作者：刘新海

2026年10月12日，2026年诺贝尔经济学奖即将揭晓。每年这一时刻，都会引起国内学术界和公众的广泛关注。借此机会，我们不妨讨论一个与中国经济发展密切相关的话题：历届诺贝尔经济学奖的研究成果，与今天的数据经济和数据要素市场有什么关系？

近年来，中国高度重视数据要素市场建设，出台了大量政策，成立了国家数据局，各地也积极建设数据交易所、数据平台和数据基础设施。然而，数据要素市场的发展仍然面临不少困难。

一个值得重视的深层原因是：数据经济的基础理论研究与市场实践尚未充分衔接，许多基本问题缺乏共识。

数据究竟是一种资源、资产，还是商品？数据的经济价值来自哪里？数据交易究竟交易什么？谁有权使用数据，谁应该获得收益？数据市场究竟应该怎样组织？

这些看似简单的问题，实际上涉及经济学、法学和管理学的基本原理。政府、企业、数据持有者、使用者等各方有着不同的利益诉求，如果缺少共同的理论认识，制度建设和市场合作就容易遇到障碍。

2026年3月，国家数据局发布的政策解读也指出，实践中各方对数据产权的客体范围、具体含义、权利关系及取得方式存在不同理解，容易引发市场争议，制约数据资源开发利用。[1]

值得注意的是，虽然“数据要素市场”是近年来中国经济政策中的热门概念，但关于信息价值、市场交易和经济组织的许多基本问题，经济学家已经研究了数十年，其中不少成果获得了诺贝尔经济学奖。

一、信息为什么有价值？信息经济学的诞生

1961年，美国经济学家乔治·斯蒂格勒（George Stigler）发表了著名论文《信息经济学》（The Economics of Information），系统研究了信息搜寻的成本及其对经济行为的影响。[2]

举个简单的例子，消费者购买商品时，如果不知道哪家商店价格便宜，就需要花时间四处比较。如果有人能够提供准确的价格信息，消费者就可以节省搜寻成本，做出更好的选择。

这说明，信息不是免费的，获取信息需要成本，而信息也能够创造经济价值。

斯蒂格勒于1982年获得诺贝尔经济学奖，获奖主要因为他在产业组织、市场运行和公共监管方面的贡献。虽然信息经济学并非他当年的直接获奖理由，但《信息经济学》已经成为这一领域的经典文献。

2001年诺贝尔经济学奖，则更加直接地与信息经济学有关。

这一年的获奖者是乔治·阿克洛夫（George Akerlof）、迈克尔·斯彭斯（Michael Spence）和约瑟夫·斯蒂格利茨（Joseph Stiglitz），他们因研究信息不对称市场而获奖。[3]

其中，阿克洛夫著名的“柠檬市场”理论指出，如果买家不了解二手车的真实质量，优质车辆可能因无法获得合理价格而逐渐退出市场，最终导致市场效率下降。

这一理论在金融领域具有很强的解释力。

例如，银行发放贷款时，往往无法充分了解借款人的真实信用状况。征信机构通过收集、整理和分析信用信息，帮助银行识别风险，减少信息不对称。

实际上，征信行业早在现代数字经济兴起之前就已经存在。它是信息服务创造商业价值的典型案例，也可以说是今天数据经济的重要历史先驱。

信息经济学告诉我们，数据的价值并不简单取决于数量，而在于它能否减少信息不对称，降低不确定性，改善经济决策。

二、信息越多越好吗？有限理性理论的启示

1978年诺贝尔经济学奖得主赫伯特·西蒙（Herbert Simon），因为对经济组织内部决策过程的开创性研究而获奖。[4]

