筑牢數字時代人才基石

數據，這一數字時代的核心資源，其價值釋放的程度取決于我們能否培育出一支規模宏大、結構合理、素質優良的人才隊伍。近期，國家發展改革委、國家數據局、教育部等五部門聯合印發《關于加強數據要素學科專業建設和數字人才隊伍建設的意見》（以下簡稱《意見》），為擘畫數據要素學科與數字人才培養提供了清晰的頂層設計與行動指南。面對數字經濟高質量發展的迫切需求與全球數字治理格局的激烈博弈，圍繞如何加強數據要素學科系統性建設、加速復合型數字人才培養等時代必答題，本報記者采訪了相關學者。

PART 01

產業實踐推進學科構建

數字經濟縱深發展，數據要素的核心驅動作用日益凸顯。然而，與產業實踐相比，與之相匹配的學科體系與人才供給卻面臨結構性挑戰。當前，我國數據要素學科建設雖已起步，但深層次問題卻不容忽視。比如，數字人才供需失衡，關鍵環節存在“卡脖子”缺口；學科基礎理論薄弱，課程設置“拼盤化”現象突出；理論分散于經濟學、管理學、計算機科學等多學科，缺乏統一、自主的話語體系。

中國社會科學院財經戰略研究院副院長尹振濤提出，部分院校師資與數理基礎薄弱，導致人才培養難以體系化。首都經濟貿易大學教授李平也認為，堅固的學科壁壘、短缺的優質實踐資源、不健全的理論體系，嚴重制約了數據要素學科的縱深發展。數據要素并非傳統生產要素的簡單數字化延伸，其非競爭性、可復制性、價值情境依賴性、產權復雜性等獨特屬性，要求我們必須建立一套全新的認知框架與分析范式。南開大學教授李磊闡釋道，成熟的數據要素學科體系，核心知識構成應圍繞數據資源化、資產化、資本化的全生命周期系統構建，包含基礎制度、市場機制、價值實現、治理體系四大支柱。這絕非多學科的簡單疊加，而是基于數據作為新型生產要素特殊性的深度融合與理論創新，根本目標在于系統回答數據如何通過確權、定價、流通實現社會化配置與經濟價值創造，而非單純追求技術優化。

因此，將數據要素學科建設提升至國家戰略基礎設施的高度，加快探索設立“數據要素與數字經濟”等交叉一級學科，建立一體化的師資、教材、科研與評價機制，已成為打通教育、科技、人才良性循環，夯實數字經濟發展根基，爭奪全球數字治理規則制定權的關鍵路徑。

構建立足中國實踐、引領國際前沿的數據要素自主知識體系，是學科建設的靈魂，也是人才培養的根基。這要求學術界必須勇于突破兩大核心“卡點”。北京師范大學法學院教授吳沈括認為，要構建跨學科知識體系的整體理論。數據要素天然橫跨法學、經濟學、計算機科學、管理學等多個一級學科，必須堅決打破傳統學科壁壘，推動圍繞數據要素實現研究范式的深度融合。

這一自主知識體系的構建，離不開豐富的中國場景與實踐滋養。我國擁有全球最龐大的數據資源、最豐富的應用場景和最具活力的數字經濟生態，這為理論創新提供了獨一無二的“富礦”。從長三角產業鏈的數據互聯實踐，到中小企業數據資產質押融資的探索，再到跨境數據流動的合規嘗試，這些生動的“中國案例”都應成為理論構建的源頭活水，推動形成具有中國特色、解決中國問題的數據要素學科范式。

PART 02

創新育人模式破解“學用脫節”痼疾

數據要素學科實踐性強、迭代迅速，傳統封閉式、理論化的育人模式已難以為繼。《意見》的出臺，正著力推動一場深層次的產教融合變革，旨在徹底破解人才培養與產業需求“兩張皮”的難題。北京大學經濟學院教授沈燕認為，相較于傳統的點對點校企合作，未來應著力構建以數據要素為核心驅動的開放育人生態。《意見》提出的“市域產教聯合體”和“跨區域產教融合共同體”是兩種重要新模式。她建議，可依托政府公共數據平臺或行業數據空間，構建共享的教學數據資源池，將脫敏后的企業真實生產數據轉化為教學案例和實訓項目，讓人才培養深度融入產業創新流程。在激勵機制上，需創新設計，平衡企業短期利益與長期人才培養目標。沈燕提出“分層共贏”機制。短期，企業可通過提供定制化培訓模塊，快速獲取急需的技能人才；長期，則可通過開放數據資源、設立聯合課題、共建實習實訓基地等方式深度參與人才培養，換取技術成果轉化的優先權或共同知識產權。政府層面可配套設立產教融合引導基金或實施稅收優惠，分擔企業參與成本，形成“政府引導、產業主導、院校主體、社會參與”的良性循環。

