數字經濟背景下語言產業發展新模式：語言數據產業

摘要： 語言作為一種“資源”，具有重要的經濟屬性，能夠促成語言產業的形成與發展。在數字經濟時代，語言還是數據生產要素的主要體現形式與重要組成部分，具有泛生產要素性質，語言數據的產業化趨勢催生了語言產業發展的新模式——語言數據產業。處于初創發展期的語言數據產業存在諸多問題，對此，可以從學術上加強研究、管理上加大扶持與引導、監管上強化產權立法、發展上突顯鏈式思維、學習上借鑒國際經驗等措施加以化解突破。

關鍵詞：數字經濟；生產要素；語言產業；語言數據產業

中圖分類號：F062.9

文獻標識碼：A文章編號：1673－4513（2023）－02－074－07

作者簡介：

毛現樁（1981-），男，河南平頂山人，副教授，博士，主要研究方向：語言產業、語言經濟。

基金項目：

2022年河南省教育科學規劃項目“新文科背景下省屬普通本科高校外語專業產教融合協同育人機制研究”（2022YB0116）；2022 年河南省本科高校研究性教學改革研究與實踐項目（2022SYJXLX046）；河南財經政法大學2021年教改項目“智慧教學模式下大學英語跨文化類課程線上線下混合式金課建設研究與實踐”。

引言

數字經濟是以信息技術的革命與發展為驅動，以數據作為核心生產要素的新興經濟形態。黨的十九大報告提出加快建設數字中國，指明了我國經濟社會發展的方向。2021年11月1日，中國正式提出申請加入DEPA，標志著我國數字經濟發展進入了新時期，具有里程碑式的重要意義。

在信息通信技術與傳統產業融合的影響下，我國的數字經濟近年來一直呈現飛速發展的態勢。2021年4月，中國信息通信研究院發布《中國數字經濟發展白皮書》，2019年我國數字經濟規模占GDP總量的36.2%，對經濟增長的貢獻為67.7%，2020年較2019年又提升了2.4%，占GDP總量的38.6%，數字經濟已成為拉動我國經濟增長的新動力。數字經濟最核心的生產要素是數據，而在人類觀察世界所形成的可供計算機處理的數據中，80%都是語言數據，故語言數據是數字經濟時代最為重要的數據。數字經濟的高質量發展有賴于語言數據的高質量收集、挖掘、存儲、管理、加工及應用，這為語言產業的新發展——語言數據產業，帶來了機遇，也提出了挑戰。

一、語言的經濟學屬性與語言產業

（一） 語言的經濟學屬性

語言的經濟學屬性來源于語言的“資源”本質，語言具有一般經濟資源的稀缺性與成本收益性。從個體層面而言，語言資源不是與生俱來，而是通過后天的成本（時間或金錢）投入逐漸習得，而且因個體與投入差異，對該資源的獲取程度因人而異。研究發現，個體通過“成本投入”所獲得的語言能力提升程度或掌握的多語種數量與其工資收入水平和社會經濟地位具有較強的關聯性，存在著顯著的正相關關系，語言資本投資是一種重要的人力資本投資形式。此外，作為人類認知與思維的工具，個人的語言能力很大程度上決定著其個體獲得其他人力資本（如知識、科技、技能等）的程度，從這個角度上講，語言是個體提升自身其他人力資本的一種重要的中介資本。另一方面，從國家或社會維度而言，語言的“資源”本質體現在語言的文化負載性上。語言是文化的重要載體，不同語言之間或同一語言不同方言之間存在比較明顯的文化差異，文化差異會造成人與人之間的誤會、偏見乃至歧視等負面效果，從而造成交流障礙，降低交流意愿，影響地區間的經濟互動。國家之間的“語言距離”不僅會阻礙科學技術的全球傳播，不利于技術落后國“后發優勢”的發揮，而且還增加了貿易往來的交易成本，影響了外商投資的進入模式。綜上，語言不僅是一種能給個體帶來經濟利益的特殊人力資本形式，而且也是一種能夠影響整個國家或民族發展的重要經濟資源。

