数据商品的生成逻辑与资本化过程探析——基于政治经济学的视角

宋文静

“真正的革命并不在于分析数据的机器，而在于数据本身和我们如何运用数据”(1)维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》，盛杨燕、周涛译，浙江人民出版社，2013年，第10页。。数字技术(digital technology)由信息技术(information technology)变革演化而来，它之所以对社会生产体系产生颠覆性影响，正是因为它直接作用于“I”——数据。党的十九届五中全会首次将“数据”增列为生产要素。与知识和管理要素不同，数据不是附着于劳动者的“渗透性要素”，而是能够以独立、稳定、可复制的基础形式直接进入生产过程，因而有学者直接将“数据”视作第五大生产要素(2)戎珂、陆志鹏：《数据要素论》，人民出版社，2022年，第3页。。我国围绕促进数据要素市场的繁荣发展，正积极以“数据二十条”为指导推进数据要素市场的体制机制建设。国家数据局随之成立，并牵头发布《“数据要素×”三年行动计划(2024—2026年)》，强调推动数据要素与传统生产要素的融合创新和协同发展，加快激活、叠加和倍增数据要素在丰富场景中的乘数效应。在当今的数字经济时代，“数据的全面收集与分析，为我们提供了一个前所未有的看待现实的新视角”(3)维克托·迈尔-舍恩伯格、托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版社，2018年，第ⅩⅤ页，第12页。。因此，要正确理解数据成为经济社会发展过程的关键生产要素和经济高质量发展的最新动能，就必须厘清数据形态的演进及其在社会生产和再生产各个环节的不同作用，尤其是数据商品向数据资本的转化过程及对经济发展的作用机理。

一、数据的不同形态及其演进机制

随着数字经济发展如火如荼，与“数据”相关的范畴也如雨后春笋般涌现。即使相关范畴会随着数字经济的实践过程而同步发展，从政治经济学视角去厘清原始数据、数据资源、数据要素、数据商品和数据资本(4)学界常常混用“数字资本”与“数据资本”两个概念，但“数据资本”这一表述更符合政治经济学的学理规范。参见刘震、张立榕：《数据资本形成及其特征的政治经济学分析》，《学习与探索》2023年第9期。的演进和特征仍然是十分必要的。

如表1所示，“原始数据—数据资源—数据要素—数据商品—数据资本”这五种数据形态的特点和关系可以归纳如下：原始数据本身不是数字劳动的产物，而是“个人消费”的结果；数据资源作为“数字化的知识和信息”投入生产过程中转化为数据要素；数据要素作为数字劳动者深度加工的劳动产品参与市场交换；数据商品的资本主义应用即数据资本的形成。总之，从原始数据到数据资本，在理论逻辑上经历了“(原始)数据资源化”“数据(资源)要素化”“数据要素产(商)品化”和“数据产(商)品资本化”。其中，前面“三化”可以视为“数据的商品化”过程，最后“一化”则表现为“数据的资本化”过程。

表1 与数据有关的概念辨析

(一)原始数据、数据资源与数据要素的演进关系：“数字痕迹”“数字化知识和信息”与“生产要素”

数据的原始形态是无序的、未经加工处理的“数字痕迹”。数据资源表现为“数字化的知识和信息”，数据资源经过数字劳动者的深度加工才能转化为数据要素。国家统计局将“数据资源”视为数字经济时代的关键生产要素，二十国集团将“数据资源”的说法代之以“数字化的知识和信息”。“数据资源”与“数字化的知识和信息”是同一层面的两个范畴，“数据资源”成为“信息”借以承载的客体或具体表现形式，而“信息”则是对“数据资源”进行处理和组织的产物。数据资源和信息技术应用促进社会劳动生产率提高的根本原因是“信息化正从早期企业实现生产管理自动化的技术手段，向整合调度企业数据资源，进而重构企业业务流程的阶段演进”(6)于施洋、王建冬、黄倩倩：《论数据要素市场》，人民出版社，2023年，第40页。。 “生产要素”即“进行社会生产经营活动时所需要的各种社会资源，是维系国民经济运行及市场主体生产经营过程中所必须具备的基本因素”(7)徐翔：《数字经济时代：大数据与人工智能驱动新经济发展》，人民出版社，2021年，第116页。。在数据要素化之前，要经历原始态数据的结构化封装、元素化数据的场景应用和资源化数据的使用等环节(8)王益民等：《数据论》，中共中央党校出版社，2021年，第78—79页。。中国信息通信研究院提出数据价值化的“三化”框架，即“数据资源化”“数据资产化”和“数据资本化”。(9)中国信息通信研究院政策与经济研究所：《数据价值化与数据要素市场发展报告(2021年)》，2021-05-27，http://www.caict.ac.cn/kxyj/qufb/ztbg/202105/p020210527392862309670.pdf，访问日期：2023-12-26。其中，“数据资产化”指的就是“数据(资源)要素化”，即可以纳入生产经营活动以创造经济收益的数据资源。总之，原始数据是以“连续的值”和“离散的值”为表现形式的“数据原料”，数据资源是从原始数据中提取出来的数字化知识和信息，并非所有的数据资源都能直接作为生产要素存在并纳入生产经营活动。

