间要素边际生产率差异决定的部门间要素回报率差异驱动下，从传统部门向新部门流动，这一新二元经济结构在其他条件不变的情况下，最终将向数据业引领和深度重塑国民经济全局的一元结构转化。

需要补充说明的是，在传统的工农业部门中，表示经济效率的全要素生产率A，属于外生参数，不具备内生的变化增长机制。传统的工农业事实上也使用数据，但使用量相对较小，比重较低，并未形成围绕数据的一整套持续积累增长机制，因此数据的使用被纳入到A中一并作为外生参数考虑。具体到数据业，其生产函数事实上是基于数据业已形成数据持续滚动积累机制这一实际，在传统的全要素生产率中将数据的贡献分离了出来，对生产函数进行了“升维”。

2.新二元经济结构对经济增长类型和阶段的更新

从局部的经济结构看，数据业引领形成了“新二元经济结构”，而从全局的经济增长看，“新二元经济结构”的确立也意味着一个新的经济增长类型和阶段的开启。当前经济学中的经济增长类型主要包括三种：一是马尔萨斯贫困陷阱，即落后农业国的经济增长速度低于人口增速，新增的人口将增长成果全部消费，没有资源用于积累再生产从而使经济增长不可持续，人民生活停留在贫困状态;二是刘易斯增长，即发展中国家建立工业部门后，农业部门剩余劳动力向工业部门转移，推动工业部门快速持续扩张，带动经济起飞，达到刘易斯拐点后，工农业部门劳动力边际生产率差异逐渐消除，劳动力资源再配置对经济增长的驱动力逐渐消失;三是索洛新古典增长，即工业化成熟的国家经济增速由储蓄率相关的资本积累、人口增长制约的劳动力供给，以及技术进步和其他效率改善带来的全要素生产率决定。

如果梳理这几种经济增长类型的时间顺序和演化过程，会发现大部分国家的经济增长都服从由这三种增长类型构成的四个阶段，依次为马尔萨斯贫困陷阱、刘易斯二元经济发展、刘易斯转折点和索洛新古典增长（蔡昉，2013）。其中刘易斯二元经济模型所刻画的经济增长的两个阶段，被作为连接马尔萨斯贫困陷阱和索洛新古典增长的过渡阶段。

在此基础上，我们会发现数据业引领形成的“新二元经济结构”，事实上是在以上三种经济增长类型之外，形成了一种新的增长类型，我们称之为“新二元经济增长”，即建立数据部门的国家，由于数据部门与传统的工农业部门并存，劳动和资本要素由传统部门流向数据部门，推动数据部门快速持续扩张，并带动经济再起飞。当达到“新二元经济拐点”时，数据部门与传统的工农业部门的劳动力和资本的边际生产率差异逐渐消除，要素再配置对经济增长的驱动力逐渐消失。

参照刘易斯增长的情况，对于发达国家而言，这一增长类型应当接续在索洛新古典增长之后，类似传统二元经济结构演进的前两个阶段，形成两个新的增长阶段，分别为“新二元经济增长”和“新二元经济拐点”。对于刘易斯经济增长尚未结束的发展中国家而言，数据业驱动的新型增长将与刘易斯增长并存交织，使经济结构调整更加复杂化。

当数据业带来的两个经济增长阶段结束后，经济增长将变为类似而又不同于新古典增长的一个新类型，我们暂时将其称为“后数据时代新古典增长”，在这一阶段经济增长的决定因素除了资本积累、劳动力供给、全要素生产率之外，数据积累也将成为十分重要的因素。

3.数据部门兴起推动数字化、网络化进程

传统二元经济结构除了在生产领域通过资源再配置提高经济效率并带动经济起飞，在生活领域也产生了一个十分重要的经济社会现象——城镇化。大量剩余劳动力从农业转移到工业，同时意味着他们的居住地从农村迁移到城镇，这两种变化在一般情况下是同步进行的。农村居民的城镇化意味着他们生活的现代化，这不仅带来人民福祉的提升，本身也为工业部门的扩张提供了新增的市场需求，从而形成工业化与城镇化互促共进的良性循环。同时，在城镇化进程中，城乡居民的收入差距也随之拉大，成为发展中国家居民收入差距的重要乃至最主要来源，城镇内部则进一步出现分化，甚至形成中心区和贫民区的内部区隔。

