摘 要：出版供給側的數據要素溢出效應由裂變效應、聚合效應、生成效應及滲透效應構成。內容資源裂變、數據模態(tài)裂變、數據產品裂變是出版數據要素裂變效應的基本內涵；異質多模態(tài)數據資源聚合、電子書向數字圖書館的聚合、條目數據集聚及出版數據語料庫—出版大數據—出版大模型的聚合形成了出版數據要素的聚合效應；基于模板、規(guī)則、群體智能及大模型的人工智能生成內容，加速形成了出版數據要素的生成效應；出版數據要素與勞動要素、資本要素、技術要素、管理要素相互之間的滲透、協同、融合、替代共同詮釋著出版數據要素的滲透效應。出版數據要素的裂變效應、聚合效應、生成效應是“數據×”發(fā)揮出版數據要素乘數效應，出版數據要素的滲透效應則是“要素×”發(fā)揮出版數據要素乘數效應，前者往往是數據自身發(fā)揮乘數效應并創(chuàng)造價值，后者則是數據與其他要素融合發(fā)揮乘數效應并創(chuàng)造價值，二者具有一體兩面的關系。

關鍵詞：數據出版；出版數據要素；數據要素乘數效應；裂變效應；聚合效應；生成效應；滲透效應

DOI： 10.3969/j.issn.2097-1869.2024.04.006 文獻標識碼：A

著錄格式：辛諫，李翠玲.數據要素×出版：出版數據要素乘數效應分析：基于出版供給側的視角[J].數字出版研究，2024，3（4）：49-57.

多年來，通過推進數字化轉型升級和出版融合發(fā)展，出版業(yè)先后開展了基礎設施數字化、內容資源數字化和運營平臺數字化工程，積累了豐富的內容數據資源、用戶數據資源和交互數據資源。數據是新生產要素，是數字化、數據化、智能化的基礎，已深刻融入生產、分配、消費、社會管理等環(huán)節(jié)，變革著生產、生活和社會治理方式。隨著數據成為與土地、勞動力、資本、知識、技術、管理并駕齊驅的“七大生產要素”，數據要素研究的重要性和緊迫性日益凸顯，數據作為關鍵生產要素在出版業(yè)高質量發(fā)展中將發(fā)揮顯著的乘數效應。

1 出版業(yè)數據要素乘數效應的科學內涵

乘數效應（Multiplier Effect）是英國經濟學家約翰·梅納德·凱恩斯（John Maynard Keynes）提出的一種宏觀經濟效應，指經濟活動中某一變量的增減所引起的最終變量變化的連鎖反應程度[1]，如政府支出乘數效應、貨幣乘數效應等。乘數效應產生的過程是：某變量發(fā)生初始變化，引發(fā)溢出效應進而導致其他變量發(fā)生變化，由此產生反饋效應再引起初始變量變化，周而復始地繼續(xù)產生溢出效應和反饋效應，在二者疊加下，最終變量的變化比例高于初始變量的變化比例[2]。具體到生產要素領域，任詩婷等[3]提出，“數據要素的乘數效應是指數據要素的開發(fā)利用水平引起經濟總產出變化的連鎖反應程度”。其量化方式為：

數據要素的乘數效應=Δ（經濟總產出）/Δ（數據要素開發(fā)利用水平）

具體到出版數據要素的乘數效應，可以分為溢出效應和反饋效應兩種。出版數據要素乘數效應，則是“從出版數據疊加走向數據融合，通過不同類型、不同維度、不同模態(tài)的出版數據聚合，借助數智技術賦能，推動量變式發(fā)展走向質變式發(fā)展”[4]。出版數據要素的溢出效應體現了出版數據要素的開發(fā)和利用將引起供給側、需求側、供需匹配及管理服務（出版治理）方面相關變量的變化。在供給側或生產端，出版數據要素的溢出效應具體可分為裂變效應、聚合效應、生成效應和滲透效應這四種類型（見圖1）。受限于篇幅，本文不再詳細闡述出版數據要素的反饋效應。