(二)数据要素与数据商品的孪生关系：数字化生产资料与数字劳动者的结合

数据要素的形成是数字劳动利用数字化生产工具对数据资源进行脱敏加密、标识化标准化等操作的对象化过程，数据要素是以标准形态参与市场交易并为生产经营主体带来经济利益的商品。“不论生产的社会的形式如何，劳动者和生产资料始终是生产的因素。但是，二者在彼此分离的情况下只在可能性上是生产因素。凡要进行生产，它们就必须结合起来。”(10)《马克思恩格斯文集》第六卷，人民出版社，2009年，第44页。“人的要素”与“物的要素”结合起来一同进入现实的生产过程，同时也就是商品的生产过程。在这个意义上，数据的要素化形态与商品化形态经历了同一个生产过程，因而数据要素和数据商品可以视为同一的经济范畴。数据要素或数据商品作为经济范畴，是在生产力与生产关系的语境中对“数据”一词的指代(11)中国信息通信研究院：《数据要素白皮书(2022年)》，2023-01-07，http://www.caict.ac.cn/kxyj/qwfb/bps/202301/p020230 107392254519512.pdf，访问日期：2023-12-26。，它的产生是一定社会历史阶段的产物。数据作为一种独立的生产要素，需要有相应的技术基础和产业支撑。数据要素的产生不仅依托于数字技术的深度融合和社会应用，而且蕴藏于社会生产方式的变迁之中。与此同时，数据要素作为商品也具有不同于传统商品的使用价值。例如，利用数据要素的非稀缺性以及与其他生产要素的互补性等特征，不同组织能够将生产经营活动虚拟化为信息模型，实现业务流程的“信息建构与知识化表达”，从而提高每个组织的专业化分工和生产效率。(12)赵需要、姬祥飞、侯晓丽等：《分工理论视域下数据要素流通的生发逻辑、内涵意蕴、市场路径及现实困境》，《情报理论与实践》2023年第 9期。

(三)数据商品与数据资本的派生关系：数据资本是数据商品的派生形式

数据资本是表征数据基本存在形式的最新形态，同时是数字资本主义剥削的新形式。数据要素的运行机制经历“数据资源(潜在价值)—数据资产/产品(价值创造)—数据商品(价值实现)—数据资本(价值倍增)”的发展阶段。(13)李海舰、赵丽：《数据成为生产要素：特征、机制与价值形态演进》，《上海经济研究》2021年第8期。“数据—数据产品—数据商品—数据资本”既是数据要素被使用的过程，也是数据要素价值形态演进和数据商品实现价值增殖的过程。(14)蔡万焕、张紫竹：《作为生产要素的数据：数据资本化、收益分配与所有权》，《教学与研究》2022年第7期。“作为资本的数据”不同于“作为数据的数据”和“作为要素的数据”，数据转化为数据资本需要具备一定的前提条件。(15)王文臣、马梦雪：《论大数据作为生产要素的资本化及其双重影响》，《上海财经大学学报》2022年第6期。“一般数据”的资本主义应用使其承担了资本的价值关系和权力关系(16)王卫华、宁殿霞：《数字劳动和数据资本权力：平台资本主义研究的两个重要向度》，《云南财经大学学报》2022年第8期。，因而数据资本是“一般数据”作为生产要素在数字市场出现并衍生出来的一种新的资本形态。总之，“作为要素的数据”或“作为商品的数据”被纳入资本生产体系，成为以生产(剩余)价值为目的的数据资本。数字资本主义基于技术理性和算法管理以更加抽象和魔幻的形式遮蔽了资本逻辑的全面统治，然而“幽灵化统治”并没有改变资本的内在矛盾和积累增殖逻辑(17)姜英华：《数字时代资本的幽灵化及其真相》，《学术探索》2022年第5期。。数据资本的运动始终体现为资本控制力的强化和劳资关系的对抗，无酬劳动时间的延长和劳动的强化依然构成数字资本主义阶段的剥削形式。

通过梳理数据不同形态的演进阶段和形成机制，我们发现从原始数据到数据资本的演化过程经历了商品化和资本化过程，数据的商品化过程实际上是数据的要素化过程，因而数据的要素化本身也就是数据的商品化。本文尝试以数据的商品化过程为分析起点，剖析数字劳动过程的起点和内在特征，从使用价值维度探讨数据商品对企业组织、产业组织和整体经济效率的变革作用，从价值维度探讨数据商品的价值决定和定价规则。在此基础上，探讨数据商品何以实现资本化，并从“劳资关系”和“资资关系”两个方面揭示数据的资本主义应用及“异化之谜”。

二、数据商品的生成逻辑及其二因素特征

数据作为独立生产要素存在，是数字劳动的对象化结果，这意味着数据的要素化过程同时是数据的商品化过程。(18)可以出售的数据(商品)是经过数据科学家的熟练劳动和机器学习算法优化的数据，因而考察数据的商品化过程十分重要。参见尼克·斯尔尼塞克：《平台资本主义》，程水英译，广东人民出版社，2018年，第63—65页。丹·席勒(Dan Schiller)区分了“作为资源的信息”和“作为商品的信息”，信息的价值不在于其作为资源所具有的内在属性，而在于信息向商品的转变，信息的商品化包含与社会生产和交易的实质性联系。(19)丹·席勒：《信息拜物教：批判与解构》，邢立军等译，社会科学文献出版社，2008年，第16页、第26页、第29页。与之相对应，数据之所以能够成为数字社会的独立生产要素，不是因为其作为数据资源所具有的内在属性，而是因为数据向数据商品的转变，而数据商品的形成离不开数字劳动的对象化过程。可见，仅仅从劳动结果的角度对“数据”进行考察是不够的，更要考察数字技术的实践层面和数据商品生产的具体过程，如此才能揭示数据商品的生成逻辑，这有助于理解数据何以成为数字基础底座和社会生产过程的关键性生产要素。数字劳动过程的简单要素依然是“有目的的活动或劳动本身，劳动对象和劳动资料”(20)《马克思恩格斯文集》第五卷，人民出版社，2009年，第208页，第210页。，其中，劳动对象和劳动资料表现为生产资料，这些要素往往是数字技术深度融合的产物。数字劳动者借助劳动资料对劳动对象进行加工的过程呈现为智能化、数字化的劳动过程。

