郑磊

　　坚持创新驱动，加紧培育壮大新动能，是我国经济实现高质量发展的必由之路。其中包含两个层面，一是知识生产与创造，比如基础科学领域的理论创新和新技术，另一个层面则是如何将其应用于经济活动之中，这是创新融合，也是创新实践的过程。通过科技创新与产业创新的深度融合，能够加速科技成果向现实生产力的转化。

　　为了提高创新质量和效率，国家正在一些关键科技领域投入大量资源，扩大本、硕、博人才培养数量，通过“集中力量办大事”机制，是否能够快速攻克“卡脖子”技术难关，在经济学界引起了讨论。按照罗默的内生增长模型，研发人员数量翻倍，经济增长率也应该翻倍。如果我们投入研发的资金也翻倍，经济会不会实现更强劲的增长？20世纪后半叶，美国研发人员数量增长了5倍以上，但人均GDP增长率并未显著提升，反而保持相对稳定（约2%）。这就是主流经济学里的一个理论无法解释现实的典型例子，称为“规模效应悖论”。解决这个问题具有极强的现实意义，有助于我们更科学地设计政策，以使配置在科研上的资源发挥出最大潜力。

　　基于“数据要素嵌入生产函数”模型（下称“新生产函数”），数据作为新经济的重要生产要素，存在从数据到信息，再到知识的生产创造过程，以及由知识形成的技能在产业中被实践应用的过程。其中，知识包括基础科学和新技术等理论创新，技能包括工程、流程方法和管理技能。两个过程都内含了对创新的诉求，政策设计应侧重如何构建适应创新要求的环境，以及有助于激励创新生产和创新应用实践的措施。

　　罗默模型假设知识产出与现有知识存量和研发人员数量成正比，这是导致悖论（即“罗默悖论”）的一个主要原因。在新生产函数模型里，“数据资产化函数”定义了数据要素转化为知识、技术的效果，对应于知识生产和创造，其内核是人力资本的培育，关键是培养符合战略创新产业发展的高素质人才，而非单纯以学历文凭为标准的“人才”。我国人力资本在数量上具备规模优势，但结构失衡，顶尖人才匮乏，论文发表数量多而原创少。教育科研政策的重点应放在提高创新意识和能力培养，弥补创新环境短板，辅以宽松少教条约束的教育科研管理体制，以使科研人才彻底解放思想，满足科研创新的高质量发展需求。

　　为了让科技创新的知识和技术能够在现实经济中发挥作用，须将新技能用于实践之中，将科技创新转化为产业创新。这要求我们的视野从传统的“科技成果转化”，拓展至“新生产函数”所强调的广义技能——其中，企业家精神是激活管理技能、驱动产业创新的核心要素。为此，创新政策除了扫除创新技术、工程、流程中遇到的障碍之外，还应大力改善营商环境，为企业家松绑，充分释放这一群体的创新动能。

　　在投资方面，新生产函数构建了一个函数用来代表“无形资产投资”。投资一般分为金融资本、实物资本、人力资本，比如货币资金、土地、劳动力等，在新生产函数模型里，无形资产投资包括了数字金融资本和数据资本。通过第一阶段“知识生产和创造”，我们可以获得源源不断的包括数据产品在内的无形资产，能否让它们在经济活动中发挥更大效用，关键在于实现其投资功能。

　　数据资产入表部分体现了数据资本在企业经营中的投资作用。但是要留意，只有满足资本化条件的支出才能列入研发支出。这意味着这些数据资源成为研发项目的重要投入，将以商品和利润形式转化为投资收益。换言之，越来越多的数据资产投入到生产和研发中，表明产业的数字化程度越来越高，数据作为生产要素的角色和作用越来越重要，这是数字经济的主要特征。

　　无形资产投资函数的另一个维度是“数字金融资产”投资。我们传统的金融投资以现金形式的投资为主。随着数字经济的深入发展，数据要素不仅仅体现在生产过程中，也会成为金融投资品的底层资产，而金融投资品也必然要适应底层资产的数据属性，主要以数据金融形式出现，如各类数字通证。从目前国际实践来看，稳定币、RWA在一些国家发展速度很快，数字金融领域处在“跑马圈地”阶段，那些具有大经济体量并已经将数字金融纳入规范和监管的国家，有可能在数字经济时代率先取得先机。随着时间推移，可以预计未来将形成以数字金融资产为主的全球投资格局，我国的金融监管政策应跟上时代潮流，稳步推进金融数字化，使其为数字经济发展提供充足动力。

　　新生产函数探讨了制度对产业创新融合的影响。制度作用于人，并决定了资本投入的形式、方式和规模等，进而体现为知识创造和应用的广度、深度和速度。制度演进是缓慢的，短期来看，政策有可能突破现有边界。可以在知识创造和生产方面进一步放松限制，鼓励自由思想和理论创新，而在科技伦理方面加强对新技术应用的把关，通过众多这样的制度创新尝试，放大新生产函数的指数项，为创新驱动的新动能提供更强激励，这是体制创新的应有之义。

　　本报专栏文章仅代表作者个人观点，特此说明。