數據要素賦能新質生產力“三新”要素的法律適用困境與出路

摘 要：數據已成為新型勞動生產資料融入工業領域，并成為推動新質生產力發展的重要要素。在數據要素推動新質生產力發展的時代背景下，新勞動者、新勞動資料、新勞動對象逐步演變為數據勞動主體、數據生產要素、數據產品及服務。數據要素賦能新質生產力“三新”要素發展過程中，面臨數據勞動主體法律地位待明確、數據要素技術標準難以聯通、數據產品產權確認陷入爭議的法律適用困境。基于權利能力理論、自由意志與決定論、數據分類分級原則、場景一致理論等，立足“模式+賦權”“標準+指南”“權利+利益”三位一體布局，化解法律規制的不足，并提出數據勞動主體資格登記及勞動賦權模式、數據要素技術標準聯通路徑、數據產品產權結構分置的確權布局。

關鍵詞：數據要素；新質生產力；法律擬制；技術標準；數據產權

DOI：10.6049/kjjbydc.Q202407219 開放科學（資源服務）標識碼（OSID） 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F49 文獻標識碼：A

文章編號：1001-7348（2025）07-0021-12

0 引言

2023年9月，習近平總書記在黑龍江考察時強調，“積極培育未來產業，加快形成新質生產力，增強發展新動能”。2023年12月，國家數據局等十七部門聯合印發《“數據要素×”三年行動計劃（2024—2026年）》，提出“激活數據要素潛能，發展新質生產力”。新質生產力是先進生產力的一種表現形式，是新的高水平現代化生產力的具體體現，代表著生產力的躍遷升級，是擺脫傳統經濟增長方式和生產力發展路徑，符合新發展理念的先進生產力^[1]。新質生產力“三新”要素由新勞動者、新勞動資料、新勞動對象構成，新質勞動者逐步向數據操控主體過渡轉型，運用數據生產要素等新型勞動資料，生產數據產品、應用及服務等新勞動對象，形成新型勞動生產關系。隨著云計算、物聯網、人工智能等數據應用技術的飛速發展，生產工具已逐步向數據、信息等非物質資料過渡。數據具有高速泛在、虛實交互、數智融合優勢，以數據呈現的非物質客體可視化、可驗證、可監測，符合科技創新發展理念與先進生產力質態，是推動現代產業發展的重要勞動資料。當下，運用數據要素賦能新質生產力是重構新經濟增長極、激活全域現代化生產制造鏈條的關鍵。然而，現階段運用數據生產要素賦能新質生產力“三新”要素存在數據勞動主體認定范圍模糊、勞動資料技術標準數據格式難以兼容、勞動對象數據產品產權結構分置困難等法律適用難題。為此，本文重點探究數據要素賦能新質生產力“三新”要素的現實路徑，以期推動數據要素賦能新質生產力發展。

1 文獻綜述

在數據要素賦能新質生產力發展方面，陳鳴等^[2]認為，應通過優化市場資源配置、提高城市創新能力、促進產業結構深度轉型，提升城市新質生產力發展水平；張夏恒等^[3]提出，應提高數據要素供給水平、完善數據要素基礎設施、明確數據產權歸屬等，推動數據要素賦能新質生產力發展；林鎮陽等^[4]構建五元主體參與的數據要素價值化協同治理模型，提出“市場主導、政府引導、供需聯動”的全鏈條數據要素流通交易多元聯動生態系統；傅澤^[5]從優化數據要素配置結構、強化創新賦能與資源整合效應、構建聯動發展模式等方面提出促進新質生產力發展的政策建議；高昕等^[6]研究發現，傳統行業供需端轉型升級呈現“數字技術引進－數據邏輯主導－傳統生產力更新”的演進特征，提出傳統生產力向新質生產力邁進“供－需”互促的發展思路；楊坤等^[7]圍繞場景范式優勢、數據要素價值等方面，提出加速培育新質生產力的建議；Merkas等^[8]使用人工智能和數字化轉化指數，驗證人工智能將在多大程度上影響員工生產效率，并探尋促進生產力增長的新工作模式；Karthike^[9]指出，由數據控制和監控的人工智能機器人勞動者，其自動化操作能力、電子控制反應速度超出人類能力活動范圍，有利于推動生產力發展。

總體來看，已有文獻從法治框架、管理體系、基礎設施建設、數據流通等方面分析數據要素賦能新質生產力的發展措施，但對于微觀規則具體落實及數據要素賦能新質生產力的具象研究較少。為此，本文聚焦“勞動力+生產工具+產品服務”3個方面，結合權利能力理論、自由意志與決定論，探討法律主體成立的必備要件，使用法律擬制立法技術，證成數據勞動主體法律資格獲取方式；根據數據分類分級原則、場景一致理論，確定數據要素技術標準聯通思路；基于權利分割思維、有限產權理論，厘清數據產品產權結構分置的基本設想，從“模式+賦權”、“標準+指南”、“權利+利益”三重維度布局數據要素推動新質生產力發展的法律規制路徑。首先，相關學者認為數據勞動主體將成為新勞動者的應用前景，并提出數據勞動主體法律資格登記制度、“新素質”認證模式、勞動權益保障機制；其次，擬定數據要素技術標準銜接聯通路徑，提出設立勞動場景工業數據分類分級指南、制定數據要素格式兼容規范、構建可信通用的工業數據流通標準體系；最后，將數據產品納入新勞動對象范疇，以數據資源所有權與數據資源用益權兩權分離架構生成數據產品所有權，同時運用數據資源持有權、數據加工使用權、數據產品經營權三權分置的數據產權權利分割思維，解析生產、加工、終端等環節數據產品承載的財產權益。2 數據要素賦能新質生產力“三新”要素的理論闡釋 原始數據能轉換為數據要素，并形成數據生產力，是推動新質生產力發展的基礎性生產力。數據通過協同優化發揮“乘數效應”，彰顯數據要素對新質生產力的強大賦能作用，是社會數智化轉型的重要推動力。

2.1 數據生產要素形成過程

原始數據規模大、種類繁多、類型復雜，不能直接作為生產要素，需要按照一定方法對原始數據資源進行分析與處理，才能形成新的數據要素，并將要素化的數據轉化為模型、視頻等數據產品，進而轉化為生產要素。數據要素成為數據產品的全流程如下：①通過網絡平臺和數字系統反饋、識別特定生產需求信息；②對數據進行匯聚、整理、加工，形成計算機數據及其衍生形態；③將投入生產的數據與生產需求相結合，催生新的生產模式和過程；④形成各類數據產品及系統，進而生成新的數據生產要素。數據產品形成過程見圖1。

2.2 數據要素賦能新質生產力“三新”要素的具體表現

數據要素具有緩解生產要素時空約束、破除數智化轉型障礙、與傳統生產要素有機融合的特征，通過數智化管理發揮新型生態系統與新型網絡連接的獨特生產優勢，在高素質勞動者、新介質勞動資料、新質料勞動對象形成與發展過程中發揮賦能作用。

2.2.1 數據勞動主體表征新勞動者

新勞動者是具備“新素質”的高端人才。新質生產力的新勞動者是指引領新興科技、具備多維知識結構、熟練運用新型生產工具的高素質創新型和技能型人才，能運用數據要素從事生產勞動，勞動者的勞動能力在先進設備和創新科技的推動下提升到新高度。

