【观察与思考】

　　2026年《政府工作报告》指出，“发展金融、信息技术、现代物流、知识产权、检验检测等生产性服务业”。当前，我国制造业规模已稳居全球首位，服务业增加值占GDP比重持续提升，我国经济正从规模扩张的高速增长阶段转向高质量发展阶段。在这一背景下，数据作为新型生产要素，正以其独特的链接与赋能效应，深刻重塑产业资源的配置方式与生产组织形态，为先进制造业与生产性服务业的深度融合提供核心驱动力。

　　数据要素赋能先进制造业与生产性服务业融合的现实基础

　　产业、数据与制度三者相互支撑，共同构成了数据要素赋能效应得以发挥的基础。

　　完善的产业体系为数据要素嵌入实体场景提供载体。先进制造业集群所具备的规模优势与深度分工，以及生产性服务业专业化能力的持续积累，共同构成了数据要素赋能的核心骨架。当前，我国拥有全球门类最全、独立完整的工业体系，各地先进制造业集群持续壮大。同时，研发设计、现代物流、产业金融、检验检测等生产性服务业的专业化、规模化水平也在稳步提升。制造与服务双向配套的产业生态日趋成熟，这为数据要素嵌入产业链各环节、打通跨领域协同创造了充足的产业场景。

　　高质量的数据资源是数据要素价值得以释放的前提。2025年，全国年度数据生产总量达52.26ZB（泽字节），同比增长27.28%，约占全球27.44%。其中，工业制造、交通物流、软件和信息技术服务业等行业数据生产量增幅较大，有效发挥了“压舱石”作用。同时，工业互联网平台加速普及，重点平台覆盖全部41个工业大类，从设备运行参数到工艺流程数据、从供应链协同信息到产品全生命周期记录，这为先进制造业与生产性服务业的深度融合奠定了坚实的数据基础。

　　清晰规范的制度框架为数据跨企业、跨行业流通提供保障。2022年，《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》发布，从数据产权、流通交易、收益分配、安全治理等方面构建了数据基础制度。在此基础上，公共数据授权运营、企业数据合规共享、数据资产登记与收益分配等配套规则逐步落地，为产业间数据流通划定了合规边界。制度体系的不断完善，使数据要素的权责界定、信任构建与合规管理有了明确的规则依据，跨企业、跨行业数据互通具备了现实可行的制度保障。

　　数据要素赋能先进制造业与生产性服务业融合的作用机理

　　夯实融合基础。在技术层面，数据要素能够推动研发、生产、运维、供应链等制造业和服务全流程信息的标准化与可计算化，依托工业互联网平台形成统一的数据底座，使制造与服务共享同一数据技术体系，原本清晰割裂的产业技术边界会持续消融，衍生出智能检测、预测性运维、供应链调度等新型数字化服务。在市场需求层面，数据要素能够精准捕捉市场动态需求，个性化、多元化的消费需求将持续释放长尾市场潜力，倒逼制造业加大研发、定制、售后等投入，企业得以将产能转化为可调用的数据服务模块，推动传统批量生产向柔性定制转型。与此同时，制造企业也会主动延伸服务链条，生产性服务业下沉也有助于企业基于制造场景开发垂直解决方案，从供需两端双向拓展融合场景，持续拓宽二者深度融合的市场空间。

　　降低融合成本。在传统产业发展模式下，制造业与生产性服务业之间的协同高度依赖标准和技术规范，而信息不对称带来的高昂搜寻成本、谈判成本和监督成本，导致制造业与生产性服务业融合长期停留在浅层外包阶段。依托产业互联网平台的海量数据沉淀能够有效降低融合成本。在传统模式下，制造与服务企业协同往往依赖线下调研、展会对接或多方比价等，信息获取范围有限且效率低下，搜寻成本居高不下。数据要素依托产业互联网平台，将分散的制造需求与服务供给集中汇聚，通过实时流通与智能匹配，使供需双方能够快速锁定彼此，从而大幅降低交易成本。同时，数据要素的全流程可追溯、可留存特性，使合作双方的履约状态能够被实时监控，一旦出现争议，数据留痕即可作为客观凭证，极大简化核验与纠纷判定流程，从而有效降低了监督与合规成本。

　　提升融合效率。在制造服务化层面，全域生产数据的实时感知与动态反馈，使制造体系能够按需柔性调配资源，显著缩短个性化定制、共享工厂、远程运维等新业态从需求到交付的响应周期。研发创新、工艺优化、智能运维等高附加值服务也因数据闭环而深度嵌入生产线，从而减少传统模式下服务与制造之间的衔接延迟，提升制造端服务延伸与价值创造的效率。在服务制造化层面，数据打通了生产与服务的信息通道，产业金融、工业物流、供应链管理等不再作为外围配套独立运行，而是依托现场实时数据精准嵌入调度、质检等核心生产环节。这种即时耦合消除了信息传递的中间损耗，使服务与制造的交互效率大幅提升。

　　数据要素赋能先进制造业与生产性服务业融合的实现路径

　　打通数据流通壁垒，搭建统一数据底座。当前，制造端与服务端的数据标准尚未统一，加之企业出于安全考虑倾向于将核心数据封闭于内部系统，导致数据孤岛问题突出，严重制约数据跨行业流转与复用。应加快建立统一的工业数据采集、接口与交互规范，推动设备、产线、业务系统之间的兼容互通。例如，依托工业互联网平台与产业数据空间，构建统一的数据底座，实现制造、物流、金融、研发等多领域数据的互联互通。同时，建立分级分类的数据共享机制，根据数据类型与敏感等级，匹配差异化的流通规则与防护措施。在保障企业数据权益的前提下，构建安全可信的数据流通渠道，推动数据要素在制造与服务之间有序流动，充分释放数据资源对先进制造业与生产性服务业融合的支撑效应。

　　深耕行业细分场景应用，拓展融合空间。产业场景是释放数据要素融合价值的核心载体。不同规模、不同发展阶段的制造企业对融合服务的需求呈现梯度化特征。应围绕先进制造业的细分赛道，构建分层分类、多元适配的融合应用体系。面向龙头企业，推广协同研发、预测性运维、全生命周期数字化管理等深度集成方案，推动数据要素向制造全链条渗透。面向中小制造企业，则部署柔性定制、共享产能、智能供应链调度等轻量化、低成本的数字化服务，降低其参与融合的技术与资金门槛。同时，推动生产性服务业依托产业数据下沉至制造场景，发展工业数据诊断、供应链金融、数字化检验检测等新型服务，强化服务业对制造业的数据赋能深度。通过多层面协同推进，持续壮大制造服务化、服务制造化双向业态，不断拓宽数据要素的价值释放空间。

　　数据要素的有序流通与价值交易，离不开完备的制度体系支撑。在权属与交易层面，健全数据产权归属、数据资产登记、数据交易流通等基础规则，厘清制造企业与服务商之间的数据权属边界与收益分配机制，激发企业参与数据共享的内生动力。在安全与保护层面，细化工业数据分级分类、数据脱敏处理、隐私保护等操作规范，明确企业核心工艺数据的安全保护边界，为数据流通提供清晰的安全预期。在政策层面，完善产业数字化配套扶持政策，重点培育工业互联网平台能力，加大复合型数字人才培养力度，补齐数据要素市场化配置中的薄弱环节。

　　　（作者：孙光林，系南京财经大学人力资源与数据产业研究院研究员）