張新新等[4]曾分析出版業(yè)數智化技術賦能所帶來的加數效應和數據化轉型所引起的乘數效應，并簡要介紹了出版數據乘數效應的裂變效應、聚合效應、生成效應。本文進一步對出版業(yè)數據要素乘數效應的裂變效應、聚合效應、生成效應及滲透效應進行分析。出版數據要素的裂變、聚合和生成效應基于數據要素自身發(fā)揮乘數效應的視角，而出版數據要素的滲透效應則基于出版數據要素與其他要素融合以發(fā)揮乘數效應的視角。

裂變、聚合、生成效應提出的政策依據為《“數據要素×”三年行動計劃（2024—2026年）》（以下簡稱《行動計劃》），其提出數據要素具有“放大、疊加、倍增作用”，須“充分發(fā)揮數據要素乘數效應，賦能經濟社會發(fā)展”。結合出版業(yè)10余年的數字化轉型升級和實踐經驗，出版業(yè)數據要素的“放大”對應“裂變效應”，“疊加”對應“聚合效應”，“倍增”對應“生成效應”。具體而言：（1）出版數據資源的放大推動裂變效應的產生。早在資源數字化階段，出版單位就致力于對已有的存量數據資源、在制出版數據資源進行數字化拆分，“拆得進、取得出、拆得開”[5]是當時推動數據資源管理系統構建的基本準則，這種基于圖書資源的數字化拆分，在量級上實現了“1變N，少變多，小變大”的出版內容數據資源裂變效應；（2）出版數據資源的疊加推動聚合效應的產生?！敖M得好、可復用”原則也是出版資源數字化管理系統構建的基本原則。前述拆分的出版內容數據資源，基于知識體系的標引、關聯和計算，又分別投入到各種數據庫建設中，如法信大數據平臺、“智匯三農”農業(yè)專業(yè)知識服務平臺、皮書數據庫及各種專業(yè)知識資源數據等。應該說，各種專業(yè)資源數據庫的建設和應用，是資源數字化轉型升級的重要成果，是出版數據資源疊加產生聚合效應的典型體現；（3）出版數據資源的倍增推動生成效應的出現。隨著出版大數據、大模型（如中國知網華知大模型、法信團隊在研法律知識服務大模型產品）的出現，用戶的提問、關鍵詞輸入會新增大量的數據資源，包括文本、音頻和視頻等，實現出版數據資源的幾何式增長，這同時也是數智技術推動出版數據資源生成效應的主要體現。

同時，關于乘數效應和裂變、聚合、生成效應的關系，也存在著類似的表述和判斷。吳忠民[6]指出“現代化的乘數效應和凱恩斯等經濟學家所說的‘乘數現象’不同（限于經濟領域但對現代化乘數效應在思路上有啟發(fā)意義）。重要領域的現代化因素匯聚、疊加、整合在一起，從而生成一種巨大的、聯動的、遠遠超出數量簡單相加的聚合效應”。

2 出版數據要素的裂變效應：出版數據要素的放大作用

裂變效應，是指數據作為出版業(yè)關鍵要素被投入到生產經營過程，所引起的出版業(yè)數據資源、產品類型、產品數量發(fā)生“由小變大、由少變多”的幾何式增長的效果。出版數據要素裂變效應主要體現在內容資源裂變、數據模態(tài)裂變和數據產品裂變三個方面。

2.1 內容資源裂變

內容資源裂變，是指數據要素被引入以后，確立數據思維、形成數據理念，原有的基于單本書、電子書為單位的內容資源，擴展為條目數據、知識點、詞匯，甚至是單獨的字均可成為資源單位。由此，擁有數千至數十萬種圖書、期刊、音像出版物的出版單位，其內容資源將擴展至數百萬、數千萬乃至數億個單位。例如人民法院出版社年出書品種數千種，但旗下的法信數據平臺傾力建設法律數據資源，通過法律圖書數字化拆分、外部法律數據資源購置及主管部門法律文件數據化加工等方式；經過10余年的建設，平臺目前擁有的可供運營和收入的“案例達到1.4億篇以上，法律論文達到70萬篇，法律觀點達到30萬條以上，裁判規(guī)則22萬條以上”[7]。與此同時，上述內容資源的社會效益和經濟效益均收獲良好，數字化、數據化收入達到近8 000萬元（人民幣），利潤率達到50%以上。