西蒙提出的“有限理性”理论指出，人类获取、处理信息和进行复杂决策的能力是有限的。

这一思想对今天的数据经济尤其具有启发意义。

我们每天产生和接触大量数据，但数据越多，并不意味着决策一定越好。如果没有有效的处理方法，海量信息反而可能增加理解和判断的困难。

这也解释了为什么人工智能、大数据分析和智能体具有重要经济价值。

它们的作用不仅是帮助人们获取更多信息，更重要的是提高信息处理能力，辅助分析、预测和决策。

因此，数据经济不能只关注数据采集、存储和流通，还必须重视数据的有效利用。

三、数据为什么难以交易？从科斯的交易成本理论谈起

1991年诺贝尔经济学奖得主罗纳德·科斯（Ronald Coase），因对产权和交易成本重要性的研究而获奖。[5]

科斯最初研究的并不是数据交易，而是一个基本经济学问题：既然市场可以通过价格协调经济活动，为什么还需要企业？

他在1937年的《企业的性质》中指出，使用市场机制本身也存在成本，例如寻找交易对象、谈判、签订合同和监督履行等。

企业之所以存在，部分原因就是在某些情况下，通过企业内部组织经济活动，比直接通过市场交易更加有效。

这一理论后来发展为交易成本经济学的重要基础。

如果将这一分析方法延伸到数字时代，就可以提出一个有趣的问题：

一家银行希望获得其他企业的经营数据，究竟应该自行采集、购买专业信息服务，还是通过数据平台与其他机构合作？

不同方式涉及不同的成本，包括数据搜寻、质量验证、技术对接、合规审查以及交易后的责任管理。

因此，数据市场建设不仅涉及数据产权和价格，还需要考虑如何降低交易与合作成本。

当然，科斯的理论并非专门针对数据提出，不能简单据此认定数据必须确权交易，更不能认为所有数据都应该通过交易所流通。

它真正提供的启示，是研究不同市场组织方式的成本与效率，寻找适合特定经济活动的制度安排。

四、怎样建设有效的市场？机制设计理论的贡献

2007年，莱昂尼德·赫维茨（Leonid Hurwicz）、埃里克·马斯金（Eric Maskin）和罗杰·迈尔森（Roger Myerson），因奠定机制设计理论的基础获得诺贝尔经济学奖。[6]

机制设计研究的是：如何制定规则，使不同利益主体在追求自身利益的同时，实现某种预期的市场结果？

这一理论对数据要素市场建设很有启发。

例如，数据提供者希望获得更高收益，数据使用者希望降低成本，个人则可能更关注隐私保护。如何设计合理的交易、激励和约束机制，使各方愿意参与合作？

2020年诺贝尔经济学奖表彰的拍卖理论及新型拍卖机制研究，也为复杂商品和权利的市场配置提供了分析方法。[7]

不过，数据具有容易复制、质量难以验证、用途可能受限制等特点，并不是所有数据都适合采用拍卖或标准化交易方式。

机制设计理论提醒我们：市场并不只是建立一个交易平台，还需要合理的规则和激励机制。

五、数据如何推动经济增长？从罗默到人工智能

2018年，保罗·罗默（Paul Romer）因为将技术创新纳入长期经济增长分析而获得诺贝尔经济学奖。[8]

罗默的内生增长理论强调，知识和创新不同于传统有形资本，新的知识可以被不断利用，成为推动长期经济增长的重要力量。

2025年，诺贝尔经济学奖又授予乔尔·莫基尔（Joel Mokyr）、菲利普·阿吉翁（Philippe Aghion）和彼得·豪伊特（Peter Howitt），表彰他们对创新驱动经济增长的解释。[9]

这些理论同样可以帮助我们理解数据经济。

一家企业拥有大量数据，并不意味着它一定具有强大的竞争力。只有将数据与技术、算法、人才和业务需求结合，形成新的产品、服务和生产方式，才可能真正推动生产率提升。

值得一提的是，近年来经济学家已经开始直接研究数字数据的特殊经济属性。

2020年，查尔斯·琼斯（Charles Jones）和克里斯托弗·托内蒂（Christopher Tonetti）在《美国经济评论》发表《数据的非竞争性与经济学》（Nonrivalry and the Economics of Data），指出数字数据通常具有非竞争性，即同一份数据可以被多个主体重复利用，而不会像传统商品那样因使用而被消耗。[10]

