本文来自微信公众号“民主与法制时报”，作者/谢钧。
生产力是一切社会发展的最终决定力量。推进中国式现代化，最重要的就是发展先进生产力。科技创新是发展新质生产力的核心要素。数字时代的科技创新体现为数字技术的发展与应用，主要表现为数据要素通过数字产业化和产业数字化，不断渗透到生产力的实体性要素之中。数据作为新的生产要素，将引起劳动者、劳动资料和劳动对象发生深刻变革，优化社会生产力结构，进而提升全要素生产率，催生产业新形态，推进产业高级化。当前，数字技术引发的新一轮科技革命，正以前所未有的速度促进新质生产力发展。
数据要素成为新质生产力发展的优质资源
数据要素具有非排他性。数据可以低成本、无限制地复制，从而供给多个主体同时使用，任何主体对数据的使用都不会影响其他使用者的利益，进而营造开放、共享的数据生态环境。在此环境下，企业和机构可以充分发挥数据的潜力，有效培育基于数据要素的新产品、新服务，实现知识扩散、价值倍增。这种数据驱动的创新模式不仅给企业带来竞争优势，也为社会经济发展开辟了新的增长空间，有利于实现经济增长的多元化与可持续性。
数据要素具有融合性。数据要素能够对技术、劳动、土地、资本等其他要素的融合发挥强大支撑效应。不仅增强了各要素间的协同效应，还促进资源的高效配置和价值最大化。5月24日，国家数据局会同生态环境部等部门发布的首批20个“数据要素×”典型案例中，江苏省互联网农业发展中心作为现代农业领域唯一代表成功入选。该中心融合农情、植保、气象、基础空间等数据，提供历史病害、监测分析、预警发布等服务，累计监测小麦和水稻种植面积超2亿亩，近三年年均挽回稻麦损失200万吨，年均挽回直接经济损失49.8亿元。此外，随着数字经济的蓬勃发展，它与实体经济的深度融合已成为推动经济增长的新引擎。这种融合模式有效地推动制造业、服务业、农业等传统产业数字化，利用互联网新技术对传统产业进行全方位、全链条改造，推动产业结构转型升级。
数据要素具有无限增长性。随着数字技术加速渗透到经济社会的方方面面，数据资源供给规模呈现指数级增长，且可以重复使用，打破了传统要素有限供给对增长的制约。同样入选首批“数据要素×”典型案例的合肥机数量子科技公司，通过融合9000万化合物、1100万化学反应路径的庞大材料数据，打造材料研发新模式，将数千次实验优化过程缩短至300次以下，开发效率提升超百倍，大幅提升新材料研发效率。数据要素的放大、叠加、倍增效果，有效促进以数据为关键要素的数字经济高质量发展。
数据要素具有规模经济性。数据本身并非静止的资产，而是在流动、使用的过程中释放其潜在价值。数据规模越大，蕴含的价值越大。数据使用者越多，人们从数据中挖掘的价值越大。数据要素的体量越大、维度越多，越有利于数据的交互汇聚，不仅加速数据流动，也有利于促进数据价值的累积和倍增，形成规模经济，产生集聚效应。
数据要素赋能新质生产力质变
数据要素催生新质劳动资料。数据要素可以有效改进要素比例和配置方式，驱动资源合理有效配置，激发产业数字化。数据要素的使用会生成与数据具有强关联的新质生产资料。比如：随着数据在科学技术中的广泛使用，使得数据要素与其他生产要素不断协同融合可以培育更多的新产业、新模式和新动能。同时，数据反作用于科学技术，对科学技术产生新的需求，从而催生新质劳动资料。伴随高性能算力、智能算法等技术的迅速发展，在海量数据驱动下，科学研究范式得以由传统的假设驱动向给予科学数据进行探索的数据密集型范式转变。新质生产工具会随着数据要素发生作用而不断被催生。
数据要素孕育新质劳动对象。数据作为新型生产要素，自身即作为劳动对象参与经济活动的各个环节，是新质劳动对象的一部分，又促使传统劳动对象突破过去的物质性，成为更契合高质量发展的新质生产要素。比如：数据作用于土地、资本等传统生产要素，形成另一类新质劳动对象。数据依托科学技术投入经济活动各环节时，也可以孕育出新材料、新能源等新的劳动对象。
数据要素创造新质劳动力。数据要素的使用会增加熟悉先进技术、熟练掌握高端设备、具备新知识的新劳动者。数据要素渗透到新商业模式中，如互联网平台、共享平台等，会激发以数据要素为基础所衍生的人机协同。数据要素在数字经济范式下会催生出各类新型职业群体。数据要素在数字技术作用下，如元宇宙等虚拟现实技术，可以生成各类虚拟人参与到经济活动之中。
数据运行可能产生的行政法治风险