（二）語言產業及其業態發展

語言一旦有了經濟價值，便會進入市場，開始發生經濟行為。個體通過自學或是參加語言培訓提升了自身語言技能，在勞動力市場獲得了求職的競爭優勢、在職場提升了工資水平，從而在語言資本中獲利；不同語言文化中的企業開展經貿往來需要有語言翻譯服務來消除語言障礙、拉近語言距離、處理貿易摩擦等事務，從而有了語言消費需求。隨之，市場上便出現了語言培訓、語言翻譯、語言出版等一些專門提供語言產品或服務的企業，當語言消費與語言供給達到一定的成熟度和規模后便形成了語言產業。

關于語言產業的內涵，不同學者給出了不同的界定，比較具有代表性的幾個意見如下。李宇明（2016）認為“語言產業是以生產和提供語言產品，利用語言賺取紅利的產業。”陳鵬（2012）認為“語言產業是以語言為內容、材料，或是以語言為加工、處理對象，生產出各種語言產品以滿足各種語言需求的產業形態。”黃少安等（2012）認為“語言產業是一種采取市場化的經營方式生產語言類產品或者語言服務，從而滿足國家或者個人對各種語言產品或語言服務需求的產業。”賀宏志（2012）認為“語言產業是以語言文字作為原料和內容（語言本體），或是以語言文字作為加工處理的對象（語言作為工具），生產各種語言產品或提供各種語言服務的產業。”以上對語言產業的界定雖各有側重，但語言產品的生產或語言服務的提供是其核心內容。因此，根據語言產品或服務的形態或方式，我們可以將語言產業下分為三大類別：語言能力產業、語言內容產業與語言處理產業，又可具體化為語言培訓、語言康復、語言測評、語言出版、語言翻譯、語言創意、語言會展、語言文字信息處理、語言藝術等九大業態類型。

但是，隨著互聯網信息技術的發展與普及，尤其是近兩年受疫情影響，網絡空間的語言產業各業態所占比例越來越高，如在線語言教育與測評、在線會議翻譯、在線語言展覽、在線智能寫作、在線語音識別、合成、輸入等在線語言處理業態。網絡空間的語言產業與傳統語言產業相比最大區別在于，在網絡空間，計算機是以數據的形式運行處理語言內容，從而形成新的語言產品或語言服務，語言數據在網絡空間語言產業中起著至關重要的作用。

二、數字經濟中的語言數據生產要素

數字經濟以信息技術發展為必要條件，以數據為關鍵的生產要素，用數字呈現信息內容。在數字經濟中，語言作為信息技術創新和互聯網應用創新的基礎要素，在很大程度上已超越語音、詞匯與語法系統的傳統范疇和語言文化差異，已超越語言思維和數據思維的傳統框架和戰略認知，成為了數字經濟中具有戰略意義的數據系統。數字經濟中的語言數據分為三個層級：自然語言、人工語言與數字語言。

（一）自然語言

自然語言，即語言的應然狀態。自然語言體現著人類交流的豐富性與多樣性。語言雖是信息的載體，但是，每一種自然語言都有其獨特的語音、詞匯、語法、文字等表意系統。所以，相同的信息在不同的語言系統中有著迥然不同的表達形式。這使得不同語言之間的信息傳遞存在障礙，亦即“語言效率”存在差異。信息交流是語言的第一屬性，但當交流的信息彼此間呈現標準不一致時，人們就需要通過語言學習或語言翻譯以達到交流的彼岸。

自然語言雖屬語言數據的較低形態，但是語言數據的重要組成部分，并且是計算機處理語言數據中最難的一種。計算機對自然語言的處理程度，如漢字識別、語音檢索、語言（聲音、文字）翻譯、機器客服語言訓練等都決定著人工智能的發展進程。