(一)数据商品生产的起点：数字技术与生产资料的数字化

大数据技术体系让数据的规模化汇聚和高效率流通成为可能，也推动实现传统数据的量的积累向“大数据”的质变转化，而“大数据”的形成正是数据商品化不可或缺的前提条件。“数量能带来本质性的差异”，“随着成员数目的增加，两个或更多成员之间可能的相互作用呈指数级增长……量变引起质变”(21)凯文·凯利：《失控》，东西网编译，新星出版社，2010年，第32页。。大数据分析和处理技术的变革以及大数据计算平台的高效性、高容错性和低廉成本，促使数据规模的指数级增长、多种类数据的采集和处理成为可能，“数据交互响应”的高速性得到保证。(22)陈媛：《大数据与社会网络》，上海财经大学出版社，2017年，第60页。同时，“数据本体和标注策略”“个人偏好匹配算法”和“(自适应)机器学习系统”(23)维克托·迈尔-舍恩伯格、 托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版社，2018年，第63页、 第80—81页。三项关键科技，也建立在大数据和数据市场本身的重塑之上。总之，借助大数据技术的变革，传统数据规模得以实现海量积累，奠定了数据商品化的坚实基础。

劳动资料和劳动对象的数字化统称为生产资料的数字化，它们既是数字技术深度融合的产物，也是数字劳动过程的起点。由数字技术牵引的劳动资料、劳动对象和劳动者是数字生产力的三要素，“数字生产力=数字技术×(劳动者+劳动资料+劳动对象)”(24)何玉长、王伟：《数字生产力的性质与应用》，《学术月刊》2021年第7期。。“劳动资料不仅是人类劳动力发展的测量器，而且是劳动借以进行的社会关系的指示器。”(25)《马克思恩格斯文集》第五卷，人民出版社，2009年，第208页，第210页。劳动资料的数字化变革是数字劳动的本质特征和分析起点。数字劳动是“以数字化的知识和信息为劳动对象，以数字技术和数字平台为关键性劳动资料”(26)郑礼肖：《马克思主义政治经济学视域下数字劳动的含义辨析》，《理论月刊》2021年第8期。生产数字商品和服务的劳动。在数字经济中，劳动资料往往以数字技术及其应用，即数字基础设施、数字软件体系等硬软件产品和信息服务为表现形式，劳动对象往往指的是数据要素。当然，数据要素也可能作为劳动资料存在，这要取决于它在劳动过程中的职能形式或特定作用。也有学者指出，“数字化技术”和“数据”是“数字化经济”的两大支柱，数字化技术涉及信息的采集、存储、处理及分析、传输、应用和安全保障等；数据则属于新的生产要素。(27)黄少安、王晓丹：《“数字化经济”：基本概念、核心技术和需要注意的问题》，《山东社会科学》2023年第1期。其中，数字化技术的应用催生新型生产工具——智能机器体系。大数据技术体系(智能机器体系)对旧有机器体系的取代成为推动社会生产力变革的关键因素和现实力量，以数字技术为典型特征的生产力革命推动生产要素和生产组织形式的革新，从而加速社会生产方式的数字化转型。(28)参见张建云：《大数据技术体系与当代生产力革命》，《马克思主义研究》2021年第4期；魏江、刘嘉玲、刘洋：《数字经济学：内涵、理论基础与重要研究议题》，《科技进步与对策》2021年第21期。

(二)数据商品生产的过程：算法算力与数据处理

数字劳动作用于数字化生产资料，以数据挖掘、算法算力迭代升级为核心的数字劳动过程呈现出动态性和开放性特征。互联网用户在日常生活中会产生海量不规则的“非结构化数据”，数字劳动者(特指数据劳动者(29)数据劳动者包括软件工程师、数据库管理员、数据科学家、数据分析师和数据专员等。)经过“数据预处理”“数据挖掘”和“数据后处理”将其转化为具有使用价值和价值的数据商品或信息商品，此时“数据成为了有价值的公司资产、重要的经济投入和新型商业模式的基石”(30)维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》，盛杨燕、周涛译，浙江人民出版社，2013年，第20页。。如图1所示，在预处理和数据挖掘过程中，算法是进行数据分析的重要工具。数字劳动者对海量数据源进行“清洗”以匹配数据挖掘任务对数据特征的要求，然后利用传统的机器学习算法和神经网络算法(例如深度学习)挖掘数据中具有价值的信息。在后处理阶段，数字劳动者采取“可视化”方式检验数据挖掘的有效性，从而将有价值的信息集成到“数据决策系统”，以更好地指导现实经济活动。除了数据和算法外，算力也是数字劳动得以对象化的基本要素。算力即存储数据、处理数据和执行算法的能力，往往以数字硬件设备和数字软件体系为支撑。“云计算”是算力的一种表现形式，同时是处理大量非结构数据的“动力机”。由此可见，数字劳动的对象化过程同时是数据、算法和算力共同发挥作用的过程。其中，互联网用户产生的“原始数据”形成“数据原料”，数字劳动者利用算法工具对数据原料进行预处理和深度挖掘，从而将其转化为数据商品。