2.2 數據模態(tài)裂變

在數據科學領域，模態(tài)是指“數據不同的存在形式或信息來源”[8]，一般包含文本、圖片、音頻、視頻、3D模型及混合數據等。兩種及以上模態(tài)的數據被稱為多模態(tài)數據。隨著對數據和數據要素的認知不斷深化和全面，出版業(yè)不僅關注文本數據，更向著多模態(tài)數據的方向構建數據內容資源庫。數據模態(tài)裂變，是指不同模態(tài)的出版數據要素類型被引入以后，可以通過數據要素之間的融合裂變出新的數據和新的數據模態(tài)，從而進一步擴大出版業(yè)的數據規(guī)模、豐富其數據模態(tài)類型。譬如，文本數據與音頻數據的融合，為出版視頻數據的生成奠定了基礎；又如，出版營銷數據、出版物基本信息、出版內容等多文本數據的分析與挖掘一方面能夠輸出新的文本數據，另一方面又可以通過可視化處理進一步轉換為圖像數據。當前，多模態(tài)數據資源建設成為出版單位的重要任務，是事關出版數據要素乘數效應發(fā)揮的關鍵因素之一。數據模態(tài)的裂變，意味著出版單位供給數據產品的類型進一步豐富，提供數據服務的能力進一步增強，出版單位由單模態(tài)數據服務商逐步轉為多模態(tài)數據服務商、全媒體數據服務商，更好地滿足用戶的個性化、數據化、高品位的精神文化需要。

2.3 數據產品裂變

數據產品裂變，是指基于數據要素的驅動，出版單位所提供的出版數據產品單位更加精細化，產品類型更加豐富，產品數量幾何式增長，產品規(guī)模更加龐大。包括創(chuàng)新性地研發(fā)數據出版產品，豐富數據出版產品類型，創(chuàng)新數據出版產品形態(tài)，從以基于原版原式紙書的電子圖書和基于紙書碎片化的知識條目數據為主的數字出版產品，進一步拓展至革命性重構的數據出版產品——數據集、數據庫、知識庫、出版大數據、出版垂直大模型等。

就產品單位而言，數據要素的深度開發(fā)利用，推動著出版單位開發(fā)更加濃縮、精細、聚焦的產品單位，一改之前以“圖書”“電子書”為量級的產品單位，轉為以“篇”“章”“節(jié)”“段”“句”，甚至是“詞”“字”為一個出版數據產品單位?！靶氯A字典”App數據產品就是一個典型案例，《新華字典》圖書和電子書本是一種產品，但經過深度數據加工和處理，輔以配音和解說，“新華字典”App將13 000多個漢字轉換為13 000多種數據產品單位，收獲了數千萬用戶、年產值達數千萬元的經營成效。數據產品單位的精細化、濃縮化、聚焦化，深刻影響著出版業(yè)商業(yè)模式和盈利模式的轉型，推動出版單位由“種冊件”盈利模式轉為“片章節(jié)”的盈利模式。

就產品類型而言，多源內容、異質數據及多形態(tài)數智技術的賦能，推動著多領域、多類型、多模態(tài)數據出版產品不斷涌現，持續(xù)促進數據出版新業(yè)態(tài)的可持續(xù)和高質量發(fā)展。數據出版產品包括單一型的數據產品和集合型的數據出版產品，前者如“字”“詞”“單本電子書”“單條數據產品”，后者如知識庫、專題數據庫、數字圖書館、大數據知識服務平臺等。數據出版產品還包括單模態(tài)數據產品和多模態(tài)數據產品，前者如電子書、知識條目等，后者如數字教材、VR/AR出版物、富媒體電子書等?；诓煌瑑热蓊愋?，專業(yè)數據出版產品、教育數據出版產品及大眾數據出版產品等不斷涌現，如法信知識服務平臺、皮書數據庫，高等教育出版社的“愛課程”“高教考試在線”及熱銷暢銷的網絡文學、網絡小說等。出版數據要素滲透、融合多形態(tài)的數智技術，涌現出多維數智賦能的數據出版產品服務，如基于二維碼技術的指數融合出版物、基于大模型技術賦能的出版垂直領域大模型（如律商聯訊研發(fā)的Lexis+ AI?法律知識服務大模型）等。