数据采集可能引发对公民隐私的侵害。数据要素的大量使用可能引发社会权力结构发生变化。履行公共职能的组织、大型平台等机构为代表的数据主体，大规模集聚并利用个人信息来塑造、调整个人行为，使得数据掌控者与个体之间形成高度不对称，会干预私人决策、侵犯个人隐私。传统的人格和隐私以私人生活安宁与自治为中心，强调“独处式”“排他式”“秘密式”的隐私观，但当代的信息隐私观越发注重隐私的社会关系网络，强调个人免于被数据操控、窥探、歧视，不因数据处理活动而导致其人格发展受阻碍。在数字化时代，数据采集后的匿名化处理并不是一次性过程，剩余风险可能如影随形地伴随着匿名化数据。数据共享、开放后，公众结合其他数据从匿名化数据中重新识别出特定数据主体时，实质上架空了匿名化处理，可能会侵害个人隐私，而问题的源头在数据采集环节。
数据处理可能引发组织法上的越权风险。依法行政原则首先强调的是组织权责法定，即每个职能部门享有特定的级别、地域、事务管辖权，组织的职权行使具有明确的边界。“法定职责”是对行政机关利用数据、行使权力的授权，也是对行政机关如何收集、利用、处理数据的严格法律控制。换句话说，行政机关只有基于“法定职责”才能收集和利用数据。而行政主体履行行政职能获取数据后，在数据处理过程中，特别是当这些数据涉及个人隐私时，根据《中华人民共和国个人信息保护法》，应当重新取得个人同意。这一要求虽然保护了个人隐私，但也增加了数据处理和应用的成本与复杂性。实践中，有的地方对于不同部门归集后的大数据享有几乎不受限制的访问权和调用权限，这在很大程度上超越部门“法定职责”范围，冲击权责法定原则，还可能导致数据滥用和泄露风险，值得警惕。
数据流动可能引发在责任归属上的模糊。行政法治关注权力与责任的对等性，即有权必有责。在传统行政法关系中，如果单个或少数部门违法或错误地处理数据，责任追究通常相对清晰。然而，数据的价值在于其流动性、共享性，为了打破“数据孤岛”，实现数据的有效利用，需要将数据汇集起来。这一数据流动过程涉及多地域、多层级、多部门协同合作。随着行政决策向大数据与算法决策相结合的方向发展，数字化行政决定的权责链条非常复杂，甚至在某些情况下模糊不清。这种复杂性给责任归属带来了极大挑战，一旦行政活动出现违法并造成危害，责任追究将变得非常困难。
数据运行引发问题的行政法规制
完善数据采集的监督救济机制。数字时代，个人信息的国家保护义务不仅体现为国家尊重私人生活、避免干预个人安宁的消极义务，还应当积极作为，帮助个人减损个人信息处理中的隐私泄露风险。就规范层面而言，当前，在数据监督方面的规则尚显零散，监督权的分配也较为分散。这可能导致政策之间的冲突和不协调，也可能引发权责模糊，进而影响监督工作的有效性、权威性。为保障监督体制的公正性，建议采取职能分离方式，设立专门监督机构，并在该机构内部设立专业职位，对数据采集的合法性进行评估审查。这样不仅可以确保监督工作的专业性、高效性，还能有效避免数据权力滥用。同时，注重行政效能与个人权益保障之间的平衡，建议将数据采集纳入行政救济法律体系，完善行政复议、行政诉讼、国家赔偿机制，为个人在数据采集过程中遭受的侵害提供充分的救济渠道。此外，积极促成内部监督机制和外部司法监督的衔接，为法院在后续救济中的司法审查提供便利。
建立数据处理合法性评价机制。数据处理时，应对数据处理的目的、应用的范围、所需数据的必要性进行说明。从目的来看，数据处理必须基于现实的、具体的目的，服务于特定的行政任务，不得漫无目的地处理数据或宽泛地访问数据，应确保数据处理的合理性、针对性。数据处理应确保数据处理机关具有处理数据的职权，即处理行为只能在其履行法定职责所必需的范围内，不能宽泛地将组织负责的具体事务作为处理数据的职权依据。同时，应形成对数据要素交易、确权、共享等环节的治理规则，促进数据要素协同优化、复用增效、融合创新，推动数据要素的市场化进程，释放数据资源的巨大潜力。此外，还要依法查处数据类不正当竞争行为，整治网络黑灰产业链条，营造公平竞争、安全可靠的数据环境。
健全数据流动的责任归属机制。应明确数据流动中的问责对象及具体标准。在权责统一的框架下，结合数据流动的基本要素，如数据的真实性、合法性、安全性等确定归责条件，并界定责任承担主体。鉴于数据流动的特点，问责条件可以考虑从传统行政法强调的“损害结果导向”转变为“风险规制导向”。这意味着不仅要关注数据流动可能带来的潜在损害，更要预先采取防范措施来降低风险。对于数据跨部门传输，需要明确统一数据的格式要求，减少同类数据统计口径差异，打破数据源部门壁垒。鼓励数据在保护个人隐私和确保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务等形式向社会提供。数据流动后，数据利用部门应当承担数据安全的主体责任，采取必要的技术和组织措施，对个人信息进行特别保护，在完成数据流动后，及时删除相关信息，防止非法访问、破坏、更改或未经授权的披露。
（作者单位：东南大学法学院）