图1 数据库中的知识发现(KDD)

(三)数据商品生产的结果：数据商品的使用价值与价值形成

数据商品的生产过程必然要由运动形式转化为对象性形式，即数据商品生产过程的物化结果。“在劳动过程中，人的活动借助劳动资料使劳动对象发生预定的变化。过程消失在产品中。它的产品是使用价值，是经过形式变化而适合人的需要的自然物质。……在劳动者方面曾以动的形式表现出来的东西，现在在产品方面作为静的属性，以存在的形式表现出来。”(31)《马克思恩格斯文集》第五卷，人民出版社，2009年，第211页。数据商品的“静的属性”和“存在形式”表现为数据商品的两个因素，即使用价值和价值。

1.数据商品的使用价值：企业数字化转型、产业体系变革和经济效率提升

不论是微观维度下的“企业数字化”，还是中观维度下的“产业数字化”和“数字产业化”，它们都体现出数据与数字技术应用于社会生产过程而发挥出来的“升级重塑”和“势能再造”作用。从微观视角来看，数字技术和数据管理能力赋能企业数字化转型。企业数字化转型作用于创新能力提升、人力资本结构优化、管理和交易成本压缩，从而促进企业全要素生产率提升。(32)赵宸宇、王文春、李雪松：《数字化转型如何影响企业全要素生产率》，《财贸经济》2021年第7期。从中观视角来看，数据作为核心生产要素赋能传统产业(“产业数字化”)，助推数字新兴产业(“数字产业化”或“数字技术和数据产业化”(33)黄少安：《关于“数字化经济”的基本理论》，《经济学动态》2023年第3期。)。数字化信息对产业集群发展、协同创新和效率提升起到重要作用，而人工智能、电子信息等数字企业“聚链成群”则有利于塑造中国式现代化“新势能”。例如，作为我国首个GDP突破5 000亿元的县级市——江苏省昆山市，正是依靠电子信息产业等科创产业创新集群、工业企业的数字化转型和智能化改造，加快“产业数字化”和“数字产业化”协同发展，从而实现GDP突围。(34)顾阳等：《登顶昆山》，《经济日报》2023年5月8日，第001版。

从宏观视角来看，数据赋能对我国经济增长和效率提升具有独特贡献。“数字经济全要素生产率”(35)数字经济全要素生产率=数字经济增加值/用于数字化生产的资本与劳动两部分价值之和。可见，全要素生产率的增长是产出增长率超过要素投入增长率的部分，表示由于技术进步、配置效率、规模经济、范围经济等带来的产出增长部分。参见中国信息通信研究院：《中国数字经济发展研究报告(2023年)》，2023-04-27，http://www.caict.ac.cn/kxyj/qwfb/bps/202304/p020230427572038320317.pdf，访问日期：2023-12-26。用以衡量数字经济发展效率水平和数字经济对整体经济效率改善的重要作用。2012—2022年我国数字经济全要素生产率稳步提升，数字经济全要素生产率增长率高于同期国民经济全要素生产率增长率0.77个百分点。有学者考察数字经济发展对全要素生产率的空间效应，发现数字经济发展对欠发达地区全要素生产率的提升作用更为明显，并且具有显著的空间溢出效应。(36)杨慧梅、江璐：《数字经济、空间效应与全要素生产率》，《统计研究》2021年第4期。另外，从数字经济规模和数字经济增速来看，2016—2022年我国数字经济规模及其占GDP的比重均稳步提升，数字经济增速与GDP增速走势呈现“同频共振”特点。从数字经济增速与经济增速的对比来看，数字经济对GDP增速起到“加速器”和“稳定器”作用。2016—2022年我国数字经济增速始终高于GDP增速，2021年两者增速仅相差2.8个百分点，2022年我国数字经济增速(10.3%)高于名义GDP增速(5.3%)5个百分点。

2.数据商品的价值：价值对象性与数据定价规则的不确定性

数据的商品化即数据商品的形成，首先表现为数字劳动作用于数字化生产资料，数据成为人类抽象劳动所凝结的价值对象性——数据商品。由于数据商品生产过程和数据“潜在价值”释放方式的独特性，数据价值似乎是在流通(流动)中产生的，这加深了数据商品价值来源的幻象。实际上，不论从哪个层面来看待数字技术、数字化生产资料和数据商品，它们总是人类抽象劳动的凝结物，数据商品的价值和价格问题“仍然可以在具体劳动和抽象劳动、使用价值和价值的框架内得到解释和解决”(37)黄少安：《关于“数字化经济”的基本理论》，《经济学动态》2023年第3期。。数字基础技术层所包含的软硬件产品作为数字产品(商品)的一部分，数字产业软硬件的开发和生产都凝结着科技劳动者的劳动。(38)冯旭、李雪艳、姚宇：《数字经济的价值创造探赜——基于新马克思经济学综合学派“新的活劳动价值一元论”的理论阐释》，《海派经济学》2022年第4期。