更為突破性的嘗試是“揭榜掛帥”模式的引入。《意見》提出，依托優勢高校建設運營數據要素產教融合創新平臺，以“場景驅動、企業主體、學科交叉”為原則發布攻關榜單。尹振濤認為，榜單必須源于實體經濟真實痛點，如智能制造產線的數據優化、跨境貿易中的數據合規流轉等。由政府依托數據要素綜合試驗區發布榜單，由龍頭企業擔任用戶代表，將真實數據、真實算力需求、真實收益預期寫入標書，杜絕“紙上談兵”。創新平臺內部需打破院系圍墻，采用矩陣式組織模式，讓算法工程師、產業專家、政策研究員等合署辦公，圍繞共同目標協同攻關，并實行混合產權激勵，真正“把論文寫在生產線上”。

數字時代所需的人才，是兼具技術深度、產業洞察、人文素養與全球視野的復合型人才。這對高校人才培養提出了根本性的范式轉變要求。這一轉變的核心在于“破界”與“務實”。沈燕認為，要優化學科專業布局，推動人工智能、數據科學與人文、理學、社會科學深度交叉融合，扭轉“工科進、人文理工退”的片面傾向，為應對下一代人工智能（如推理大模型）等前沿發展儲備跨學科知識。必須將行業真實數據集與復雜業務場景深度引入教學全環節，讓學生在解決真實問題中構建能力。通過靈活機制大力引進產業專家，推動學術界與業界共同設計能動態響應技術產業變革的培養方案。

然而，范式轉變在具體教學要素上仍面臨嚴峻挑戰。李磊分析，當前在師資、課程、教材三方面存在“跨學科供給不足”與“內容迭代滯后”的疊加困境。師資上，既懂技術又懂經濟治理的復合型教師稀缺，產業專家則往往缺乏系統理論梳理能力，產教間缺乏穩定的“旋轉門”機制。課程上，體系碎片化，未能圍繞“數據價值鏈”等核心邏輯進行重構，導致數據資產入表、數據信托、隱私計算等前沿內容供給嚴重滯后。教材建設上，面臨標準缺失與高質量本土案例匱乏的雙重制約。

因此，未來必須著力實施“強師計劃”，強化跨學科師資培養與引進；加快課程內容更新迭代機制建設，打造模塊化、項目化的課程體系；集中力量建設一批反映中國實踐、解決中國問題的高質量本土化案例庫與教材。

尤為重要的是，面向未來的數字人才絕不能僅僅是“技術工匠”。吳沈括表示，培養人才必須超越單純技能訓練，系統培養人才的數據倫理意識、跨文化溝通能力以及對數字社會發展規律的理解力。應將數據倫理教育深度融入專業課程與實踐環節，引導學生思考隱私、公平、問責、技術向善等核心議題。

PART 03

多層次培養體系加速形成

從頂層設計到基層實踐，一個多層次、復合型的數字人才培養體系正在加速成型。在政策與基礎設施層面，截至2025年，我國在科學、教育等領域已建成高質量數據集超10萬個，規模超過890PB，加之“東數西算”國家算力網絡和涵蓋48項國標、行標的標準體系，共同為學科發展與人才培養奠定了豐厚的“數據土壤”與堅實基座。

在院校實踐層面，百花齊放。綜合性高校與特色學院聚焦前沿創新與交叉融合，如多家國家科學數據中心聯合構建協作式數據基礎設施CoNet，建成科學數據協作調度平臺，有效支撐了跨學科大科研與人才培養。職業院校則緊密對接產業，著力培育“數字工匠”。此外，廣泛開展面向媒體人、產業工人、青少年等全社會各群體的數字素養提升培訓，夯實了數字社會的全民基礎。尹振濤表示，縱觀當前實踐，兩條主線日益清晰。一是構建“金字塔式”多層次人才譜系，從頂尖科研創新人才、復合型應用人才到高素質技術技能人才，分類培養路徑滿足產業全鏈條需求。二是深化“產教融合、科教融匯”協同育人機制，校企共定方案、共建課程、共擔項目成為新常態。

在李平看來，加強數據要素學科建設與數字人才培養，是最根本的引擎與最堅實的支撐。我們要以構建自主知識體系為魂，以深化產教融合為徑，以培育復合型人才為本，持續攻堅克難，不斷創新突破。從實驗室到生產線，再到治理層面的規則探索，一支規模宏大、素質優良的數字人才隊伍，必將成為激活數據要素無限潛能、加快發展新質生產力、全面推進數字中國建設的強大動能與堅實基石。

本報記者 張譯心