技术T：数智基础设施
T 将数智基础设施从外生效率参数中显性化，刻画运力、算力、存力在能源约束下形成的可调用服务能力。GDII 2026 将T拆解运力N、算力C、存力S。三类服务并非简单相加，而是以低替代弹性CES 函数聚合。
当替代弹性小于1 时，三类能力具有强互补性。数智基础设施建设不能单点突进，需运力、存力、算力协同发展。
数据D：高质量数据
D 将数据从规模积累推向价值释放，刻画数据规模、质量与周转速度共同决定的有效数据价值。GDII 2026 将 D 拆解为三个维度：以 CES 函数聚合私有数据 DP,t 与公共/ 政府数据 DG,t，刻画两类数据源的互补结构；以数据质量 Qt 作为乘性放大因子，反映长时序积累、规范治理与场景沉淀带来的价值密度跃升；以周转速度 Vt（数据调用量与有效数据存量之比）刻画数据从静态资产向动态生产要素的转化效率。
Vt：数据周转速度，定义为数据调用量与有效数据存量之比。ηQ和ηv：分别为数据质量与周转速度的产出弹性。
数据要素的价值释放不取决于拥有多少数据，而取决于“能用多少、用得多好、流转多快”。
劳动力L：人才生态
将劳动从数量堆积推向人机协同，刻画人才劳动与一般劳动在结构匹配度调节下的互补聚合。GDII 2026 将 L 拆解为两类劳动：人才劳动 Ht 涵盖人工智能相关专业人才，一般劳动 Ut 表述一般劳动力，二者以低替代弹性CES 函数聚合。
Mₜ人才结构匹配度，作为人才劳动的乘性放大因子；ρL<0，人才劳动与一般劳动具有强互补性。
智能经济时代，人才结构需要与数智基础设施、高质量数据形成协同，人才生态需注重复合型人才的培育与人机协同模式的构建。