（1）以數據要素操控為主導。本文定義的數據勞動主體是指在數據空間運用數據生產要素從事生產勞動的數字化勞動者，當數據交互技術發展到一定程度時，能運用數據操控勞動主體的生產勞動。

（2）范圍延伸至無形性。通過數據要素操控的虛擬數字人、人工智能體等勞動主體可獨立從事高危作業和有害人體健康的生產勞動，在特定工作環境下，肉眼甚至無法識別虛擬數字人與人類的差別。人類與計算機的交互、耦合及共創，以及高智能、實時交互的虛擬數字人將極大程度上促進勞動力方向轉變，并成為推動數字勞動范式轉型的重要驅動力。

（3）具備新勞動者素質。數據勞動主體表現為具有強大智能交互能力、數據處理能力、自我優化能力、知識更新和持續學習能力，能從事知識密集型和創造性勞動的創新型、高技能數字化勞動者，能獨立從事高危勞動，是勞動場景中熟練運用勞動工具和生產資料的應用型數字化勞動主體，不僅可為元宇宙等數據空間提供高質量勞動力，也可為現實世界的勞動生產提供有益經驗和勞動效益。

2.2.2 數據生產要素成為新勞動資料

新勞動資料是具有數智化特征的“新介質”，即從依賴物質資源和簡單落后的生產工具過渡到虛擬現實和增強現實設施、自動化制造設備等融合多元新型技術的新勞動工具。勞動資料中具備知識形態、由科學技術轉化的生產要素一定程度上代表著現階段生產力發展水平，勞動資料在新技術、新應用等硬實力支撐下發生質變和突破。

（1）生產過程可視可監測。以機床生產加工為例，在設計階段，通過虛擬現實技術可將機床各個零部件以及它們之間的連接關系、機床加工過程中所使用的刀具和夾具等以數據模型的形式展現給現實用戶，幫助人們了解產品制造過程與實況。

（2）數據要素構成新興技術。在生產階段，可運用計算機圖形學構造具有逼真效果的三維模型，利用人工智能技術對其進行分析和處理，通過增強現實技術對設備、模型進行操控。如3D打印技術能將機床零部件、設備組裝起來，動態仿真數據產品，完成自動化生產。

（3）反映制造實況與進程。在加工階段，可通過疊加在數據產品上的圖像和參數獲取生產制造虛擬對象所需的各種數據信息，如零部件說明、庫存水平、總裝配圖、工廠操作進程、計劃完成時間等。

借鑒虛擬工廠生產制造經驗，可減少現實世界實體工藝運維成本與試錯次數，打破產業之間的壁壘與隔閡，減少現實工廠生產風險與中斷事故，縮短生產加工時間，有效防范各類安全事故，提高勞動生產水平和實際工作效率。

2.2.3 數據要素生成新勞動對象

新勞動對象既涵蓋具有物質形態的高端智能設施，又包括非物質形態的“新質料”。新勞動對象以“數據呈現”為關鍵特征，數據信息等非實體形態的新型生產要素釋放出巨大的生產能效，并成為驅動數據產品、數據應用及數據服務的關鍵因素，從而滿足人們日益增長的智能化、定制化需求^[10]。

（1）數字技術生成監測。在終端階段，虛擬對象生成主要借助數字孿生技術，通過對物理模型的動態仿真和傳感器數據的分析監測，將本體的實時狀態、運行條件復現到數據模型中，生成與現實世界相對應的數字版“克隆體”。

（2）數據反映產品狀態。數字孿生技術還可讓虛擬對象映射成現實產品，將“克隆體”操作要求與運維情況映射到實物產品，實物產品的數據、參數等又可作為輸入傳送到數字模型，通過監測設備可實時監控重點模型制造過程，識別和調整虛擬產品狀態。

（3）數據塑造多種產品。數據要素可形塑數以億計的設備和產品，除去運用數字孿生展現的非物質形態的虛擬對象外，用戶生成內容、非同質化通證也可納入新勞動對象范疇，通過仿真建模可將其轉變為現實世界實體產品，從而豐富物質資源、創造社會財富。

科技創新的廣度延伸、深度拓展、精度提升和速度迭代使得勞動對象的生成范圍和領域發生質變與突破，大至天體宇宙，小至基因量子，涵蓋數智化設施和物質資料，如人工合成材料、數據產品等都能成為勞動對象。數據要素賦能新質生產力新勞動者、新勞動資料、新勞動對象的具體表現見圖2。

2.2.4 數據要素賦能新質生產力“三新”要素的優化組合 根據新時代的經濟發展要求，新質生產力對馬克思主義生產力理論予以新的拓展與闡釋，對馬克思“生產力中也包括科學”的理論要義予以深化，賦予其新的時代內涵與意義。

數據要素賦能新質生產力“三新”要素的優化組合，體現在新勞動者、新勞動資料、新勞動對象的相互作用關系上。首先，新勞動者對數據要素等勞動資料存在作用力，新勞動者的能力和需求推動傳統勞動資料更新升級、迭代換新，以適應戰略性新興產業、未來產業科技創新及數字變革需求。其次，新勞動者對數據產品等勞動對象也存在作用力，其借助科學技術知識、創新應用技能，將數據生產要素生成數據產品、數據服務等新勞動對象。

新勞動資料和新勞動對象對新勞動者存在反作用力，要求新勞動者必須具備相應的科學技術知識和操作能力，新勞動者需不斷提升自身學習技能和勞動能力，以應對新興技術升級與變革。持續迭代、不斷優化的勞動資料為新勞動者提供先進的勞動工具，通過數智、共享、平臺化協作模式，運用互動感知、數智化技術生成蘊含新型生產要素、具有應用價值的勞動對象。新質生產力“三新”要素協同優化、相輔相成，以勞動生產效率的大幅提升為核心目標，高度適應經濟高質量發展目標，共同推動生產力發展和社會進步。

2.3 數據要素賦能新質生產力“三新”要素的效能優勢

通過分析數據勞動主體、數據生產要素、數據產品組成與結構，能夠精準把握市場需求、技術優勢及產業應用前景，為生產工藝改進與勞動力培養提供發展方向，加快推進經濟高質量發展。

（1）提升全要素生產率。數據要素與其它生產要素協同能發揮數據要素“乘數效應”和“聚合效應”，激發勞動者的數據思維，提升數智化勞動技能與數據應用能力，在同等勞動時間內促使大規模生產要素生產運行，進而提高勞動邊際產出效益和再生產水平。

（2）優化資源配置。數據要素滲透到設計、生產、加工等各個環節，通過虛擬網絡平臺對數據要素勞動資料進行重新分配，發揮數據在生產鏈、供應鏈、價值鏈等多鏈融合中的復用作用，深度優化現代化產業鏈資源。

（3）促進產業調整與升級。發揮數據要素在全場景、全鏈條、全要素的數字復用與再造優勢，促進數智技術與數字經濟深度融合，賦能傳統產業轉型升級，催生數字產業集群和數字產業生態等新業態新模式。