就產品數量和規(guī)模而言，“傳統出版業(yè)將每一本書作為一個產品、一個數據單元加以銷售，每本書動輒包含二三十萬字，從數據價值的角度來說，是一種較大的浪費”[9]。如前所述，數據內容資源的裂變，輔以多元化數智技術的賦能，必然催生出海量的、超大數據規(guī)模的數據出版產品。

裂變效應是出版數據要素乘數效應的前提和基礎。唯有數據內容資源、出版數據模態(tài)、數據出版產品發(fā)生裂變，才可能引起后續(xù)出版數據要素的聚合、生成和滲透效應，才能在深層次推導和形成出版數據要素的溢出效應和反饋效應。

3 出版數據要素的聚合效應：出版數據要素的疊加作用

聚合效應，是指隨著數據要素開發(fā)利用的程度逐步加深，出版業(yè)在知識體系的驅動下逐漸形成數據資源、數據產品、數據資產等集中的現象。出版數據要素聚合效應出現的原因，一方面是數據要素開發(fā)、利用程度不斷加深，數據資源數字化、碎片化、裂變化到一定程度，則會上升到第二階段——聚合階段；另一方面，聚合效應的實現更是知識體系引領和驅動的結果。知識體系是數據資源集聚的內在依據和指引，出版數據要素乘數效應無論發(fā)揮哪種效應，均離不開知識體系的內在規(guī)制和作用：數據資源裂變需要依據知識體系進行拆分，而數據資源聚合則需要依據知識體系進行聚攏和歸類，數據要素滲透其他要素，也是基于信息、知識的機理和規(guī)律進行滲透和融合，即便是人工智能生成數據，也需要發(fā)現知識元之間的邏輯關系（即知識體系的核心內容），形成思維鏈并實現內容的復雜推理。

具體而言，出版數據要素聚合效應體現在如下幾個方面：

第一，異質多模態(tài)數據資源聚合。出版數據要素聚合的整體趨勢表現為異質多模態(tài)數據資源的集聚，首先是內容數據資源的文本、音頻、視頻、3D模型、AR/VR及混合數據，基于知識體系的標引和計算，經過集聚形成海量、大規(guī)模數據服務平臺或系統；其次是用戶數據、交互數據圍繞內容數據資源的開發(fā)利用，匯聚于出版業(yè)數據產品的研發(fā)、應用和運營過程，服務于數據出版和融合出版；最后是時間維度上的“存量數據資源、在制數據資源和增量數據資源”[10]及空間維度上的內部數據資源和外部數據資源進行匯聚，共同形成出版數據要素的溢出效應，實現規(guī)模報酬遞增。

第二，由數字圖書、數字期刊、數字報紙向數字圖書館、數字期刊庫、數字報紙庫的匯聚。電子書是出版業(yè)進行數字化轉型、數據化升級初期階段所研發(fā)的數據產品，包括基于紙質圖書的原版原式電子書及不依托于傳統出版、直接進行數字化生產制作的電子書。電子書主要依托B2C的商業(yè)模式實現盈利，早期較難被編輯、讀者所接受，也難以實現規(guī)?；慕洕б?。由此，電子書向數字圖書館或者說單一型數據產品向集合型數據產品的集聚態(tài)勢開始顯現。電子書是構成數字圖書館的主要組成部分和要素，大部分出版機構都沿著從電子書到數字圖書館的數據化產品路線前進。同理，期刊出版單位可通過對期刊數字資源進行存量資源轉化、在制資源建設和增強資源購置等方式來實現數字期刊內容及數字期刊庫的聚合；報紙出版單位可對歷年報紙內容進行數字化建設來實現由數字報紙到數字報紙數據庫的聚合。