（二）人工語言

自然語言在為人類創造了一個多彩語言世界的同時，也為世界范圍內的信息交流與溝通帶來了天然的認知障礙。隨著交通工具與信息技術的進步與發展，這種障礙愈加明顯，因此，人們開始設想創造一種具有通用效果的“人工語言”，以掃除語言差異在認知中的障礙。在知識傳播史上，數學語言便是成功的一例。數學運算符號以及數學公式的統一，極大化解了自然科學知識傳播過程中的語言障礙，使得伽利略用數學語言撰寫的關于天體、宇宙的著作成為后來物理學、化學、工程設計等學科發展的重要基礎知識。有了對已有知識系統化和標準化的語言處理，后人可直接對接前人成果，實現一次又一次的技術創新。除了數學語言，我們還有樂譜語言、盲文、聾啞人的手語、旗語、燈語、電話號碼、銀行卡號碼等形式的人工語言。人工語言可以是自然語言的符號化，體現自然語言規則，也可以自成體系，擁有內部運行規則；對人工語言的理解有時需要自然語言輔助，有時需用自然語言闡釋。總之，人工語言與自然語言具有天然的密切關系。

當今社會，經濟發展是人類的主題，而語言是能夠影響從知識生產到技術創新再到經濟績效的最微觀的因子，隨著計算機信息技術與互聯網滲入所有的經濟行為，我們急需一種通用語言，以極高的效率進行信息流動和知識獲取，從而促進經濟更快更好發展，這便是數字語言。

（三）數字語言

當人類大腦面對實踐對象的復雜性與豐富性時，傳統語言文字難以出色完成對其全面認知與深度分析加工，表現出了認知效率不佳。此時，一種高效的媒介技術即機器語言出現了，它由形式語言所形成的虛擬計算機大腦來開展我們人類大腦在某些領域所完不成的工作。機器語言的發展推動了數字技術的進一步發展，數字技術可以將社會運行進行數據化重構，形成海量數據。海量數據被各種軟件、數字平臺捕獲后，傳輸給由計算機機器語言構成的虛擬人類大腦進行機器學習。所以，海量數據越大越豐富，機器學習的效果越好，算法越精準，產出結果的適用性與指導性就越強。在機器語言階段，計算機分析的對象均是經過數字技術處理過后的數字信息，此時的語言數據是被數字化了的語言，即數字語言。數字語言是語言數據的高級形態，具有普適性與統一性，可以用來描述所有的人類活動。

這里需要說明的是，語言數據的三個層級，是按照計算機對語言處理的方便程度以及“語言效率”的高低程度對語言的劃分，并不是語言進化的三個階段。在數字信息時代的今天，三種語言數據是并存的，都是數字經濟的重要生產要素。

三、語言的泛生產要素性

語言的獨特生產要素性不僅來源于語言的本質屬性，語言是人類最重要的交際和思維工具，也是人類文化和信息的最重要負載者，同時還是人類文化最重要的建構者和闡釋者。同時，語言與其他幾種生產要素有著非常的特殊關系，在其中發揮著重要作用，語言具有泛生產要素性（如圖1）。

首先，語言經濟學的邏輯起點是視語言為人力資本。語言是人的重要勞動力，對于服務行業或是智力型崗位，情況尤為如此，一個人的語言能力遠比其體力更為重要。從世界或我國發展經驗來看，語言能力薄弱或脆弱的地區通常是貧困地區，有語言障礙的人群通常會是貧困的群體。

其次，語言不僅是一種“符號系統”，是人們彼此交流的一種重要工具，語言還是信息的載體，承載著“知識”。現代漢語詞典中對“知識的”定義是“人們在改造世界的實踐中所獲得的認識和經驗的總和。”這種“認識與經驗”可能以書面語言的形式儲存于書籍雜志或媒體之中，也可能以概念或經驗的形式儲存于人類大腦，而大腦中概念與經驗的釋解仍然需要腦神經語言或認知語言的參與。因此，語言與知識生產要素關系密切。

再次，就狹義技術而言，語言技能本身就是一項技術本領，擁有較高語言能力的人其語言技術（技能）就高。從廣義技術而言，以語言作為現代技術加工處理對象的現代語言技術，如多語網絡翻譯技術、語音識別技術、文字輸入技術等，在整個現代技術體系中占據著重要位置。此外，各個產業領域中技術發明專利的申請、技術的傳授學習都需要借助于語言來呈現或達成。語言是技術生產要素的伴隨者。