3 數據要素賦能新質生產力“三新”要素的現實需求

3.1 數據要素賦能數字勞動者的供需前景

據聯合國人口司測算，到2030年，我國60歲以上人口占比預計超過25%，人口老齡化問題日益嚴峻。《中國數字經濟人才發展報告（2024）》預測，到2025年，中國數字經濟人才需求總數將超過7 500萬人，但實際人才總量只有約4 500萬人，人才缺口將接近3 000萬人。數字勞動力的短缺以及人才供需關系的“結構性失衡”，反映出當下我國數據要素未同數字勞動力深度融合，難以滿足勞動力市場對高素質數字勞動者的需求，數字勞動者短缺已成為制約數字經濟發展的重要因素。當下數字化技術正在不斷突破創新，推動新型用工模式轉型。數字化勞動力將打破人機邊界，形成人機耦合新模式，用數據驅動“數智勞動者”自發進行勞動生產。根據全球管理咨詢公司麥肯錫編制發布的《數字化勞動力——全力激活人效潛能，助力企業行穩致遠》白皮書，到2030年，數字化勞動力將提供1.73萬億元經濟價值；2022—2030年，數字化勞動力具備1.6萬億元經濟增值空間。據世界經濟論壇預測，截至2029年，全球預計創造約6 900萬個新工作崗位，其中由人工智能和數字化技術驅動的工作崗位漲幅最快。

3.2 數據要素賦能新勞動資料的生產優勢

截至2023年底，我國工業企業關鍵工序數控化率為62.9%、數字化研發設計工具普及率為80.1%；全國在用數據中心標準機架超810萬架；全國數據生產總量達32.85ZB，同比增長22.44%，且數據產量將繼續保持快速增長態勢^[11]。2023年12月，工業和信息化部等八部門聯合發布《關于加快傳統制造業轉型升級的指導意見》，提出“到2027年，工業企業數字研發設計工具普及率、關鍵工序數控化率分別超過90%、70%”。麥肯錫預測，數據流動量每增加10%，將帶動GDP增長0.2%，預計2025年，全球數據流動對經濟增長的貢獻將達11萬億美元。根據中國信息通信研究院測算，2023年我國數據經濟貢獻度為2.05%，比2022年增長0.99個百分點。由此可見，數據驅動經濟增長的能力已經顯現。數據作為新型勞動資料，能提高研發設計工具性能以及生產工序數控化率，促進工業生產提質增效，帶動經濟高質量發展。

3.3 數據要素賦能新勞動對象的顯著成效

根據《中國數據要素市場發展報告（2021-2022）》，通過分析國家工業信息安全發展研究中心大數據項目庫2021年入庫的全國5 000余個項目數據發現，數據要素可使工業企業業務量平均增長41.18%，提高生產效率42.8%（均值），縮短產品研發周期15.33%（均值），提高能源利用率10.19%（均值）。據《全國數據資源調查報告（2023年）》顯示，2023年數據產品成交率為17.9%，交易所需求方是供給方的1.75倍，表明數據產品供需匹配存在失衡。2023年6月，北京市發布《關于更好發揮數據要素作用進一步加快發展數字經濟的實施意見》，提出“力爭到2030年，本市數據要素市場規模達到2 000億元”。《計算機行業2024年度中期投資策略：聚焦新質生產力、新型基礎設施建設機遇》預測，2030年全球數據交易市場規模將達3 011億美元，數據跨境交易將繼續保持增長態勢。中信證券預測，2025年我國數據要素市場規模有望達到2 000億元，2030年有望突破萬億元，表明我國數據要素市場仍有廣闊的增值空間。根據國際數據公司（IDC）的公開數據，全球數據總量到2035年將達到163ZB^[12]。數據已成為數字經濟的基礎性要素，我國數據交易市場發展前景可觀，將有效推動新質生產力發展。4 數據要素賦能新質生產力“三新”要素的法律適用問題 數字化勞動范式逐步向自驅動和高智能的數據勞動主體、高新技術融合的數據生產要素、虛擬高仿真的數據產品方向演進，推動勞動權益和財產權能發生制度變革，衍生出新的勞動生產關系，使得數據要素賦能新質生產力“三新”要素面臨新的法律適用難題。

4.1 新勞動者數據勞動主體法律地位待明確

1995年，歐盟頒布《個人數據保護指令》（又稱Directive 95/46/EC），其中第二條提到“數據主體”。2016年，歐盟通過《通用數據保護條例》并于2018年5月25日生效（General Data Protection Regulation，簡稱GDPR）。該條例取代之前的《個人數據保護指令》，但“數據主體”概念得以保留，將其限定為可被數據識別的自然人。中國將“數據主體”概念予以擴大解釋，如《廣東省公共數據管理辦法》和《梅州市公共數據管理辦法（試行）》的第三條（三）規定，數據主體是指相關數據所指向的自然人、法人和非法人組織。該條款將數據主體范圍擴大至法律擬制主體層面，表明數據主體可容納非自然人。

未來智能機器人、虛擬數字人將大面積進入勞動生產領域，代替人類從事高危作業或高精度高密集度勞動，逐步轉向“機器換人”“機器獨立”的勞動愿景。當數據勞動主體與人類在數據空間勞動貢獻等同甚至超越人類勞動者時，數據勞動主體是否具有超越勞動工具、趨近新勞動者的法律主體地位？此外，通過對數據勞動主體的全景式監控與全息式管理，尤其是對其離線狀態的快速捕捉，能最大化指數控制其勞動強度。通過程序設定、智能編碼可讓其無休止工作，數據勞動主體的“離線權”“休息權”將遭受持續性侵害。應如何合理使用數字化勞動者并為虛擬經濟創造勞動價值，使其高質量完成高密集型、高強度、重體力工作？需對數據勞動主體的新勞動者資格認定及勞動權益保障進行深入探討。

4.2 新勞動資料數據要素技術標準難以聯通

《中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱“數據二十條”）提出“加快推進數據采集和接口標準化，促進數據整合互通和互操作”。數據標準化是整合、處理和分析數據要素的關鍵環節，能促進數據生產要素銜接、兼容與互通^[13]。因工業領域未全面發布數據要素通用技術標準，不同虛擬工廠智能化程度存在差異，各大制造工廠都有自己的工業總線，每個虛擬工廠在設計、生產、加工、終端等勞動場景應用的生產設備技術標準數據格式往往不一致。

通常而言，生產制造技術方案高度依賴格式化指令，智能制造過程可整合各大數據空間生產要素及技術資源，增加其它虛擬工廠數字核心技術、高端智能設備等勞動資料投入。各類衍生數據因分散存儲、公開界限模糊、加工程度和勞動投入存在差異，會導致產業鏈各單元間數據結構不一致且關聯性薄弱、技術標準數據格式沖突以及實現模式、接口規范、應用對象無法對接等問題。將數據源轉換映射也會使原始數據在轉換過程中發生損耗，產生技術標準銜接困難以及不兼容等問題。同時，不同應用程序和平臺支持的數據格式不同，若運用數字孿生技術仿真數據模型，該過程采用多種數據格式，將會增加跨平臺使用數據的復雜性，使得應用設備和運行系統之間缺乏互操作性，增加數據交換和兼容難度，產生生產加工成本和產品制造風險，造成數據要素在互操作及共享共用過程中存在數字化鴻溝。