第三，條目數據集聚。條目數據，是指對數字書報刊基于知識體系進行碎片化拆分形成的數據。出版單位內容資源的碎片化，是在紙質書報刊數字化的基礎上發(fā)揮出版數據要素裂變效應的結果，同時又是形成出版數據要素聚合效應的前提。知識庫、專題數據庫本身就是以條目數據為基本構成單元、以大規(guī)模或超大規(guī)模數據資源集聚為表現形態(tài)的數據出版產品，是出版數據要素聚合效應的體現。出版單位條目數據集聚的技術路線往往遵循“數據條—數據集—數據庫”的基本邏輯，有助于形成專業(yè)特色鮮明、內容優(yōu)勢突出的知識庫、專題數據庫等數據出版產品。

第四，出版數據語料庫—出版大數據—出版大模型的聚合。依據上述異質多模態(tài)數據資源聚合的效應和趨勢，在數字圖書館、條目數據集聚效應的綜合作用下，有條件、有實力的頭部出版單位可進一步發(fā)揮多源、多學科、多領域跨模態(tài)數據資源聚合效應，沿著超大規(guī)模出版數據語料庫構建、出版大數據建設的路線，直至最終構建出版垂直領域大模型，提供數據生成、知識生成等業(yè)務，推動個體或群體主導的智慧驅動知識生產向人工智能主導的數據驅動知識生產傳播的范式演進和升級。

綜上，聚合效應是出版數據裂變效應的進一步延伸，出版數據資源裂變實現了資源級、產品級、模態(tài)級的幾何式增長，而出版數據資源聚合則進一步推動數據出版產品類型、形態(tài)和模式的創(chuàng)新，為出版數據要素乘數效應的發(fā)揮起到堅實的助推作用。

4 出版數據要素的生成效應：出版數據要素的倍增作用

生成效應，是指在出版數據要素充分開發(fā)、利用的基礎上，結合生成式人工智能技術的賦能，逐步出現數據生成數據、數據生成知識、生成巨量數據的現象。進一步說，出版數據要素的生成效應，是指基于“海量無標注的出版數據和高質量人工標注的出版數據、人類反饋的強化學習算法”[11]、文本大模型、視頻大模型及相應的算力支持，所產生的智能生成文本、圖片、音頻及視頻等效果數據和知識。現從數據要素生成效應的視角，進一步系統梳理和總結數據要素如何與生成式人工智能結合來生成數據、知識及數據產品。

ChatGPT掀起了基于數據、算法和算力生成文本數據、圖片數據的熱潮，而Sora則進一步催生大模型生成視頻數據的熱潮。一直以來，對人工智能生成內容（Artificial Intelligence Generated Content，AIGC）的技術原理、應用場景、挑戰(zhàn)與對策，及其所引發(fā)的著作權、倫理、價值觀等問題關注較多，但鮮有對生成內容性質的分析。AIGC的“C（Content）”究竟是什么？從出版業(yè)視角來看，除了要關注其具備生成文本、圖片、音頻、視頻等多模態(tài)內容以外，更需要思考其生成內容的性質是數據、信息還是知識。

首先，AIGC的技術原理包含數據、算法和算力三部分，數據的重要性置于第一位?！霸贏I三要素之中，數據代表著生產要素或生產資料，算法意味著新的生產關系，算力則表征著新的生產力?！盵12]如果沒有超大規(guī)模的數據語料，再先進的算法、再巨大的算力，也無法實現人工智能生成效應。須知算法的研發(fā)、優(yōu)化、迭代和應用都離不開大量數據語料的“喂養(yǎng)”和訓練，正是巨量無標注文本數據和高質量的有標注文本數據，構成了文本、圖片、音視頻數據生成的母體和本體。