数据商品的价值由数字劳动创造，数据商品的价值具有一系列不同于传统商品价值的特征，因而数据商品价格的表现形式也有所不同。数据价值的独特性体现为“不确定性(数据权属模糊)”“异质性(同一数据在不同主体和场景中具有不同价值)”“时效性(时间敏感度高)”“低成本复制性”“无损性(可复制利用)”和“价值易变性”。(39)参见王益民等：《数据论》，中共中央党校出版社，2021年，第56—57页；中国信息通信研究院：《数据要素白皮书(2022年)》，2023-01-07，http://www.caict.ac.cn/kxyj/qwfb/bps/202301/p020230107392254519512.pdf，访问日期：2023-12-26。数据价值的诸多特点决定了数据商品的定价十分困难，但要作为商品进行流通，又必须赋予其价格。因为“市场的效率就反映在作为信息载体的单纯的价格上”(40)维克托·迈尔-舍恩伯格、托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版社，2018年，第47页。。在现实实践中，数据定价规则往往因数据应用场景不同而有所差异，因而没有一个统一标准的定价原则。有学者针对数据要素的资源化、资产化和资本化三个层面分别给出“成本法”“报价—估价—议价相结合的收益定价法”和“数据资本化定价”三种定价模式。(41)于施洋、王建冬、黄倩倩：《论数据要素市场》，人民出版社，2023年，第131—132页、第142页。《数据价值化与数据要素市场发展报告(2021年)》则提出“静态定价策略与动态定价策略相结合”的数据定价策略，指出“数据价格是其补偿价值、增值价值、异质性价值、风险溢价的集合”。《数据要素白皮书(2022年)》主张建立“货币法和非货币法相结合的数据估值框架”。总的来看，数据商品价值本身的独特性决定数据商品价格的不确定性。数据商品的价格决定是数据资产的质量、使用情况和贬值率，以及数据的完整性和隐私含量等各种复杂因素相互作用的结果。由于数据商品供需之间的不平衡，也会引起数据商品价格与数据商品价值的背离，使数据商品价格具有极大的波动性。

(四)数据商品生产的组织特征：开放协同与动态优化

如前所述，数据原料总是源源不断地更新、推送并与算法模型实现双向反馈，算法和算力也需要不断实现优化、改进和迭代，所以，数字劳动对象化过程是在动态开放、交互协作、自由连接的生产网络组织(42)有学者将该种新型组织形式称作“自由数字连接体”，自由数字连接体具有动态性、分布性和合作性的本质特征。参见王益民等：《数据论》，中共中央党校出版社，2021年，第125—126页。或去中心化的网络型平台支持下展开的。社会生产网络的实体化和开放性让数据得以实现“物化”(43)数据要素是物质的，同时是非实物形态的。数据要素与传统物质要素的区别，外在表现为非实物形态，内在表现为无限性、裂变性与融通性三大特征。参见王宝珠、王朝科：《数据生产要素的政治经济学分析——兼论基于数据要素权利的共同富裕实现机制》，《南京大学学报(哲学·人文科学·社会科学)》2022年第5期。，依托于社会生产网络，数据商品得以在不同生产单位或个体之间实现交换和流通。具体来看，“开放”意味着该组织内部的成员不再受到固定的空间和时间限制，多元主体参与价值共创；“协同”表现为组织的运行方式不再是“串联式”的层级指令而是“并联式”的交互协作；“动态”指的是该组织的结构具有临时性，“接包”后即调整组建，任务完成后即自动解散；“优化”即为通过各种方式提升组织的管理效率与生产效率。商品能否完成“惊险一跃”往往受市场不确定性因素的制约，动态化的组织形式能够保证供给端根据消费端进行灵活调整，组织效率和生产效率都获得了提高。

数据商品的形成首先是数字化生产资料与数字劳动有机结合的产物，但是，数据商品的形成也在一定程度上取决于数字社会对新的生产要素、新的劳动过程和新的利润增长点的需要，正是这些政治经济因素导致数据或信息走向商品化。这同样意味着数据的商品化过程不会止步，正如丹·席勒指出：“把信息当作一种资本从表面和深度上加以开发，这既是商品化过程日益扩大的表征，也是其一部分。”(44)丹·席勒：《信息拜物教：批判与解构》，邢立军等译，社会科学文献出版社，2008年，第29页。

三、数据商品的资本化过程及其内在构成

在资本主义社会，随着数字技术的发展和网络组织形式的扩张，数据商品的社会生产过程也代之以直接的资本统治，资本主义生产过程的社会性质即“产品作为商品”和“商品作为资本产品”的性质。(45)《马克思恩格斯文集》第七卷，人民出版社，2009年，第996页。当探讨数据“商品”向数据“资本”转化时，离不开对数据商品使用价值与价值矛盾展开的逻辑分析，因为资本主义生产“不仅要生产使用价值，而且要生产商品，不仅要生产使用价值，而且要生产价值，不仅要生产价值，而且要生产剩余价值”(46)《马克思恩格斯文集》第五卷，人民出版社，2009年，第217—218页。。数据商品本身并不是资本，只有当数据商品被纳入资本主义生产分工体系时，数据商品才取得“作为使用价值的资本”的现实规定性，转化为“由资本本身规定的并与资本相适应的形式”(47)《马克思恩格斯文集》第八卷，人民出版社，2009年，第184页。。作为资本存在物的数据，不断衍生出对社会生产的支配权和控制权，因为“资本是对劳动及其产品的支配权力”(48)《马克思恩格斯文集》第一卷，人民出版社，2009年，第130页。。在数字资本主义背景下，数据商品取得资本外观，并作为关键生产要素作用于社会生产的过程，这将重塑社会生产过程中的“劳资关系”和“资资关系”。