4.3 新勞動對象數據產品產權確認陷入爭議

“數據二十條”規定“合理保護數據處理者對依法依規持有的數據進行自主管控的權益”。智能工廠在生產制造過程中對數據記錄準確性、實時交互能力、系統算力存力、網絡通信能力等有更高的要求，研發設計與制造工藝往往分開記錄數據且獨立生產運行（如車輛車身、發動機、控制系統實測和建模數據），以最大化發揮仿真建模、傳感器感知、自動化控制等設備生產制造優勢。由于不同勞動場景僅貢獻部分測算數據，從設計到終端，產品制造過程呈現“數據孤島”“信息孤島”現象，難以形成數字化工藝閉環應用方案。

數據源發者對其生產的數據一般享有數據所有權與數據用益權，通過清洗、整理、加工數據，產生數據產品所有權^[14]。然而，在數據空間多域聯合制造情景下，每一生產制造環節貢獻部分測算數據，各勞動主體皆享有部分數據資源所有權，加之虛擬空間具有網點接入廣泛性、覆蓋區域難控制性、網絡空間分布多變性以及多域聯合制造難互通性特征，多勞動主體運用數據生產要素聯合生成數據產品，使得傳統有形財產確權規則難以適用于新勞動對象數據產權分置，引發數據產品所有權與財產權的爭議。5 數據要素賦能新質生產力“三新”要素的法理分析 結合國內外法律規定及學理基礎，基于權利能力理論、自由意志與決定論、法律擬制立法技術，探討數據勞動主體法律資格；通過數據分類分級原則、場景一致理論確定數據要素技術標準聯通思路；運用權利分割思維、有限產權理論化解數據產品產權糾紛，為提出數據要素賦能新質生產力“三新”要素的法律措施提供理論證成。

5.1 “法律擬制”數據勞動主體新勞動者地位的必要條件

德國民法典作為大陸法系的典范，其第一編第一條規定“人的權利能力始于出生完成之時”^[15]。該法條通過賦予人“權利能力”這一實定法概念，使人成為法律關系主體。申言之，“權利能力”是成為法律關系主體的必要條件^[16]，是法律上的建構物，且不局限于人類，能被賦予非人類實體，如“法人”。自然人和法人實質上都是通過法律擬制立法技術創設的法律主體。“法律擬制”是一種法律上不容反駁的推定或假設，也可成為數據勞動主體法律地位認同的技術性措施。

德國民法典第一草案說明書指出：“無論現實中人的個體性及其意志，承認權利能力是理性和倫理的一個戒律。”^[17]康德的“自由意志與決定論”認為，“自由意志與外部限制或強制存在與否無關，只側重于自主決定與行動”^[18]。康德提出：“擁有自由意志的存在者就是本體因。”^[19]高智能自驅動型機器人能自主做出決定并開展自發性生產勞動，該類數據驅動主體實施的勞動行為并非出于程序設定，是由人工智能自主算法驅動，具有人工神經網絡系統，能獨立表達“自由意志”，并通過機器學習、深度學習等技術不斷提高個體智慧，與具有自由意志的法律主體存在相似性。數據勞動主體在擁有自由意志的前提下，通過法律擬制立法技術賦予其權利能力，其具備被賦予法律主體地位的空間，將由法律客體“自主化”逐步向法律主體“獨立化”趨勢演進。5.2 場景數據分類分級認定新勞動資料技術標準銜接思路 數字勞動是數據應用的具體場景，數據在勞動場景中流動，數據應用場景與數據類型、級別緊密相關^[20]。根據風險場景理論，可根據不同場景風險層級識別數據分級內容，不再取決于單一數據屬性及要求^[21]。圍繞數據應用的不同場景，可對虛擬環境中的各種數據進行集中管理，對具備超高效動態加載能力的大規模數據進行分類處理，對具備可視呈現、數據融合、數據驅動、模擬仿真、智能決策等不同特征的數據進行分級保護，通過實時渲染使其具備可交互式操作能力和多源數據兼容能力，以達到聯合生產的目的。數據屬性受具體場景來源的影響，對不同場景數據進行分類保護及分級管理，賦予不同場景數據要素技術標準銜接兼容新思路。《信息技術—大數據—數據分類指南》（GB/T 38667-2020）將數據分類定義為“根據數據屬性或特征，按照一定原則和方法進行區分和歸類”。數據分級是按照數據重要性和影響程度區分等級，確保數據得到與其重要性和影響程度相適應的保護級別。

根據場景一致理論，如果數據利用場景保持一致，則第三方對該數據的利用無須經原所有者授權^[22]。數據類型框架確定后，可按照敏感度和影響程度劃分數據等級，根據數據重要性匹配相適應的保護級別，進而精準定位數據等級^[23]。在具體場景中確定數據性質、類型與級別，根據勞動對象生成目的合理預判數據要素技術標準應用目的，實現數據生產要素格式兼容與標準銜接。5.3 基于權利分割思維解析數據產品新勞動對象產權爭議 德國學界基于權利分割思想，提出源權利和限制權利的概念，即所有權承受負擔，限定物權從所有權中派生，分化出用益物權與擔保物權，表現為使用、收益和變價權能。不同生產線或勞動場景數據提供者享有提供數據的合法權益，同時數據處理者享有持有他人數據并予以自主管控的權益，是數據資源所有權與用益權兩權分離的具體體現。在權利分割思維的影響下，受數據來源場景、數據貢獻主體等多重因素影響，數據產品承載的財產性權益可在數據所有權、數據用益權二元權利協同的權利框架下進行解析。

“依照土地、資本和勞動等要素的貢獻程度，貢獻者獲取分配利益，符合自然經濟法則”^[24]。經由勞動創造的數據價值和財產收益，按照生產要素占比份額及貢獻程度給付勞動者財產性利益。情境依存的有限產權理論認為，應依據不同場景確立數據財產權分置性權益^[25]，將數據蘊含的經濟財產價值以及脫離數據所有權的部分數據財產利益共同納入數據財產權^[26]。原始數據產權由數據生產者產生，數據生產者對原始數據享有所有權，與數據用益權相分離。勞動成果的生成涉及數據采集、加工、使用等環節，基于數據所有權與數據用益權兩權分離視角審視虛擬對象數據權益，是勞動者行使數據資源持有權、數據加工使用權和數據產品經營權的具體表現^[27]。6 數據要素賦能新質生產力“三新”要素的實踐檢視