其次，AIGC不同的技術路線導致其生成內容分別成為數據、信息或知識。AIGC的技術路線大致分為“基于模板的AIGC、基于群體智能的AIGC、基于規(guī)則的AIGC以及基于大模型的AIGC”[13]。其中，基于模板的AIGC，代表性產品為新聞機器人或撰稿機器人，其內容性質多為信息或數據，基本工作原理是清洗和梳理資訊數據，構建新聞信息語料庫，訓練語料并形成深度學習模型，通過抓取新聞時間關鍵要素，篩選語言模板，填充關鍵數據，形成新聞稿件?；谌后w智能的AIGC屬于知識性質、知識要素的范疇，維基百科是代表性產品，其通過非線性、去中心化、大規(guī)模協作的群體智慧方法，對結構化和半結構化數據進行知識抽取，形成各專業(yè)領域本體，并生成基于元數據的專題性數據庫?；谝?guī)則的AIGC，典型產品為微軟“小冰”，其屬于情感智能的范疇，生成內容大多屬于知識性質，其除了出版書籍《陽光失了玻璃窗》等之外，更是建立了國內規(guī)模首屈一指的金融文本摘要平臺，為國內個人投資者和金融機構交易員提供金融知識服務，并生成金融知識圖譜。不過，基于規(guī)則的AIGC中也有部分內容屬于數據、信息的范疇，如“小冰”作為廣播電臺或電視臺主持人在節(jié)目中生成的內容?；诖竽Ｐ偷腁IGC，主要包括文本大模型和視頻大模型。典型產品代表，前者如ChatGPT、中華知識大模型等，旨在提供全鏈條數據要素的綜合服務方案，后者如Sora、Vidu視頻大模型等，具備“長時長、高一致性、高動態(tài)性”[14]特點。無論是文本大模型還是視頻大模型，其生成的文本、圖像、音頻、視頻數據等，都無限接近于知識，并向知識靠攏。

最后，尤其需要關注出版數據要素的二次數據生成效應。二次數據或曰衍生數據，指數據“背后”的數據，是經過標引、關聯、計算后生成的新數據，是大數據發(fā)揮預測和預警作用的重要依據和參考，往往關涉數據安全問題。例如，對大量關于能源、礦產等內容的圖書進行數字化、碎片化和數據化加工后，經過數據分析、計算、統計、處理得出的衍生數據，甚至可能影響國家能源資源安全。

出版數據要素的生成效應，是高級階段的乘數效應，是出版數據要素聚合效應發(fā)揮的必然結果，是數據要素與數智技術滲透演化的結果，也是數據出版最新業(yè)態(tài)、最新模式的反映。

5 出版數據要素的滲透效應

數據要素通過自身作用呈現出乘數效應，也可以與其他要素融合驅動其創(chuàng)新產生乘數效應[15]。數據要素是“滲透性要素”[16]和“橋梁型生產要素”[17]，需要“在特定應用場景中與其他要素相結合，借助一定的數字基礎設施、數據管理體系、數據分析能力等才能發(fā)揮乘數效應”[18]。滲透效應是出版數據乘數效應的重要組成部分和不可或缺內容，具體滲透方式和類型體現如下：

5.1 出版數據要素與勞動要素的滲透融合

數據要素賦能圖書編輯、數字出版編輯及融合出版編輯，對內提升編輯數據素養(yǎng)和技能，推動出版社的編輯群形成和具備數據化的學習力、適應力、勝任力和創(chuàng)造力；對外進一步豐富編輯崗位類型。數據要素所蘊含的知識、機理、規(guī)律和經驗最終被編輯吸收和內化，使之成為數智型編輯，提升其文化生產力和精神生產力，從主體維度為推動出版業(yè)深度融合發(fā)展、高質量發(fā)展賦能。

5.2 出版數據要素與資本要素的協同、融合和替代

出版業(yè)的資本要素，指“那些通過直接或間接的形式投入到出版物或出版流程的中間產品或金融資產”[19]。數據要素的開發(fā)利用，將對出版業(yè)資本要素起到協同、融合及替代三重滲透效應：其一，數據要素與資本要素協同，起到降本提質增效的預期作用。通過對數據要素的充分利用，能夠分析和研判出版業(yè)所投入資本的精準性和可預期性，降低生產經營成本投入，提升出版經營管理效率。其二，數據要素與資本要素的融合共生，催生數據資本要素組合新形態(tài)。作為中間產品的內容數據產品、用戶數據產品及交互數據產品等，既是數據要素，也是資本要素，二者深度融合形成了數據資本這一生產要素配置的新組合或新要素形態(tài)。例如百科類的數據資源，既可以作為百科類知識產品，以獨立的數據產品形態(tài)出現，又可以作為支撐性的數據資本形態(tài)，將百科知識體系的中間品形態(tài)作為百科知識庫的知識標引依據。其三，數據要素對資本要素的替代效應，作為內容產業(yè)的出版業(yè)，內容數據資源可以與數智技術相結合，以移動互聯網、計算機設備、移動平板設備等為載體，形成數字出版產品、數據出版產品，由此實現對傳統原材料資本的替代。