再次，作為生產要素的管理指的是某種管理章程或制度，或是某種管理行為。對于前者，張衛國（2008）指出：“語言既是一種特殊的社會制度，具有規范人們言說表達的功能，同時語言也是人類其他制度的信息承載物，人類的一切政治、經濟、社會等制度都需要通過語言文字來記載或通過語言言說所表達。”對于后者，在各種管理制度的基礎上，有效的管理行為還需要嚴謹的思維與準確的言語表達，語言是人類表達思維的重要方式，高超的語言表達能力也是管理能力的重要體現。在人力資源管理中，語言能力以及以語言能力為基礎的溝通能力是企業在招聘、測試、培養、考績等全過程中對員工考察評估的重要核心指標，是高績效人力資源管理系統的基礎，對員工產出與收益產生直接影響。

最后，語言本身是一種資本，可以為個人或群體帶來經濟價值。然而，撇開語言的資本屬性，從其一般社會屬性而言，語言與資本、土地的關系也十分密切。語言能夠影響資本的流動與走向，為土地生產資料賦值。曾毅平（1998）研究指出：“社會語言文字使用的總體面貌對實現投資效益有著相當的影響，語言環境是資金得以有效運營的一個不容忽視的外部條件，語言環境也是一種投資環境。”在外商對華投資中，“語言距離不僅會直接削弱外商對華直接投資，而且還會通過雙邊貿易額間接影響外商對華直接投資。”

四、語言產業發展新模式——語言數據產業

（一）語言數據產業的內涵與外延

依照語言數據的屬性與功能，我們嘗試將語言數據產業定義為，視語言數據為數字經濟生產要素的重要組成部分，對各類語言數據進行收集儲存、管理經營、加工應用，以生產各類語言數據產品或提供語言數據服務的產業。該定義的前提是語言數據是數字經濟生產要素的重要組成部分，發展語言數據產業的目的就是通過語言數據產品的生產，或對紛雜的語言數據進行管理、加工與應用，從而更好地為數字經濟的健康發展提供高質量的數據生產要素，并為其它生產要素提供應有的語言服務。語言數據產業是一個長鏈條、寬口徑的新型產業模式，涉及多種業態類型。語言數據的挖掘與收集、語言數據庫的建設與維護、語言數據的存儲與傳輸、語言數據的計算機分析、語言數據產品的營銷、語言數據管理服務標準的制定、語言數據人才的培養等都將是伴隨語言數據產業發展的相關業態。

（二）語言數據產業發展中的問題

作為語言產業發展的新模式，語言數據產業還處于產業發展的初期階段，加之語言數據本身的特征與屬性，該產業目前發展顯露出一些問題。

1.語言數據的產權確立問題。語言數據的來源口徑較多，既有從現實空間搜集到的語言資料所構建的語料庫數據，如醫患多模態對話數據庫、公共空間的語言景觀數據庫、教師課堂話語語料庫等，也有從互聯網獲得的各種網絡語言數據產品或服務，如網絡字體、表情包、網絡配音等，還有日常生活中個人在進行電子登錄或各種操作中，被各種應用軟件后臺獲取的個人語言數據，如賬號信息、地址信息、人臉識別的電子信息等。語言數據的廣來源性造成數據產權的難確定性。在產權難以確定的情況下，產權的保護就成了空談。然而，在數字經濟時代，數據成為極其重要的生產要素，對數據，尤其是語言數據的知識產權保護尤為重要，是保障數字經濟健康發展的重要舵手。