6.1 人工智能體獲得法律主體地位及相關權益的實例

2017年，“索菲婭”機器人被授予沙特阿拉伯國籍，進而獲得法律主體地位^[28]。此外，新西蘭國會曾授予旺格努伊河法律主體資格^[29]。2018年3月21日，“索菲婭”作為人工智能體的代表，參加聯合國可持續發展目標（亞洲和太平洋地區）創新大會，其在獲得法律主體地位的同時，亦獲得代表權利^[30]。2016年5月，歐洲議會法律事務委員會發布并表決通過了《就機器人民事法律規則向歐盟委員會提出立法建議的報告草案》，其中規定智能機器人登記制度^[31]。2017年2月16日，歐洲議會法律事務委員會發布的《歐洲機器人技術民事法律規則》，第59條賦予最復雜的自動化機器人電子人法律地位^[32]。2017年9月，俄羅斯第一部機器人法草案《在完善機器人領域關系法律調整部分修改俄羅斯聯邦民法典的聯邦法律》（又稱“格里申法案”），賦予機器人特別權利能力范圍內的法人主體資格，并類推適用機器人法人登記簿^[33]。2021年7月，德國正式實施《自動駕駛法》，允許L4級別自動駕駛汽車在道路上獨立駕駛，表明人工智能體獲得“駕駛員”資格和操作權。世界經濟組織發布的《深度轉變：技術引爆點以及社會影響》顯示，人工智能體將在2025年之前加入公司董事會^[34]。部分國家或地區已經逐步承認人工智能體的法律主體地位，一定程度上為數據勞動主體資格認定及勞動權益保障提供借鑒，以確保數據驅動背景下勞動法律關系的平穩過渡。

6.2 國內數據分類分級及格式兼容政策

2019年7月，中國地理信息產業協會發布《空間三維模型數據格式》（T/CAGIS 1—2019），定義了數據結構和內容，用于規范三維地理空間數據應用與共享。2020年2月，工業和信息化部發布《工業數據分類分級指南（試行）》。2020年12月，由華為、京東、阿里巴巴、騰訊、網易、Cocos、艾迪普等企業聯合制定發布的《新一代3D數據文件統一技術規范V1.0》，定義了3D文件格式基本結構、編輯方式，可適配多種渲染引擎接口、多場景使用3D數據格式。2021年3月，由中國信息協會發布的《全空間三維模型數據格式及服務接口規范》（M3D），提出開放式、可擴展的3D數據格式及服務接口規范，涵蓋空天、地表、地下等多種數據類型。2021年12月，全國信息安全標準化技術委員會秘書處發布《網絡安全標準實踐指南——網絡數據分類分級指引》，涉及網絡數據分類分級原則、框架和方法等。2022年12月，《工業和信息化領域數據安全管理辦法（試行）》用于指導工業數據分類分級工作。2023年12月，中國增強現實核心技術產業聯盟發布《增強現實數據類型及格式技術要求》，規定增強現實表示中的框架結構、數據類型和數據格式等。

三維空間數據共享與互操作、工業數據分類分級及數據格式兼容規范，為制定多源異構數據格式兼容、多維虛擬空間數據技術標準統一規范提供了參考。將多源異構數據統一為標準格式，有助于厘清技術邊界及關鍵要素，形成數據空間技術兼容框架，為網絡平臺之間的互聯與互操作提供便利，推動多源異構數據融合，并兼容多種軟硬件應用環境，使得數據提供方和接收方能及時對接和兼容各類數據，進而提升數據生產與應用效率。

6.3 數據產品產權結構性分置的司法判例與實踐導向

在“安徽美景信息科技有限公司、淘寶（中國）軟件有限公司不正當競爭糾紛再審案”中，一審法院認為原始數據內容受控于網絡用戶，網絡運營者對其不享有獨立權利，但對“生意參謀”數據產品享有合法權益。網絡大數據不同于原始網絡數據，其提供的數據內容雖源于網絡用戶信息，但由于網絡運營者投入大量智力勞動成果，并經過深度開發與系統整合，最終呈現給消費者的數據內容已經獨立于網絡用戶信息、原始網絡數據之外，是與原始數據無直接對應關系的衍生數據。

在“騰訊與搜道、聚客通科技有限公司不正當競爭糾紛案”中，一審法院認為數據形態分為單一原始數據個體和數據資源整體，數據控制主體依其與用戶約定享有原始數據有限使用權，網絡平臺享有經長期經營積累形成的數據資源整體財產權；在合法、適度、征得用戶同意的前提下，通過創新勞動、合理利用數據資源開發出的能給予消費者全新用戶體驗的新軟件產品，系正當競爭行為。在“伯納丁·格里菲斯訴抖音公司案件”中，因被告獲取原告數據的利益低于原始數據資源利益，且未造成金錢或財產上的損害，因而未侵犯原告數據財產權益。

國內外司法實踐表明，將數據產品財產權益置于數據資源“所有權+用益權”兩權分離視域下，對其在使用、加工等環節形成的法定或約定財產權益予以功能性賦權，具有一定合理性。7 數據要素賦能新質生產力“三新”要素的法律規制路徑 以“模式+賦權”、“標準+指南”、“權利+利益”三位一體布局，化解數據要素賦能新質生產力“三新”要素的法律適用問題，加快將虛擬世界勞動對象轉化為物理世界科技成果，促進新質生產力與數據產業穩定結合，提高數據要素生產率。數據要素賦能新質生產力“三新”要素的法律規制路徑見圖3。

7.1 新勞動者數據主體資格登記與勞動賦權

隨著技術發展和社會倫理的進步，高技能智能驅動型數據勞動主體獲得新勞動者主體地位是時代催生社會勞動力轉型的必然選擇。

7.1.1 建立數據勞動主體資格登記制度

借鑒公司設立、法人登記及其他非人類實體取得法律主體地位的實踐經驗，當數據勞動主體在具備“自由意志”與“權利能力”時，可對其履行類似法人登記的程序手續，且自登記時起，數據勞動主體取得法律主體資格^[35]。完全法律人格的取得還需依賴勞動身份認證及考核機制，注冊者需提供數據勞動主體信息、注冊資本、法定監管人等，并由相關機構進行實質性審核，只有登記資格審核通過后，數據勞動主體才能獲得法律主體資格。設立之初，用工單位或網絡平臺可向登記機關申請開設數據勞動主體專門賬戶，根據數據勞動主體的勞動領域、勞動風險、勞動損害程度等確定勞動事故責任基金數額，由申請人支付到勞動者專門賬戶，并遵從公司法資本確定、維持及不變原則，保障數據勞動主體在后續生產勞動中具有承擔事故責任的能力，進而形塑法律支撐的“自治實體”，嚴格控制數據勞動主體法律資格的取得。

在智能工廠生產線上參與勞動的數據勞動主體應公開披露主體信息并予以公示，滿足相對人的知情權和公共監督要求^[36]。當數據勞動主體不再符合技術標準時，可認定其符合報廢標準，在注銷登記時，應消滅其法律人格。以法律擬制立法技術肯定數據勞動主體的勞動者法律地位，將其視為具有法律意義的主體，并未將其上升到與人類勞動者同一法律主體地位的高度。以功能主義解釋論或立法論視角看待數據勞動主體資格，是智能社會發展過程中應對“有限理性存在者”新型治理模式的新選擇。

7.1.2 探索數據勞動主體“新素質”認證模式

新勞動者“新素質”認證是數據勞動主體勞動權益保障及勞動權利行使的基礎。數據勞動主體“新素質”認定需對運用不同勞動技能的虛擬勞動者予以不同等級的勞動身份認證，使用生物特征識別、輕量級認證集成等技術設置勞動者身份級別認證接口，支持多個勞動身份安全認證以及多類勞動者信息源身份識別，核定數據勞動主體是否具備新勞動者“新素質”。具體而言，可將數據勞動主體所涉勞動者身份信息存儲于統一的勞動保障部門加密系統，如主體資格認定和身份信息識別等，對勞動身份和虛擬財產進行集中管理，推動數據勞動主體“新素質”認證程序。然而，并非所有虛擬數字人或數字員工都可納入新勞動者范疇，不同工作場景的數據勞動主體智能水平、權利能力存在差異，其行使的權力范疇也有所不同，具有自我意識和判斷能力、能運用復雜勞動技能的自驅動創新型數據勞動主體才涉及新勞動者“新素質”認定。