与之类似，数据业带动的“新二元经济结构”，尽管并未引发居民在空间位置上的系统性迁移，但在生活领域也产生了类似的变革性影响，即生活的全面数字化、网络化。居民的购物、通讯、社交、娱乐等生活领域快速向线上迁移，教育、医疗等领域也已启动线上化进程。2021年全球网民已达到46.6亿人，占全球总人口的59.5%，同比增长7.3%。由于生活数字化、网络化的低门槛性，这一进程涉及的对象远比城镇化进程广泛和迅速，并不仅限于转移进入数据部门的剩余劳动力，但进入数据部门的劳动力是引领生活数字化、网络化的核心力量。同时，在数字化、网络化进程中，已初步出现因是否从事数据相关行业或是否接入互联网，而带来的收入差距和生活便利差距，我们称其为“数据差距”。

具体来看，我国IT行业已超过金融业成为工资水平最高的行业。近一段时间，“数字鸿沟”概念比较流行，也反映了不同人群因数字化设备使用能力不同而产生的生活便利差距。随着数据部门的持续扩张和生活数字化、网络化进程的持续深化，“数据差距”可能成为社会收入差距的主要来源。而在网络空间内部，数据的深度使用者与轻度使用者之间也可能会产生分化和区隔，成为收入差距的新来源。

数据业带动的“新二元经济结构”，不仅吸引剩余劳动力推动生活领域的变革，也吸引了剩余资本流入从而引发生产领域的革新。这不仅体现在数据业从业企业如雨后春笋般涌现，也包括传统企业积极“上云、用数、赋智”，将部分生产过程和管理职能数字化、网络化，通过加大数据要素投入为生产赋能。可以预见的是，深度引领和融入数据化进程的企业将与仍远离数据的传统工农业企业在运营能力、议价能力和增长潜力上拉开巨大差距，甚至形成数据部门与传统工农业部门、数据化国家与传统工农业国家之间的新型“剪刀差”。

五、對数据业及“新二元经济结构”演变的分析展望

对数据业引领形成“新二元经济结构”的理论分析，不仅能帮助我们深刻理解正在发生的诸多经济社会现象①，更能让我们对数据业及“新二元经济结构”的发展演变前景进行分析展望，从而更准确和更具前瞻性地把握数据化，这一与工业化相媲美并有过之而无不及的宏大历史进程。

1.新二元经济结构的演进阶段

基于前述理论，参考费景汉、拉尼斯（1961）的分析范式，综合考虑传统工农业部门产出和剩余的变化，数据部门对传统工农业部门剩余劳动（资本）的吸引，可以初步分为三个阶段。

第一阶段可称为“要素剩余阶段”。此阶段数据部门吸引的是边际生产率为0的剩余劳动（资本）。数据部门的劳动（资本）供给曲线是水平的，数据部门工资（利息）水平不因部门的扩张、需求的增长而上升。传统工农业部门的工资（利息）水平保持不变，为最小补偿工资（利息），产出也不因生产要素流向数据部门而减少。同时，因分配产品的劳动者（投资者）流出了传统工农业部门而总产出没有减少，传统工农业部门形成了产出剩余，单位劳动（单位资本）的平均剩余产出为传统部门的最小补偿工资（利息）。

第二阶段可称为“要素隐性剩余阶段”。此阶段数据部门吸引的是边际生产率大于0但低于要素边际成本的隐性剩余劳动（资本）。数据部门的劳动（资本）供给曲线跨越第一个拐点（在费—拉模型中被称为“短缺点”），开始出现上升，数据部门工资（利息）水平因部门的扩张、需求的增长而上升。传统工农业部门的工资（利息）水平则仍保持不变，为最小补偿工资（利息），但产出也因生产要素流向数据部门而减少。同时，因分配产品的劳动者（投资者）流出了传统工农业部门而总产出也有所减少，传统工农业部门仍然有产出剩余，但单位劳动（单位资本）的平均剩余产出开始下降，传统工农业产品相对出现短缺。

第三阶段可称为“要素边际生产率决定回报阶段”。此阶段传统工农业部门所有边际产出低于边际成本的劳动（资本）已被数据部门吸收殆尽，数据部门的劳动（资本）供给曲线跨越第二个拐点（在费—拉模型中被称为“商业化点”）并继续上升，数据部门工资（利息）水平因部门的扩张、需求的增长而上升。传统工农业部门的工资（利息）水平出现上升，产出也因生产要素流向数据部门形成了边际生产率损失而继续减少。同时，因分配产品的劳动者（投资者）流出了传统工农业部门而总产出也有所减少，传统工农业部门的产出剩余继续下降并最终消失，单位劳动（单位资本）的平均剩余产出逐渐下降至0，传统工农业部门生产要素分配转变为由要素边际生产率决定，与数据部门一样。整个经济逐步走向一元化。