(一)“劳资关系”构成：数据资本形成对劳动和生产的控制权力

对资本主义生产来说，数据商品的存在意义不在于它是“有用物”并能够满足人的需要，而在于它能够承载价值关系并服务于资本的需要。数据商品作为资本生产的要素之一，成为支配劳动过程和占有活劳动的工具，被用来剥削数字劳动者并为资本所有者带来剩余价值。正如马克思指出：“只是由于劳动采取雇佣劳动的形式，生产资料采取资本的形式这样的前提——也就是说，只是由于这两个基本的生产要素采取这种独特的社会形式——，价值(产品)的一部分才表现为剩余价值，这个剩余价值才表现为利润(地租)，表现为资本家的赢利，表现为可供支配的、归他所有的追加的财富。”(49)《马克思恩格斯文集》第七卷，人民出版社，2009年，第998页。从生产过程来看，数据商品向数据资本的转化过程，同时是价值形成过程向价值增殖过程的转化，即数据商品的资本主义生产过程或资本主义方式的数据商品生产过程。从组织方式来看，数据商品向数据资本的转化过程，同时是资本控制劳动并以资本化方式配置“人的要素”和“物的要素”的过程。数字劳动者和数据要素作为资本的存在形式相互结合，“一同进入的现实过程，即生产过程，本身就成为资本的一种职能，成为资本主义的生产过程”(50)《马克思恩格斯文集》第六卷，人民出版社，2009年，第44页。。资本主义的商品生产过程表现为劳动者与生产资料在资本形式上的合并，劳动者和生产资料作为“资本生产和再生产的一个要素”分别取得可变资本和不变资本的表现形式。可供支配的数字劳动者同资本的膨胀力一同增长，数字劳动的普遍物化构成剩余价值生产的新源泉。

绝对剩余价值生产和相对剩余价值生产的深度结合在数字资本主义阶段得以强化。网络组织形式下的数字劳动修复劳动力市场的“横向分割”(51)横向的劳动力市场分割是指劳动力的单位分割、产业分割、城乡分割、地区分割等。平台型网络组织促使数字劳动力不再受到物理空间的限制，劳动力的跨区域、跨行业自由流动为数据资本的生产提供了庞大的劳动后备军，同时也为弹性雇佣制度创造了条件。，智能机器体系下的“弹性工时”取代传统机器体系下的“固定工时”，最终从空间和时间两个维度重塑剩余价值生产过程。从绝对剩余价值生产的角度来看，数字“赶工游戏”在一定程度上突破了时间限制。在社会生产网络中，数字劳动者呈现多元化、分散化、微粒化的特征，数据要素具有非物质性、非排他性、共享增值性、价值来源和价值确定的模糊性等特征。基于网络组织的生产模式，数字劳动者与数据要素的结合不再受到工作场所和必要劳动时间的限制，数字劳动者随时随地充当“活的酵母”，与源源不断的“物的要素”实现合并，基于开放式的网络组织实现“云劳动”和“云协作”。与庞大的“云劳动力市场”相适应的是传统雇佣关系的分散化和弱化(例如平台型就业模式)，“弹性雇佣”和“去劳动关系化”在降低企业用工成本的同时，加强了整个资产阶级对劳动者的统治，劳动者依然只有选择被谁剥削的“伪自由”。

从相对剩余价值生产的角度来看，则涉及数字资本主义背景下的生产方式变革。基于数字化空间从事共同劳动的数字劳动者，在资本家的监督支配下利用积聚起来的非结构化数据为资本家劳动，其摆脱了个人生产力的局限，创造出集体的特殊生产力。“劳动的社会生产力就无须支付报酬而发挥出来”(52)《马克思恩格斯文集》第五卷，人民出版社，2009年，第387页，第338页。。从“智能机器体系”或“机器智能”(53)人们通过数据、算力和算法共同构筑新的数据范式——数智三元体，进而产生机器智能，依赖人脑分析凝练的认知模式过渡到机器自学习处理凝练的人工智能模式。参见王益民等：《数据论》，中共中央党校出版社，2021年，第32—33页。来看，数据作为生产资料，算力和算法就成了数据生产力的重要支撑和驱动力量。资本家对价值增殖的贪欲促使其对剩余劳动时间的榨取不断得到技术上的强化，例如不断改进算法模型和算力技术以加强“数字化剥削”。看似弹性自主的工作时间并没有改变“工厂体系”的实质。弹性工作日逐渐弥合必要劳动时间和剩余劳动时间的边界，数字劳动者不仅再生产出劳动力价值的等价物，还额外生产出供资本所有者进行资本积累的剩余价值。由此可见，在数字资本主义阶段，数字劳动者的劳动质量和个人贡献处在数字化监控中，数字劳动者依然未能摆脱资本的全景式监控和技术宰制，劳动者自觉扮演可供资本生产过程支配的“仆从”和“齿轮”，“数字泰勒主义” (digital Taylorism)随之产生。正如“平等地剥削劳动力，是资本的首要的人权”(54)《马克思恩格斯文集》第五卷，人民出版社，2009年，第387页，第338页。，将数字劳动者的全部生活时间转化为增殖资本价值的时间，正符合资本生产的精神。同样值得关注的是，互联网用户的“个人消费”也被纳入资本主义生产体系并充当拓宽价值实现空间的要素。之前是雇佣工人对机器的实际从属，如今是所有互联网用户对“机器智能”的深度依赖，基于算法推荐而进行的“玩劳动”虽然不能直接创造价值并服从于资本剥削，但对用户数据的采集成为数据商品生成的“原材料”。