2.語言數據的安全問題。語言數據的安全性主要是指語言本身的質量安全性和使用過程中有可能對他人造成的安全性傷害。語言數據收集渠道多、來源廣，通過各個渠道獲取而來的語言數據質量參差不齊。那些質量較差，甚至惡劣的語言數據會嚴重影響語言數據庫的使用安全。比如，通過網絡獲取的語言數據可能會是不同時代、不同國度、不同文化的語言數據，還有可能是人工智能產生的語言數據。這些語言數據混雜了不同的意識形態偏見、文化習俗偏見，帶有較多不文明用語，甚至違反了倫理道德，如果對該類語言數據不加“潔洗”就加以應用，必定會對生產的語言數據產品或提供的語言數據服務產生極大的負面影響。其次，語言數據在存儲、傳輸、應用過程中如不加強防護措施，極易造成數據的泄露問題。泄露的語言數據關乎個體或社團的隱私，甚至國家的語言安全，若不引以重視，將對個人或國家造成難以挽回的重大損失。

3.語言數據的對接共享問題。語言數據有可能來源于不同的語料庫，而現行研究范式并沒有對語料庫的標注體系進行規范化統一，并未規定同類型的語料庫使用同系統的標注規范，這就造成了即便是取自同類別的兩個不同語料庫的語言數據也難以直接進行同類對比分析，更難以將兩個語料庫研究結果直接對接。此外，當前語言數據的“孤立”現象比較嚴重。同類研究機構之間、政府各部門之間、甚至課題組之間都有可能建有自己的（語言）數據庫，但是出于各種原因，相關或同類（語言）數據庫資源未能實現共享，同類數據的反復采集不僅對個體帶來不便，增加了泄露風險，而且未能對（語言）數據實現綜合利用。

4.語言數據產業發展的思維模式問題。如前所述，語言數據產業涉及語言數據的收集挖掘、語言數據的存儲、語言數據的管理、語言數據的加工、語言數據的應用以及語言數據的產品開發等多個環節、多道工序。每一個環節工序上出現問題都將影響后續環節的正常進行，嚴重者影響整個語言數據產品的生產或語言數據服務提供的質量。因此，可以說，語言數據產業是一個由多個語言數據產業業態構成的鏈式產業，其發展呈現鏈狀模式，這與傳統語言產業的簇狀發展模式不同。倘若各語言數據業態只是自顧獨自發展，沒有全局觀念、鏈式思維，那么不可能提升整個語言數據產業的發展質量，更不可能發揮出語言數據對數字經濟應有的支撐作用。

（三）相關規劃與建議

1.加強對語言數據產業的研究。在我國，語言產業的發展也不過十年左右的時間。學界、業界對它的認識仍在不斷地深化與拓寬，對其內涵的界定、產業邊界的確定、業態分類標準的敲定、統計指標的確定等方研究至今未形成統一共識。而作為語言產業發展的新模式，語言數據產業更是一個嶄新的研究領域。需要盡快加強對其進行學理與實踐研究，形成一批具有理論指導性和實踐操作性的研究成果，為制定語言數據產業高質量發展對策提供依據。

2.加大政府扶持與引導。政府應從國家戰略高度為語言數據產業創設更加開放創新的產業環境，加大對相關研究的支持力度，制定語言數據產業與市場的法規政策，建立語言數據產業人才培養機制，重視語言數據產業各鏈條業態人員的培養與管理，建立語言數據職業規范與倫理道德等條例引導語言數據產業健康發展。同時，加強政府各相關部門之間的合作，建立相應的協調溝通機制，倡導語言數據的互通共享。

3.強化對語言數據產業的知識產權保護。我國的知識產權意識較過去有了顯著提高，但是對于高度網絡化的語言數據產業來說尚缺乏清晰的產權意識，如網絡字體、網絡主頁的獨創性、網絡表情包的使用、網絡段子的著作權等類型的語言數據都發生過產權爭議或糾紛。因此，應從政府指導、行業監管、法律建構等層面對語言數據產品和語言數據服務進行產權保護，對于難以確權的現實公共空間和網絡空間的語言數據進行合理化產權明晰，避免引發產權爭議。對于涉及個人隱私的語言數據要加強保護，加大對泄露、侵犯個人隱私語言數據的違法犯罪行為的懲處力度。

