文章核心观点 - 文章提出，通过“数据要素嵌入生产函数”模型来理解创新驱动，该模型强调从数据到知识的生产创造，以及知识技能在产业中的实践应用两个过程，政策应聚焦于构建创新环境和激励措施，以解决研发投入与经济增长不匹配的“规模效应悖论”，并加速科技成果向现实生产力转化 [1][2][3] 创新理论与模型 - 罗默的内生增长模型认为研发人员数量翻倍会导致经济增长率翻倍，但现实存在“规模效应悖论”，例如20世纪后半叶美国研发人员数量增长5倍以上，人均GDP增长率却保持相对稳定的约2% [1] - “数据要素嵌入生产函数”模型将数据作为新生产要素，其过程包含从数据到信息再到知识的生产创造，以及由知识形成的技能在产业中的实践应用 [2] - 新模型指出“罗默悖论”的一个主要原因是原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，而新模型通过“数据资产化函数”定义数据转化为知识技术的效果 [2] 知识生产与人才培养 - 知识生产与创造层面包括基础科学领域的理论创新和新技术，国家正在关键科技领域投入大量资源并扩大本、硕、博人才培养数量 [1] - 知识生产的核心是人力资本培育，关键是培养符合战略创新产业发展的高素质人才，而非仅看学历文凭，目前人力资本存在结构失衡、顶尖人才匮乏、论文数量多但原创少的问题 [2] - 教育科研政策重点应放在提高创新意识和能力培养，弥补创新环境短板，并辅以宽松少教条约束的管理体制 [2] 产业创新与技能应用 - 创新融合与实践层面是如何将知识应用于经济活动，需将科技创新转化为产业创新，视野应从传统“科技成果转化”拓展至“新生产函数”强调的广义技能 [3] - 企业家精神是激活管理技能、驱动产业创新的核心要素，创新政策应大力改善营商环境，为企业家松绑以释放其创新动能 [3] - 新生产函数构建了代表“无形资产投资”的函数，其包括了数字金融资本和数据资本，让第一阶段产生的数据产品等无形资产发挥投资功能是关键 [3] 数据资产与数字经济 - 数据资产入表体现了数据资本在企业经营中的投资作用，只有满足资本化条件的支出才能列入研发支出，这些数据资源将作为研发投入转化为商品和利润形式的投资收益 [4] - 越来越多的数据资产投入生产和研发，表明产业数字化程度提高，数据作为生产要素的角色越来越重要，这是数字经济的主要特征 [4] - 无形资产投资函数的另一维度是“数字金融资产”投资，数据要素将成为金融投资品的底层资产，金融投资品需适应其数据属性，主要以数据金融形式出现，如各类数字通证 [4] 数字金融与监管 - 从国际实践看，稳定币、RWA（真实世界资产）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 [4] - 那些具有大经济体量并已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 [4] - 未来预计将形成以数字金融资产为主的全球投资格局，金融监管政策应跟上潮流，稳步推进金融数字化以为数字经济发展提供动力 [4] 制度与政策影响 - 制度决定了资本投入的形式、方式和规模，进而影响知识创造和应用的广度、深度和速度，制度演进缓慢，但短期政策有可能突破现有边界 [5] - 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，同时在科技伦理方面加强对新技术应用的把关 [5] - 通过此类制度创新尝试，可以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 [5]