(二)“资资关系”构成：数据资本的渗透、支配与无序竞争

数据资本重塑社会再生产的生态系统，也改变了垄断和竞争的格局。资本对数据资源的垄断性占有导致“集中式网络”的产生。高度集中的生产网络组织意味着某些个体处于支配性地位，可以控制数据信息流在网络中的传播范围。一旦数据传递的自由度和开放性程度被降低，资本则有可能独占数据要素所有权以巩固自身在社会生产分工中的优势地位，甚至凭借数据要素所有权攫取数字租金。(55)任洲鸿、宋文静：《马克思地租理论视角下的数字租金研究——以平台资本为例》，《经济纵横》2021年第11期。诸如谷歌、苹果、脸书等公司凭借高度集中的市场规模和成熟的技术应用获得垄断收益。资本所有者依靠数据垄断、算法算力优势实现对行业和社会生产过程的控制已经成为事实。从社会生产分工看“资资关系”，它反映的是不同规模的数字平台资本之间的关系，以及数字平台资本与产业资本之间的关系。

第一，个别平台资本巨头凭借“结点积累连接”优势压制中小型平台资本的规模扩张，巩固自身的垄断地位。少数平台资本巨头能够强化数据和算力双重垄断的重要原因是，社会再生产网络通过“进化过程”形成(56)希尔顿·L.鲁特、刘宝成：《全球经济的颠覆性变革——复杂经济学的根源、结构与竞合》，刘宝成译，中信出版社，2022年，第41—42页。，数据资本巨头往往具有早期“结点积累连接”的先入优势，它们掌握并吸引着越来越多的“资源”和“连接”，这意味着其垄断地位和“用户黏性”能够得到不断巩固。少数大型平台企业借助数字化信息垄断和劳动控制的纵向延伸，实行跨行业经营、兼并收购与垄断(57)亚马逊作为美国最大的在线零售商，同时是管理第三方卖家的运营商，既是“球员”又是“裁判”的双重身份促使亚马逊利用对数据和信息的访问权限，对热销产品进行复制，挤压独立零售商的市场份额。参见徐翔：《数字经济时代：大数据与人工智能驱动新经济发展》，人民出版社，2021年，第265页。，从而实现“赢者通吃”。同时，平台资本巨头人为设置“数据接入”等市场进入壁垒，借此通过各种方式入股其他平台企业，从而实现对中小平台资本的持续性剥夺。但是，存在于企业内和企业之间的“信息孤岛”阻碍信息资源的最大化利用，不利于数据要素市场的繁荣发展。另外，数字平台资本与金融资本的深度融合，使数据要素“金融化”。一方面，这提高了平台企业的集中程度和扩大了其垄断范围；另一方面，这又推高了金融市场估值和金融资本垄断程度。(58)赵敏：《租金、平台企业利润与垄断问题研究——基于马克思地租理论》，《马克思主义研究》2022年第4期。在这个意义上，数据资本的价值增殖推动了资本积聚和资本垄断的膨胀，资本权力也随之增长。

第二，数字平台资本尤其是“精益平台”(59)“平台”作为强大的企业新形式，它比传统商业模式更有优势的关键在于“数据”，尤其是“数据收集”与“数据分析”。“精益平台”作为平台的一种形式，它的典型案例是“全球最大的出租车公司优步没有汽车”，它所拥有的只是软件和数据分析平台。参见尼克·斯尔尼塞克：《平台资本主义》，程水英译，广东人民出版社，2018年，第50页、第84页、第113页。，凭借“轻资产”和数据的“高乘数”，强化了对产业资本乃至整个社会分工体系的渗透和统治。与传统产业资本不同，数字平台的“不变资本”不仅包括数字基础设施、数字硬件和软件体系、网络服务协议，还包括免费的数据信息或数据要素。即使不变资本取得数字化智能化的表现形式，对不变资本的垄断性占有依然遵循资本价值增殖的逻辑。正因为如此，数字平台资本能够强化自己在社会分工体系中的巨大优势。由货币驱动的传统市场逐渐向“数据驱动市场”(60)在海量数据市场上，潜在的交易伙伴提供多维度信息，价格将不再是唯一的数据点，多个数据点必然带来更加高效的市场交易。参见维克托·迈尔-舍恩伯格、托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版社，2018年，第135页、第13页。转变，海量数据市场提供价格以外的多维度信息，推动实现供需“多维度匹配”，节省信息搜寻成本和时间成本。建立在海量数据和前沿算法基础上的“自适应系统”能够纳入除价格以外的多维度变量，多维度评估消费者的多样化需求，以寻求最佳匹配方案。同时，通过收集消费者的反馈数据，自适应系统能够实现自我优化，即通过分析更多的数据改进算法推荐。正如维克托·迈尔-舍恩伯格(Viktor Mayer-Schönberger)指出：“数据可以帮助我们改善交易，提高效率，因此海量数据市场将会为我们提供最佳交易机会。从理论上讲，这本该是市场最擅长的，之前市场却因信息所限未能做到。”(61)维克托·迈尔-舍恩伯格、托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版社，2018年，第7页。以交易性平台为例，零售商可以将每一件商品以数据形式录入，如果将销售量、存货等实时监控数据对供应商开放，供应商就能够适当调整生产计划，更好地分配有限的资源，减少库存压力和降价出售的风险。显然，这在一定程度上造成了供应商对零售平台的依赖，整个社会对实物资源的配置转化为对数据资源的配置。一些商业性交易平台借助数据优势和算法能力，试图主导和控制商品和服务生产者。可见，数字化交易平台实际上执行“商业资本”职能，但却日益生产出对生产过程和生产劳动的控制权力。