數據勞動主體“新素質”認定能緩解自然人對虛擬空間自驅動生產勞動產生的信任危機。依靠數字密碼間的信任，而非人本主義間的信任，對數據勞動主體予以身份認證、信息采集及“新素質”認定，有利于構建虛擬空間可信規則。在法律層面，對數據勞動主體實行“登記與認證”雙軌并行保護機制；在身份認證層面，由國家權威認證平臺存儲和采集數據勞動主體身份信息，通過勞動身份認證與等級識別來保障數據勞動主體權益，實現數字身份與權益保護的雙重目的。

7.1.3 實行數據勞動主體勞動權益保障機制

首要提及的勞動權益是與數據勞動主體身心、健康、生死、存亡相關聯的權利^[37]。數據勞動主體在承擔勞動職責和勞動任務時，應享有與勞動生產相關聯的社會性權利，擁有自主勞動權、休息權、離線權等，其勞動環境、勞動條件應滿足安全生產要求，進而大面積應用于勞動生產領域。

數據勞動主體需要休息、保養和維修，以防止被過度使用、加速報廢。此外，為合理界定數字勞動者在線時長，在休息權之外應賦予其離線權。數據勞動主體的離線權不同于網絡空間遠程工作者自然人的離線權，其可內置“即時數據記錄儀”，記錄其運行狀態及數據使用情況，為勞動任務分配、本體運行情況、勞動過程記錄提供客觀、準確的數據依據。勞動監管部門應實時監測數據記錄儀，設立自動斷開技術措施及虛擬空間離線通道，通過強制性手段保障數據勞動主體享有離線權。同時，網絡平臺應通過斷開網絡實時連接等技術措施，防止數據控制者過度操控數據勞動主體從事勞動生產，拓寬數據勞動主體離線權行使方式。離線權內容和實施方式以過程控制為主，行為模式上具有“技術控制技術”的數字權利特點，規制方式采取過程控制和結果規則相結合的方式。在勞動生產與運維管理之間尋求平衡，是落實數據勞動主體“生命權”“健康權”等必要數字新型權利的基礎^[38]。

7.2 新勞動資料數據要素技術標準聯通路徑

7.2.1 設立勞動場景工業數據分類分級指南

預研工業領域勞動資料數據要素技術標準聯通路徑，如數據交換協議、互操作性要求以及先分類后分級的數據認定邏輯，是厘清數據保護的基本方法。數據分類分級保護具體標準并非敏感數據和一般數據區分的基礎標準，而是一種周全的數據保護方案。圍繞工業制造數據要素互聯互通標準化需求，遵循“場景導向、兼顧內容”理念，結合設計、生產、加工、終端的具體場景操作流程、技術要求、數據特征等，類型化構建場景數據分類分級保護標準。

數據分類是依據數據種類和性質對其進行歸類保護。橫向上，依照數據本質、屬性、權屬及相互關系，區分數據要素識別目的、識別概率、后續用途等，結合工業領域數據要素使用方法、存儲環境、使用情境、傳輸對象等因素，描述數據多維度特征和內容敏感度，制定數據分類通用術語、模型與元素定義、受控詞匯表等，擺脫靜態數據分類方法導致的數據內容屬性固化和單一問題。縱向上，數據定級基本框架由作用對象、運用方式和數據數量等要素構成，結合數據應用場景、組合、取值、數據量大小等因素，類型化構建勞動資料聯合制造數據分級場景應用標準，精準定位技術標準數據聯通等級^[23]。

不同生產加工場景中數據要素的實際作用及重要程度不同，數據生產要素需符合虛擬空間跨域勞動、技術對接、可信互聯的場景化數據分類分級標準，因而應制定跨域勞動場景數據分類分級指南，及時回應生產實踐需求，推動工業數據互操作性標準開發與應用。

7.2.2 制定數據要素技術標準格式統一規范

為支持多種數據格式共存共容（如FBX、OBJ、GLTF等），應制定勞動資料數據要素技術標準統一規范，統一多源異構數據格式，使其在WebGL端加載應用多源數據，適用工業產線全域、全生命周期、全類型數據。

（1）明確數據來源和用途。根據數據應用場景和目標，確定數據交互目的和場景，如傳感器數據、生產數據、物流數據等。

（2）確定兼容的數據交互協議（如MQTT、CoAP等）。考量通信協議的性能、安全性、易用性等，圍繞數據應用場景、使用目的，在設計、生產、加工、終端等環節基于統一、通用的通信協議，連通基礎層各節點數據資源，實現各節點間的相互連接和交互。

（3）統一可用的數據標準和規范，如XML、JSON、RESTful API、WebSocket等，也可根據實際需求自定義數據接口規范，實現數據格式的標準化以及不同數據源之間的傳輸、交互和整合。該標準允許將所有類型數據轉換為同一格式，使不同來源數據能夠相互融合和交換。同時，也可為不同應用系統之間提供開放、通用的數據共享和互操作格式基礎。開放數據格式意味著任意數據提供方和接收方都可對接不同數據源，引導多主體、跨場景、跨區域數據互通和調配，形成多模態、多領域大規模數據集，使不同虛擬工廠、網絡系統便捷地進行數據共享，進而充分使用已有數據資源，減少數據采集等重復性勞動。

7.2.3 構建可信通用工業數據流通標準體系

可信通用數據流通標準體系構建以“來源明確、范圍清晰、流程可溯、應用可控”為基本原則，跨越單一數據存儲空間邊界，打造可信數據循環網絡系統，實現數據、算力、協議的互聯互通和共享共用。

（1）擬定數據流通互聯互通架構。根據跨節點數據共享或計算需求，基于數據交互架構的可靠性和可擴展性，采用分層次網狀結構，在網絡架構樞紐節點、頂級節點控制下，與其它子節點形成數據流通規則，連通各區域、各場景可信子網，實現鏈上信息、數據跨網絡流轉及互操作，開展數據流通活動。

（2）形成多主體參與的數據流通鏈接。為保障數據流通的安全性，對于流通環節涉及的數據雙方、中間服務方等各參與主體，在數據供給方和需求方之間形成連接，通過輸出計算結果，完成數據共享行為。根據計算匹配結果，調配所需數據、算法或算力資源，執行數據計算服務，將匹配的數據服務調配給指定需求方，經計算檢驗后完成數據交付。

（3）明確多維虛擬空間數據流通流程。通過智能合約、區塊鏈技術編碼約定數據供需雙方的數據使用策略，如用途、用量、使用次數、處理方式、加工算法等，按約定的使用策略執行數據流通過程，可融入數據脫敏、去標識化、加密等處理措施，以滿足不同勞動主體的流通需求。