4.培養語言數據產業發展的鏈式思維。產業鏈不僅是實際存在的一種產業集，更是一種思維方式。產業要想做大做強，就不能停留在“單兵作戰”的階段，必須具有產業鏈的產業全局觀。鏈式發展思維對于語言數據產業而言尤為重要。語言數據產業鏈上的各業態產業聯系緊密，相互影響，每一個鏈條業態的發展出現問題都直接影響后續各業態的發展及整個產業的發展。鏈式發展思維要求語言數據產業監管部門要抓好產業發展的全局指導與安排，產業鏈上的各業態行業從業者要融入語言數據產業發展的大框架，做好鏈條上的鏈接環，守好一段渠，種好責任田。

5.借鑒國際先進經驗。數字經濟較發達的國家相比，我國的數字經濟發展無論在數字基礎設施建設、數據安全保護還是數字貿易的規則制定等方面都還存在較大差距。語言數據產業是數字經濟時代的一個重要產業模式。我們要在數據保護分級分類精細化管理、數據市場一體化建設、個人隱私數據保護的立法、相關人才培養管理模式等方面借鑒國際先進經驗，揚長避短，促進我國語言數據產業快速發展。

參考文獻：

[1]李宇明.數據時代與語言產業[J].山東師范大學學報：社會科學版，2020，65（05）：87-98.

[2]張衛國.作為人力資本、公共產品和制度的語言：語言經濟學的一個基本分析框架[J].經濟研究，2008（2）：144-154.

[3]Pendakur， K.， & Pendakur， R. （2002）. Language as both human capital and ethnicity. International Migration Review， 36（1）， 147-177.

[4]Huu， N.， Larimo， J.， & Ali， T. （2016）. How do ownership control position and national culture influence conflict resolution strategies in international joint ventures. International Business Review， 25（2）， 559-568.

[5]陳鵬.語言產業的基本概念及要素分析[J].語言文字應用，2012（03）：16-24.

[6]李宇明.語言也是“硬實力”[J].華中師范大學學報：人文社會科學版，2011，50（05）：68-72.

[7]黃少安，蘇劍，張衛國.語言產業的涵義與我國語言產業發展戰略[J].經濟縱橫，2012（05）：24-28.

[8]賀宏志.發展語言產業，創造語言紅利——語言產業研究與實踐綜述[J].語言文字應用，2012（03）：9-15.

[9]何宏志，陳鵬.語言產業導論[M].北京：語文出版社，2013：162-167.

[10]姜國權.發展數字時代的語言產業[N]. 中國社會科學報，2021-09-14（003）.

[11]張新春，花旭.數字經濟：增長邏輯與技術機理[J].改革與戰略，2021，37（04）：75-84.

[12]彭婷.人工智能中語言問題的哲學審視——以馬克思恩格斯語言觀為視角[J].世界哲學，2020（02）：17-26.

[13]李宇明.中國語言資源的理念與實踐[J].語言戰略研究，2019，4（03）：16-28.

[14]李琳.區域經濟發展與語言能力建設[J].吉首大學學報：社會科學版，2020，41（03）：104-111.

[15]曾毅平.語言環境也是一種投資環境[J].暨南學報：哲學社會科學，1998（01）：109-116.

[16]方芮.文化距離、語言距離與外商對華直接投資[D].山東大學，2020.

[17]劉昌華.數字經濟：網絡空間的語言產業[J].黃河科技學院學報，2021，23（06）：72-80.

[18]于曉，葉申南.歐日韓數字經濟政策、發展趨勢及中國策略[J].財政科學，2021（06）：135-141.

Abstract： As a type of resource， language bears an important attribute of economy， which promotes the development of language industry. In the era of digital economy， language functions as the main form and an important part of the production factor of data， bearing the nature of panproduction factors. With the tendency of language data， there comes a new development model of language industry—language data industry. Due to its early stage of development， the language data industry meets with some growth barriers.

For the sake of the healthy and stable development of the language data industry， some effective measures need taking to tackle the thorny problems， including strengthening the academic research， increasing the managerial support， stressing the legislation of property rights， advocating the chainmodel thinking of development， drawing on the advanced foreign experience， and so on.

Keywords：digital economy; production factor; language industry; language data industry

（責任編輯：范松楠）