在实际经济中，由于资本和劳动的流动速度不同，根据劳动和资本向数据部门流动各自存在三种阶段，新二元经济结构在理论上可能出现9种不同的状态（见表1）。结合对就业、投资等统计数据的分析，应当可以判断一个国家或地区处于哪种状态。

由于资本可以迅速在全国乃至全球配置，而劳动因物理和制度原因往往配置范围限制在一国乃至一地，在资本的流动性总体强于劳动、进入数据部门的速度快于劳动的前提下①，新二元经济结构理论上的9种情况中，除非采取资本流通管制等极端措施，矩阵左下半区的第4、7、8种情况在实际中可能很难出现。

新二元经济结构每一种阶段或状态的持续时间，仅从理论上很难做出准确判断。如果从整体看，在数据全球化持续深入的背景下，新二元经济结构应当是全球范围内分工的数据业及其相关产业在全球范围内吸引剩余劳动力和资本的过程，这一过程所要再配置的劳动力和资本的总量将是空前的，我们预计全球范围内新二元经济达到“拐点”可能是一个超过数十年的较长过程。至于一个国家到达“拐点”的时间，则可能与该国的发展阶段和资源禀赋有关。剩余劳动力或资本较为充沛的国家，数据部门发展潜力可能更大，到达拐点所需的时间也可能更长。假设没有其他根本性技术变革，新二元经济“拐点”到达后，全球经济将逐步转入“后数据时代新古典增长阶段”，数据部门引领的经济再起飞将逐渐减速并“着陆”。

2.新二元经济结构对不同发展水平国家的不同影响

由于发达国家、发展中国家、欠发达国家工业化进程不同，新二元经济结构对它们的影响并不完全相同。

对于工业化进程基本完成的发达国家，传统工农业部门一方面具有较高生产率、较为丰富的产品剩余、较为成熟的技术和管理队伍，为数据部门起飞准备了良好的物质和人才条件。但另一方面，传统工农业部门由于较强的既得利益可能形成路径依赖，一定程度上将阻碍数据部门对国民经济的破坏式创新。对于发达国家乃至更多后工业化国家而言，在局部进行“单点突破”，形成如硅谷一样的创新“特区”，可能是较为合理的选择。

对于工业化尚未完全完成又已启动数据化进程的发展中国家，数据业的发展将进一步提升工业化的效率和潜力，工农业部门的效率提升也将为数据部门提供更多劳动和资本供给甚至是数据供给，从而总体上形成数据部门和传统工农业部门互促共进、相融共生的良好局面，数据部门兴起成为推动经济增长和质量提升的新动力。

从传统的二元经济增长角度来看，正处在工业化进程中的发展中国家，客观存在新二元经济结构与传统的工农业二元经济结构互相交织的情况，新兴的数据部门与工业部门在不同维度将共同享有和“虹吸”所对应部门的剩余劳动力。由于技术先进的数据部门边际生产率往往更高，客观上将降低工业部门可吸收的剩余劳动力总量，从而使该国工业化进程的刘易斯拐点提前，形成数据化进程对工业化进程的挤压。因此对于发展中国家而言，合理配置资源协调工业化与数据化进程，并管控好新旧两种二元经济结构对产业布局和社会结构的冲击，是必须研究和解决的重要课题。

对于工业化尚未完全启动的欠发达国家，如果能够满足数据部门启动所需的算力和人才接入，没有充分工业化可能反而形成欠发达国家的后发优势。一是欠发达国家劳动力低成本优势在数据采集、数据标注等数据初加工领域更容易发挥;二是欠发达国家丰富的水电或光伏资源、廉价的土地以及相对良好的生态条件，可以为数据处理提供较好环境;三是欠发达国家数据流动管制和隐私保护相对松弛，在带来数据安全风险等负面影响的同时，客观上也更可能形成“数据洼地”从而更快达成数据业起飞所需的数据要素门槛。四是数据部门的快速发展将加快欠发达国家的工业化进程，为欠发达国家建立和完善工业部门提供更为高效率、智能化的路径。这也意味着一部分欠发达国家可能在数据业勃兴的历史进程中抓住机遇，实现“弯道超车”。

3.新二元经济结构演进中需要注意的风险问题

在新二元经济结构的演进过程中，数据部门与传统工农业部门主要是相互促进的共生关系，数据产业化需要传统工农业部门提供原始数据、设备和零部件，而传统工农业部门也需要通过产业数据化提高效率，拓展发展空间。但数据部门与传统工农业部门之间并非没有竞争和摩擦，结合理论分析和经济运行实际，主要可能有以下三种风险需要重点关注和应对。