通過建立頂級節點、樞紐節點、子節點可信數據流通網絡架構，完成數據勞動主體所需數據資源的鏈接與匹配，形成“通信—算法交互—應用流程”的工業數據流通標準體系。

7.3 新勞動對象數據產品產權結構分置的確權布局

7.3.1 數據資源“所有權+用益權”產生數據產品所有權 （1）再生數據產品所有權源于原始數據資源勞動者。數據源發者對數據享有所有權，憑借其有意識的生產勞動，數據產品由勞動者一方所有或雙方共有。數據勞動主體通常與虛擬工廠存在代理關系，用工單位通過給付勞動主體對價或報酬，取得生成的數據產品所有權。將勞動貢獻與數據價值關聯作為證成數據產權的依據，若數據勞動主體的勞動貢獻系網絡平臺的操控行為，勞動者非因個體行為有意識地生產勞動，數據產品不是勞動者個體行為的“副產品”，則勞動者對生成的數據產品不享有所有權，而是由網絡操控主體取得數據產品所有權。

（2）再生數據產品所有權脫離原始數據資源所有者。當數據勞動主體非數據資源所有者時，數據經過生產、加工、處理形成新的數據產品。勞動對象雖派生于數據資源或數據集合，但勞動主體加工使用行為增加的產品價值大于原始數據資源或數據集合承載的數據價值，因此，即使數據資源所有權人貢獻了部分數據，勞動主體也取得數據產品所有權。數據處理者、數據控制者等勞動主體皆屬虛擬工廠，虛擬工廠通過給付勞動者對價換取數據產品所有權，此觀點也能在比較法視閾下得到支持。德國民法典第950條第1款規定：“在加工價值顯著大于原始材料價值的情況下，加工人取得經由加工或改造生成的新動產所有權。”即使數據處理者未獲得數據來源者的授權，當再生的數據產品具有顯著的財產價值時，智能工廠也合法享有勞動對象所有權。

7.3.2 數據產權結構性分置解析數據產品承載的財產權益 跨區域、跨主體、跨場景聯合制造生成的數據產品，其承載的數據權利體系錯綜復雜，難以對數據主體、內容等予以平面化界權，因而將數據產品置于數據產權“兩權分離”“三權分置”視閾下進行解析，催生由點到線、由線及體縱橫交錯的立體化數據產品財產權益分割范式。

（1）主體構成層面。由數據資源所有權或用益權產生數據產品所有權的勞動主體，如數據來源者、持有者、處理者、使用者等，其中存在主體身份交叉之可能，即出現數據產品用益權人與數據資源所有權人、數據資源用益權人為相同權利主體的現象。數據產品用益權人既能是數據資源所有權人或用益權人，也能是其他約定主體。

（2）客體表征。數據資源等勞動資料經過采集、篩選后，經整理、提煉產生原始數據，通過清洗、入庫剔除殘缺、錯誤、冗余數據，匯聚成數據集合，最終開發出新的數據產品，通過三級遞進的“數據資源—數據集合—數據產品”線性鏈條形態，催生出以數據呈現的新權利客體。

（3）權利內容。在勞動資料采集階段，勞動者依法或依約產生控制數據的法律事實，數據勞動主體享有收集、存儲的數據資源持有權，以及同意他人獲取或轉移其持有的數據資源權；在數字技術加工階段，數據資源所有權人與數據處理者訂立數據使用許可合同，數據勞動主體依約取得數據資源加工使用權，數據處理活動不得超出法律授權或合同約定的使用范圍；在勞動對象生成階段，數據勞動主體對合法取得的數據資源、數據集合衍生的數據產品和服務享有獨立財產權，可行使財產權處分權能，享有占有、使用、收益和支配的權益。

（4）行使方式。網絡平臺與數據產品受讓人可簽署授權服務協議，實現數據產品或服務的財產權轉移。通常涉及一般授權和特殊授權兩種類型：一般授權是指允許受讓人對數據產品予以有限利用；特殊授權是指允許受讓人將數據產品用于除生成其它數據產品以外的目的。不同生產加工環節形成數據產品的數據資源持有權、數據加工使用權、數據產品經營權三權分置的數據產權確權布局。

8 結語

新質生產力研究要推動生產線上的產品、實驗室中的模型轉化為實際應用，將新質生產力理論與工業領域實踐結合，助力現實世界科技創新及科技成果轉化，布局數據要素賦能新質生產力發展的工業產業鏈條。面對數據要素賦能新質生產力新勞動者、新勞動資料、新勞動對象的法律適用困境，以“模式+賦權”、“標準+指南”、“權利+利益”三維一體布局，完善數據要素賦能新質生產力“三新”要素的法律規制路徑。以法律擬制的立法措施確立數據勞動主體資格登記及勞動賦權模式，設立工業數據分類分級指南、技術標準數據格式兼容規范，形成數據流通標準體系，打通工業數據聯通路徑，從數據資源所有權與數據資源用益權兩權分離視閾下明確數據產品所有權生成方式，進一步探索數據產品生產加工及終端環節上承載的數據產權權益。

參考文獻：

[1] 周文，許凌云. 論新質生產力：內涵特征與重要著力點[J]. 改革， 2023，36（10）： 1-13.

[2] 陳鳴，王志帆. 以“數”賦能，向“新”提質：數據要素市場化與城市新質生產力[J/OL]. 重慶大學學報（社會科學版）， 1-13[2024-12-10].http：//kns.cnki.net/kcms/detail/50.1023.C.20241129.0928.002.html.

[3] 張夏恒，馮曉宇. 論新質生產力發展：數據要素賦能的整體架構及推進舉措[J]. 河海大學學報（哲學社會科學版）， 2024， 26（3）： 120-130.

[4] 林鎮陽，陳榮源，郭明軍，等. 多元主體協同治理的數據要素價值生態體系研究[J]. 技術經濟， 2024， 43（11）： 1-13.

[5] 傅澤. 數據要素配置能否提升新質生產力水平——基于創新賦能效應和資源整合效應的機制檢驗[J]. 云南財經大學學報， 2024， 40（11）： 1-13.

[6] 高昕，程露，康宇航. 數據主導邏輯驅動傳統行業打造新質生產力的過程機制研究[J]. 科研管理， 2024， 45（8）： 22-31.

[7] 楊坤，殷濤，王琲. 場景范式下數據要素賦能新質生產力涌現：“漩渦模型”構建與探索性案例研究[J]. 科技進步與對策， 2024， 41（22）： 25-36.

[8] MERKAS ZVONKO， IVANA GECEK TUDEN. Impact of artificial intelligence on digital transformation and economic challenges of society in global environment： analysis and perspectives for Croatia until 2030[J]. Economic and Social Development， 2024， 107： 107-189.

[9] KARTHIKE TANUJ. Automation， robotics and artificial intelligence： labourers' ally or enemy[J]. Indian Journal of Integrated Research in Law， 2024， 3（3）： 1-18.

[10] 令小雄，謝何源，妥亮，等. 新質生產力的三重向度：時空向度、結構向度、科技向度[J]. 新疆師范大學學報（哲學社會科學版）， 2024， 45（1）： 67-76.

[11] 國家數據局. 數字中國發展報告（2023年）[R]. 北京：國家數據局，2024.