5.3 出版數據要素與技術要素的深度融合、雙向賦能

出版數據資源，尤其是內容數據資源，唯有經過與技術要素的結合才會成為出版數據產品。換言之，出版數據產品的形成過程，就是“內容數據資源+數智技術+載體”的過程，其中“載體”可以是有形的，也可以是無形的。反過來說，技術要素，尤其是數智技術，也需要出版數據資源的賦能，需要與出版數據要素深度、有機融合，空有原理而沒有場景的技術，將是無源之水、無本之木。

5.4 出版數據要素對管理要素的賦能融合

管理，或曰企業(yè)家才能、企業(yè)家精神，也是一種新生產要素，是一種滲透性的生產要素。出版數據要素對管理要素的滲透賦能體現在如下幾點：首先，出版業(yè)內容數據、技術數據、運營數據、用戶數據、交互數據及組織數據資源的開發(fā)和利用，能夠提升出版調節(jié)治理決策的科學性和準確性；其次，出版數據要素和管理要素融合，輔以數智化技術、工具、平臺的應用，形成數字治理、數據治理及敏捷治理等新模式，能夠有效提升出版管理服務的響應程度、處理速度和治理效能；最后，關于數據要素對管理要素的“替代”作用，本文認為，當前的出版治理即出版管理服務，尚無法被數據要素所替代，只能說出版數據要素的充分開發(fā)和利用能夠協同出版管理要素，出版治理吸收數據要素、數據動能，可以提升出版治理體系和治理能力的數字化、數據化及智能化。

6 結語

出版數據要素裂變效應、聚合效應、生成效應層層遞進、循環(huán)往復，由此推動著數據出版、生成式智能出版等融合出版新業(yè)態(tài)新階段的不斷涌現。而出版數據要素的滲透效應則是出版數據要素乘數效應發(fā)揮的根本性原因，其背后隱藏著出版數據要素的虛擬性、非競爭性、易復制性、即時傳輸性、信息和知識的負載性等特征。

關于裂變效應、聚合效應、生成效應三者和滲透效應的關系，前者是“數據×”發(fā)揮出版數據要素乘數效應，后者則是“要素×”發(fā)揮出版數據要素乘數效應；前者往往是數據自身發(fā)揮乘數效應并創(chuàng)造價值，后者則是數據與其他要素融合發(fā)揮乘數效應并創(chuàng)造價值。兩者之間恰似一枚硬幣的兩面，既各自客觀存在，又不可分割、融為一體。

正如《大數據時代》中所說的，出版社“沒有把書籍的數據價值挖掘出來，也不允許別人這樣做。他們沒有看到數據化的需求，也意識不到書籍的數據化潛力”[20]。隨著數據要素成為關鍵生產要素，出版數據要素乘數效應或將顯著發(fā)揮作用，這種局面或將得到根本性改觀。

其他有關出版數據要素乘數效應的學術議題如“出版數據要素的反饋效應”“基于需求側的出版數據要素乘數效應”“出版數據要素乘數效應的作用機理”“出版數據要素乘數效應的路徑選擇”“出版數據要素乘數效應的制約因素和有利條件”等，期待后續(xù)開展持續(xù)、深入的分析和研究。

作者簡介

辛諫，男，博士，上海理工大學出版學院、數字文明研究院教授、博士生導師。研究方向：數字出版、人工智能、文化管理與服務。

李翠玲，女，新疆人民出版社黨委書記、總編輯。研究方向：數字出版。

參考文獻

KEYNES J M. The general theory of employment， interest and money[M]. London： Macmillan，1936：791-795.

潘文卿，李子奈.中國沿海與內陸間經濟影響的反饋與溢出效應[J].經濟研究，2007（5）：68-77.

任詩婷，曾燕.數據要素乘數效應的內涵與實現邏輯[J].長安大學學報（社會科學版），2024，26（2）：38-53.