总之，数据要素一旦纳入资本主义私有制框架之内，数据商品便转化为追求垄断和资本积累的数据资本。“个别工厂中的社会化组织和整个生产中的社会无政府状态”之间的矛盾得以重现，社会生产力也无法取得突破性进展。正如希尔顿·L. 鲁特(Hilton L. Root)指出：“假如没有行为体的自主性和小世界的联通性，生产力就不会因信息的广泛传播和大面积的分工协作而有所突破。可以说，兼具稳定和效率的网络弹性有赖于各个结点的自主性和联通性，继而构成了社会进步的标志。”(62)希尔顿·L.鲁特、刘宝成：《全球经济的颠覆性变革——复杂经济学的根源、结构与竞合》，刘宝成译，中信出版社，2022年，第338页。

四、启示与展望

数字经济是继原始经济、农业经济和工业经济之后的第四大经济形态(63)龚晓莺、杨柔：《数字经济发展的理论逻辑与现实路径研究》，《当代经济研究》2021年第1期。，“数据资源”“现代信息网络”和“信息通信技术”构成数字经济时代的三大要素。以“数据”作为核心投入和根本驱动力的数字经济，为社会生产体系的重塑、升级和改造创造了大量新机遇，也带来一系列新挑战。由数据驱动的社会生产力，既是一个技术变迁和发展创新的过程，也是一个社会适应与制度调整的过程。正如机器不同于机器的应用，数据也不同于数据的应用，能否激活数据这一宝贵资源的巨大应用潜能，取决于与数据相关的机制设计与国家治理方式。“哪个国家能在数据资源的开发与利用上占得先机，就能掌握21世纪经济发展和技术进步的绝对主动权。”(64)徐翔：《数字经济时代：大数据与人工智能驱动新经济发展》，人民出版社，2021年，第69页。

(一)以数据的社会主义应用拓展“数据生产力”的发展空间

构建与“数据生产力”(65)数据生产力是人或机器在智能生产工具的作用下，对生产生活中的数据进行采集、加工、分析、挖掘、利用，以及与其他生产要素深度融合中释放出的驱动经济社会发展的能力。参见王益民等：《数据论》，中共中央党校出版社，2021年，第115页。相适应的数据产权关系，成为我国发展数字经济的重点。自2020年我国首次提出培育数据要素市场以来，关于数据要素市场化配置的制度建设、开发利用机制和目标要求都在不断完善和细化。2022年12月，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》(简称“数据二十条”)发布，提出建立“‘三权分置’的数据产权制度框架” “分类分级的数据确权授权机制”与“合规高效、场内外结合的数据要素流通和交易制度”。2023年，数字中国建设“五位一体”总体布局为畅通数据资源循环指明方向，国家数据局的组建为统筹数据要素管理提供组织保障。2024年1月，《“数据要素×”三年行动计划(2024—2026年)》强调以数据要素赋能劳动力、资本等传统生产要素，将数据应用于产业发展与交通金融、科创与文旅卫生、气象服务与城市治理、政府管理与综合服务等丰富场景，发挥数据要素乘数效应与数据规模扩张的集成效应，培育经济发展新动能。总之，积极探索数据的社会主义应用，保证数据资源的“有序流通”“共享共用”和“价值释放”，发挥其对产业创新和提升国民经济效率的潜能，成为以数字中国推动实现中国式现代化的重要引擎。

(二)对数据资本的规范治理凸显社会主义市场经济的“中国特色”

“如果没有官方机构的介入，海量数据市场就很容易受到决策权和控制权过于集中的威胁。”(66)维克托·迈尔-舍恩伯格、托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版社，2018年，第173页。数据资本权力化(67)数据资本权力乃是数据权力、算法权力与资本权力以及这三种权力之间的“共谋”关系。参见王卫华、杨俊：《平台资本主义下的数据资本权力：生成机理、基本谱系与主要特征》，《福建师范大学学报(哲学社会科学版)》2022年第3期。与数据权力资本化相互交织，既阻碍了社会生产效率的提高，又削弱了国家的数据治理能力。社会主义国家对数据资本的规范治理能够规范引导数据资本在社会主义市场经济中的健康发展。如前所述，数据资本是数据商品的资本化形式，数据资本不是物，而是价值关系。资本的运动，一方面，要求极力摆脱使用价值的束缚；另一方面，又不得不依托于承载着价值的物质载体。“资本本身就是矛盾”(68)《马克思恩格斯全集》第46卷下册，人民出版社，1980年，第38页。。在社会主义市场经济条件下，只要承认市场对资源配置的决定性作用，也就必然承认价值对使用价值的支配关系，以及资本行为的两面性。公有资本的主体地位和对资本逻辑的约束，成为社会主义市场经济的现实要求。其中，国有资本本质上是执行和实现社会主义国家意志的资本，国家的人民民主专政性质则是实现以人民为中心的发展的保证。因而，社会主义市场经济相比于资本主义市场经济，能更好地把握“数据使用限度”(69)使用数据来改善最优匹配可以得到鼓励，但是利用数据来促进低效率的信息不平衡会被阻止。在这个意义上，应该关注数据使用限度，而不是数据收集。参见维克托·迈尔-舍恩伯格、托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版社，2018年，第172页。，最大程度地避免其走向过度集中和私人垄断，从而驾驭数字资本的运动。