[12] 中國信息通信研究院云計算與大數據研究所. 中國第三方數據中心運營商分析報告（2022年）[R]. 北京：中國信信通信研究院，2022.

[13] 杜振華，胡春. 數據標準的建構與數字經濟的發展[J]. 宏觀經濟管理， 2022，38（9）： 31-39.

[14] 寧園. 從數據生產到數據流通：數據財產權益的雙層配置方案 [J]. 法學研究， 2023， 45（3）： 73-91.

[15] 陳衛佐. 德國民法典[M].5版.北京：法律出版社，2020.

[16] 拉倫茨. 德國民法通論：上冊[M]. 北京：法律出版社，2003.

[17] 羅爾夫·克尼佩爾. 法律與歷史——論《德國民法典》的形成與變遷[M]. 北京：法律出版社，2003.

[18] 亨利·阿利森. 康德的自由理論[M]. 沈陽：遼寧教育出版社，2001.

[19] 康德. 實踐理性批判[M]. 北京：人民出版社，2003.

[20] 張建文，高悅. 我國個人信息匿名化的法律標準與規則重塑[J]. 河北法學， 2020， 38（1）： 43-56.

[21] 熊波. 數據分類分級的刑法保護[J]. 政法論壇， 2023， 41（3）： 155-167.

[22] 范為. 大數據時代個人信息保護的路徑重構[J]. 環球法律評論， 2016， 38（5）： 92-115.

[23] 洪延青. 國家安全視野中的數據分類分級保護[J]. 中國法律評論， 2021，7（5）： 71-78.

[24] 弗·馮·維塞爾. 自然價值[M]. 香港：商務印書館，2009.

[25] 唐要家. 數據產權的經濟分析[J]. 社會科學輯刊， 2021，43（1）： 98-106，209.

[26] 熊波. 體育數據的分類分級保護：概念、問題與路徑[J]. 上海體育大學學報， 2024， 48（6）： 14-26，38.

[27] 申衛星. 數據產權：從兩權分離到三權分置[J]. 中國法律評論， 2023，10（6）： 125-137.

[28] 張建軍，畢旭君. 論強人工智能體的刑事責任主體資格[J]. 貴州社會科學， 2023，44（4）： 94-99.

[29] 王春梅，馮源. 技術性人格：人工智能主體資格的私法構設 [J]. 華東政法大學學報， 2021， 24（5）： 69-80.

[30] 駱多，林星成. 人工智能體犯罪主體資格證偽——以刑事責任之實現為視角[J]. 學術交流， 2020，36（1）： 104-112，192.

[31] CASTILLO A. A law on robotics and artificial intelligence in the EU[J]. Journal of Social Science Electronic Publishing，2017（2）：3-10.

[32] 席斌. 歐洲機器人技術民事法律規則[C]. 2021年世界人工智能大會組委會， 2021.

[33] 張力. 區塊鏈與人工智能組織體法人化理路探正[J]. 東方法學， 2022，15（5）： 45-59.

[34] WORLD ECONOMIC ORGANIZATION.Deep shift： technology tipping points and societal impact[EB/OL].（2015-09-09）[2024-08-16].https：//cn.weforum.org/publications/deep-shift-technology-tipping-points-and-societal-impact/.

[35] 凌晨. 有限理性存在者：智能機器人成為權利主體的理論基石[J]. 法學論壇， 2024， 39（1）： 82-92.

[36] MATTHEW U SCHERER. Regulating artificial intelligence systems： risks， challenges， competencies， and strategies[J]. Harvard Journal of Law amp; Technology， 2016， 9（2）： 398-399.

[37] 孫偉平. 智能機器人的主體地位、權利、責任和義務問題 [J]. 華東師范大學學報（哲學社會科學版）， 2024， 56（1）： 1-8，175.

[38] 謝增毅. 離線權的法律屬性與規則建構[J]. 政治與法律， 2022，41（11）： 35-49.

（責任編輯：王敬敏）

The Legal Application Dilemma and Outlet of the \"Three New\" Elements of the New Quality Productive Forces Enabled by Data Elements

Wang Xueqi

（School of Law， Xi 'an Jiaotong University， Xi'an 710049， China）

Abstract：In the industrial field， data has emerged as a novel form of labor-intensive production， becoming a pivotal catalyst for enhancing new quality productive forces. New quality productive forces refer to the manifestation of contemporary productive forces at a higher level， symbolizing the transition and advancement of existing productive capacities. The \"three new\" elements of new quality productive forces consist of new workers， new labor materials， and new labor objects. New quality workers gradually transition to data control subjects， using new labor materials such as data production factors， and producing new labor objects like data products， applications， and services. However， the application of data production factors to enable the \"three new\" elements of new quality productive forces is currently encountering certain challenges in terms of legal implementation. These challenges include the ambiguity of data labor subject identification， the complexity of compatibility with labor data technical standard data formats， and the difficulty of distinguishing property rights structures in labor object data products.

This paper focuses on the three aspects of \"labour force + production tools + products and services\"， combined with the \"right capacity theory\" and \"free will and determinism\"， to explore the necessary elements of the establishment of the subject of law. The method of obtaining the legal qualification of data labour subject is verified by using the legislation technology of \"legal fiction\". According to data classification and classification principle and scene consistency theory， the technical standard communication ideas of data elements are determined. The paper also clarifies the basic assumption of data product property structure division based on \"right division thinking\" and \"limited property theory\". In addition， it draws on extraterritorial examples of artificial intelligence to obtain legal subject qualification and personality rights and other related rights and interests， as well as domestic existing data classification and format compatibility standards and domestic and foreign judicial precedents on the separation of property rights structure of data products. The paper puts forward a legal regulatory path for data elements to promote the development of new quality productive forces from three dimensions： \"model + empowerment\"， \"standards + guidelines\" and \"rights + interests\". These are underpinned by the development background of \"three new\" elements of data elements to empower new quality productive forces.

Firstly， the recognition of data labor subjects will become the application prospect of new workers and the application of legal legislative technology. When data labor subjects possess \"free will\" and \"right capacity\"， they will undergo procedures similar to the registration of legal persons. This includes proposing a data labor subject legal qualification registration system， a new quality certification model， and a labor rights and interests protection mechanism. Secondly， technical standards for data elements need to be formulated to connect and integrate the path. This involves establishing industrial data classification and classification guidelines for labor scenarios， formulating data element format compatibility specifications， and building a trusted and general industrial data circulation standard system. This system should clarify the source and use of data， determine compatible data interaction protocols， and unify available data standards and norms. Finally， it is advocated that data products should be included in the category of new labour objects， and the generation path of data product ownership should be clearly defined by the separation structure of data resource ownership and data resource usufruct. While the partitioning method of data property rights with the separation of data resource ownership rights， data processing rights and data product management rights should be applied. The analysis of property rights and interests of data products in production， processing， terminal and other links can be" conducted from the perspectives of the right subject， right object， right content and exercise mode. The data property rights separation derived from the \"right division thinking\" is capable of resolving the ownership and property rights disputes caused by multi-subject， cross-scene and cross-platform labor contributions of data products， and establishing a new recognition method of digital rights between labor objects and data rights system.

Key Words：Data Elements; New Quality Productive Forces; Legal Fiction; Technical Standards; Data Property Rights