他们的研究还讨论了企业保留数据、隐私保护与社会整体收益之间的关系。

这类研究虽然不是诺贝尔奖获奖成果，却比许多传统理论更加直接地面对现代数据经济问题，也代表了经济学研究的新方向。

六、对中国数据要素市场有什么启示？

回顾这些诺贝尔经济学奖成果，可以发现一个重要特点：经济学家首先关注的往往不是如何建立一个市场，而是市场为什么存在、为什么失灵、信息如何影响交易，以及经济主体如何通过合理的制度安排开展合作。

这对中国数据要素市场建设具有现实意义。

当前，中国并不缺乏数据资源，也已经拥有相当丰富的数据应用经验。金融征信、商业信息服务、互联网平台、工业数据分析等领域，都形成了不同的商业模式。

但是，如何从这些实践中总结经济规律，建立市场各方能够理解和接受的理论框架，仍然是一个重要课题。

尤其需要回答三个基本问题：数据究竟怎样创造价值？不同主体为什么愿意共享和使用数据？什么样的市场组织和制度安排最有效？

这些问题并不能完全依靠行政推动、技术平台建设或者法律制度设计来解决，而需要经济学、法学、技术和产业实践之间更加深入的交流。

当然，理论研究不足不是数据要素市场面临的唯一困难。数据安全、隐私保护、市场竞争以及不同主体之间的实际利益冲突，同样需要认真解决。

而理论研究的重要作用，正是帮助各方更好地理解这些问题，形成共同的分析框架，为制度创新和商业合作提供依据。

发展数据经济，不仅需要数据、技术、政策和市场，还需要能够解释数据经济运行规律、协调利益关系并形成广泛共识的经济学理论。

在诺贝尔经济学奖揭晓之际，回顾这些经典经济学成果，或许比猜测谁将获奖更具有长远意义。

后续深度分析和精彩内容，请关注电子期刊《数据经济评论》！

参考文献

[1] 国家数据局：《落实数据产权结构性分置制度 促进数据要素价值释放》，2026年3月21日，https://www.nda.gov.cn/sjj/zwgk/zjjd/0320/20260320162326767396218_pc.html.

[2] Stigler, G. J. (1961). The Economics of Information. Journal of Political Economy, 69(3), 213–225. https://www.journals.uchicago.edu/doi/10.1086/258464.

[3] The Nobel Prize (2001). The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2001. https://www.nobelprize.org/prizes/economic-sciences/2001/summary/.

[4] The Nobel Prize (1978). The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 1978. https://www.nobelprize.org/prizes/economic-sciences/1978/summary/.

[5] The Nobel Prize (1991). The Prize in Economic Sciences 1991 — Press Release. https://www.nobelprize.org/prizes/economic-sciences/1991/press-release/.

[6] The Nobel Prize (2007). The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2007. https://www.nobelprize.org/prizes/economic-sciences/2007/summary/.

[7] The Nobel Prize (2020). The Prize in Economic Sciences 2020 — Press Release. https://www.nobelprize.org/prizes/economic-sciences/2020/press-release/.

[8] The Nobel Prize (2018). The Prize in Economic Sciences 2018 — Press Release. https://www.nobelprize.org/prizes/economic-sciences/2018/press-release/.

[9] The Nobel Prize (2025). The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2025. https://www.nobelprize.org/prizes/economic-sciences/2025/summary/.

[10] Jones, C. I., & Tonetti, C. (2020). Nonrivalry and the Economics of Data. American Economic Review, 110(9), 2819–2858. https://www.aeaweb.org/articles?id=10.1257/aer.20191330.