一是传统工农业部门产品服务的短缺风险。从之前的理论分析可以看到，随着剩余劳动力和资本向数据部门流动，传统工农业部门的产出剩余将逐渐减少并趋于0，这意味着随着经济发展，贸易条件将对数据部门日趋不利。一方面，数据部门的快速发展导致对传统工农业产品需求的增加，另一方面，劳动和资本的转出却导致传统工农业产品剩余供给的减少，出现产品服务的短缺和价格上涨，甚至导致传统工农业部门以“停滞部门”的角色吸引“进步部门”即数据部门的劳动力，从而形成类似“鲍莫尔病”的问题，限制数据部门的扩张发展和产业结构的升级迭代，并在粮食、能源、国防、通信等特殊领域影响国家安全。对于这一风险，最重要的应对措施是推动产业数据化，加强数据业对传统工农业部门的融合渗透，大力提升传统工农业的生产效率，抵消因生产要素流出带来的产出剩余减量。

二是数据部门与传统工农业部门间的就业失衡风险。在理论模型中，流入数据部门的劳动力能够充分就业并按照边际生产率获得劳动报酬，但实际的劳动力市场并非如此完美运行。从传统二元经济结构的历史演进看，由于农业劳动力主要是根据预期收入差进行人口流动决策，相当一部分发展中国家启动工业化进程后，农村人口在城乡收入差距驱动下大量涌向城市，形成城市失业和农村劳动力短缺并存的现象，并产生贫民窟等社会问题。与之类似，在新二元经济结构演进过程中，剩余劳动力从传统的工农业部门涌向数据部门的进程也决不会严丝合缝、恰到好处，而是有很大可能出现数据部门劳动力失业与传统工农业部门劳动力短缺同时并存的就业失衡问题，形成经济效率损失和社会不稳定风险。对于这一风险，关键在于密切跟踪和有效控制数据部门与传统工农业部门间的收入差距，引导劳动力资源在不同经济部门之间的合理配置。

三是数据部门与传统工农业部门间的投资失衡风险。数据部门不仅吸引剩余劳动力还吸引剩余资本，而真实经济中资本市场也并非完美运行。一方面，预期收益对“理性投资者”的投资决策有十分重要的影响，另一方面，资本市场上还存在大量“情绪投资者”，容易形成“羊群效应”，这使得新二元经济结构演进过程中，也很大可能发生数据部门过度投资和传统工农业部门投资不足并存的投资失衡问题，在短期可能形成类似美国网络泡沫破裂的市场震荡，在中长期则可能导致“脱实向虚”乃至“去工业化”。应对这一风险，需要在数据业相关领域针对性加强金融系统性风险防范化解工作，合理运用产业政策推进传统工农业提质增效，为实体经济健康发展创造良好环境。

六、结论和政策建议

圍绕数据业及其引领形成的对数据部门与传统对工农业部门之间的关系，本文形成了以下主要结论。一是数据业正在引领形成一个全新的、独立的“数据部门”，这一部门以使用、加工和积累数据要素为核心特征。二是数据部门从传统的工农业部门中吸引剩余劳动力和剩余资本，形成新二元经济结构。三是继马尔萨斯陷阱、刘易斯二元经济、索洛新古典增长之后，新二元经济结构，事实上形成了新的经济增长阶段和模式。四是类似传统的二元经济结构产生城镇化进程，新二元经济结构在生产生活领域产生数字化、网络化进程。

基于本文对新二元经济结构发展演进的展望，提出以下政策建议。首先，正确认识数据业以及数据部门的地位和重要性。在政策导向上避免简单将数据部门与工农业部门对立，给足数据业相关政府部门和企业试错探索空间。其次，持续推动新二元经济结构发展演进。加强新型基础设施建设，持续促进居民和企业数字化、网络化进程。加快发展数据要素市场，充分释放数据要素活力，推动数据的依法合理有效利用，保障数据依法有序自由流动。着力推动人工智能、数字孪生、增材制造、数据沙箱等数据业关键技术研发攻坚。加强适应数据部门发展的相关制度建设，包括知识产权保护、技能培训、风险投资、灵活就业等。着力挖掘欠发达地区在发展数据部门方面的后发优势，找到新的经济增长点实现“弯道超车”。最后，合理协调数据部门与传统工农业部门关系。持续提高工农业经济部门发展水平，避免基础性工农业产品的短缺风险。加力推进产业数据化，推动数据部门反哺、带动工农业部门，持续促进劳动、资本等生产要素在不同部门间优化配置，优化产业布局、避免盲目投资，协调好工业化与数据化进程。