張新新，劉騏榮.新質生產力賦能數據出版：動因、機理與進路[J].出版與印刷，2024（2）：34-44.

財政部辦公廳.關于做好中央文化企業(yè)數字資源庫建設項目國有資本經營預算編制的通知[EB/OL].（2014-07-29）[2024-09-29].https：//www.mof.gov.cn/gp/xxgkml/whs/201408/t20140804_2512036.htm.

吳忠民.論中國現代化的乘數效應[J].北京師范大學學報（社會科學版），2021（6）：5-19.

法信官網[EB/OL].[2024-08-25].https：//www.faxin.cn.

任澤裕，王振超，柯尊旺，等.多模態(tài)數據融合綜述[J].計算機工程與應用，2021，57（18）：49-64.

張新新，劉華東.出版+人工智能：未來出版的新模式與新形態(tài)：以《新一代人工智能發(fā)展規(guī)劃》為視角[J].科技與出版，2017（12）：38-43.

張新新.新聞出版業(yè)大數據應用的思索與展望[J].科技與出版，2016（1）：4-8.

張新新，黃如花.生成式智能出版的應用場景、風險挑戰(zhàn)與調治路徑[J].圖書情報知識，2023，40（5）：27，77-86.

張新新，丁靖佳.生成式智能出版的技術原理與流程革新[J].圖書情報知識，2023，40（5）：68-76.

張新新.生成式智能出版：知識生成原理、沿革與啟迪：從智慧驅動到數據驅動[J].編輯之友，2023（11）：36-44.

魏夢佳.我國自研視頻大模型面向全球上線[EB/OL].（2024-08-05）[2024-08-25].https：//www.tsinghua.edu.cn/info/1182/112990.htm.

張夏恒，馮曉宇.數據要素乘數效應的邏輯解構與實現進路[J].長安大學學報（社會科學版），2024，26（3）：91-102.

張新新，劉騏榮.新質生產力驅動出版高質量發(fā)展的三個著力點[J].中國出版，2024（12）：8-14.

任詩婷，曾燕.數據要素乘數效應的內涵與實現邏輯[J].長安大學學報（社會科學版），2024，26（2）：38-53.

楊俊，李小明，黃守軍.大數據、技術進步與經濟增長：大數據作為生產要素的一個內生增長理論[J].經濟研究，2022，57（4）：103-119.

張新新，孫瑾.要素·結構·功能：出版業(yè)高質量發(fā)展經濟維度分析：基于提高出版經濟活動質量的視角[J].數字出版研究，2023，2（4）：47-56.

維克托·邁爾-舍恩伯格，肯尼斯·庫克耶.大數據時代[M].盛楊燕，周濤，譯.杭州：浙江人民出版社，2013：112.

An Analysis of Multiplier Effect of Publishing Data Elements—Based on the Perspective of Publishing Supply Side

XIN Jian1，2， LI Cuiling3

1. College of Publishing， University of Shanghai for Science and Technology， 200093， Shanghai， China; 2. Institute of Digital Civilization， University of Shanghai for Science and Technology， 200093， Shanghai， China; 3. Xinjiang People’s Publishing House， 830049， Urumqi， China

Abstract： Spillover effect of data elements on the supply side of publishing consists of fission， aggregation， generation and penetration effect. Fission of content resources， data modality， and data product are the basic connotations of fission effect; aggregation of heterogeneous multimodal data resources， e-books to digital library， data clustering， and publishing data corpus-big data-large model form the aggregation effect; artificial intelligence generated contents based on templates， rules， group intelligence and large models accelerate the formation of the generation effect; the penetration， synergy， fusion， and substitution of publishing data elements with labor， capital， technology， and management elements jointly interpret the penetration effect. The fission， aggregation， and generation effects play publishing data elements multiplier effect from the perspective of “data ×”， while the penetration effect play multiplier effect from the “elements ×” perspective. The former is always the data itself to play multiplier effect and create value， while the latter is always the integration of data and other elements to play multiplier effect and create value.

Keywords： Data publishing; Publishing data element; Data element multiplier effect; Fission effect; Aggregation effect; Generation effect; Penetration effect