数据要素：数字经济的"新石油"

引言：从五大生产要素说起

2020 年 4 月，国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，首次将数据与土地、劳动力、资本、技术并列为五大生产要素——这是全球范围内第一次有主要经济体在政策层面将数据提升到如此高度。

通俗理解：土地是农业经济的核心要素，资本是工业经济的核心要素，数据是数字经济的核心要素。在 AI 大模型时代，"谁拥有高质量的独特数据"已经比"谁拥有更多设备厂房"更重要。一家没有数据壁垒的 AI 公司，再多 GPU 也只是空转；一家拥有 10 年垂直行业数据的公司，可能比融资 10 亿美元的对手更有护城河。

数据要素的战略意义有三层：

1. 对国家：是数字经济时代的"新石油"，是 GDP 增长的新引擎，也是大国博弈的新焦点（数据主权/跨境流动）
2. 对企业：数据资产可入表（资产负债表），可质押融资（数据信贷），是新型无形资产
3. 对个人：个人数据作为新型资产，未来可能享有"数据分红权"或"数据收益权"

一、数据要素的政策演进：四年五次跨越

中国数据要素市场的政策推进，可以用"四年五次跨越"来概括：

理解这四次政策跨越，是理解数据要素市场全貌的钥匙：2020 年定地位、2022 年定制度、2023 年定会计、2024 年定财政、2025 年定金融。每一步都解决了一个核心问题，最终形成"数据可确权、可入表、可流通、可融资"的完整闭环。

二、数据三权分置：中国式的制度创新

"数据二十条"提出的三权分置框架，是借鉴了农村土地改革"所有权/承包权/经营权"分置经验的制度创新，是全球范围内没有先例的探索。

🔸 三权分置的内涵

• 数据资源持有权：谁原始拥有这个数据？例如，淘宝拥有用户的购物行为原始记录；医院拥有患者的诊疗数据；运营商拥有用户的通话记录
• 数据加工使用权：谁可以使用数据做加工/分析？例如，第三方数据分析公司可以购买脱敏后的用户行为数据做画像分析；AI 公司可以购买医疗数据训练诊断模型
• 数据产品经营权：谁可以销售基于数据的产品？例如，Wind/同花顺销售金融数据终端；高德/百度销售地图数据 API；上海钢联销售大宗商品价格指数

🔸 三权分置解决了什么问题？

在传统的"数据所有权"框架下，数据要么完全归用户（无法流通），要么完全归企业（用户权益被剥夺）。三权分置则把"所有权"拆解为三个独立可流通的权利，既保护原始权益，又允许数据流通，是一种精细化的产权安排。

🔸 三个典型应用场景

• 公共数据授权运营：政府拥有原始数据，授权运营商加工成数据产品（如气象数据、交通数据）对外销售
• 企业数据共享：同行企业通过数据交易所共享脱敏数据（如多家物流公司共享运输数据用于路径优化）
• 个人数据信托：个人通过"数据信托"将加工使用权委托给专业机构，由机构代表个人与企业谈判数据使用

三、数据要素市场的"四化"演进

数据要素市场从原始数据到金融资产，经历资源化 → 资产化 → 资本化 → 产品化四个关键阶段。

🔸 第一步：数据资源化

目标：让原始数据变成"可用"的数据资源。

过程：

• 数据采集：通过传感器、日志、用户行为等渠道收集原始数据
• 数据清洗：去除错误、重复、异常数据
• 数据标注：对数据进行人工或 AI 标注（如标注"这张图是猫"用于训练图像识别）
• 数据脱敏：去除个人隐私信息（如身份证号、姓名）
• 数据治理：建立数据质量标准、元数据管理、数据血缘追踪

典型行业：金融（用户交易数据）、医疗（诊疗记录）、工业（设备运行数据）、消费（购物行为）

🔸 第二步：数据资产化（2024 关键节点）

目标：让数据资源变成"可计价"的数据资产，能入企业的资产负债表。

政策依据：财政部《企业数据资源相关会计处理暂行规定》，2024 年 1 月 1 日起施行。

核心规则：

• 符合条件的数据资源可计入无形资产（企业自主研发/外购的、有明确使用计划的数据）
• 符合条件的数据资源可计入存货（企业日常经营中持有、最终用于出售的数据产品）
• 数据资产入表需要确权、估值、登记三步

2024 年首批入表的典型案例：

• 上海钢联：将大宗商品价格数据计入无形资产，2024 年报中数据资产规模超 3 亿元
• 中国联通：将用户行为数据资产入表，规模超 10 亿元
• 多家城商行：将客户数据资产入表，撬动数十亿数据信贷
• 某医院：将脱敏医疗数据入表，作为无形资产对外授权

🔸 第三步：数据资本化

目标：让数据资产"可融资"，成为类似土地、房产的金融工具。

核心场景：

• 数据资产质押融资：企业以数据资产为质押向银行贷款。例如，某 AI 公司凭医疗数据资产获批 5000 万贷款
• 数据资产证券化：将数据资产未来收益打包成 ABS 发行。例如，某高速公路公司凭车流数据发行 5 亿元 ABS
• 数据资产入股：以数据资产作为出资设立合资公司
• 数据资产 REITs：数据中心的 REITs 已经开始试点

2024~2025 年试点进展：

• 全国 18 个数据资产质押融资试点城市（含深圳、贵阳、上海等）
• 累计数据资产质押贷款规模超 100 亿元（截至 2024 年底）
• 首单数据资产 ABS 由贵阳大数据交易所协助完成

🔸 第四步：数据产品化（流通层）

目标：让数据资产"可交易"，在数据交易所挂牌形成可流通商品。

典型数据产品：

• 数据集：结构化数据包（如某行业 5 年销售数据）
• 数据 API：按调用次数收费的实时数据接口（如天气数据 API）
• 数据报告：分析师基于数据形成的洞察报告
• 数据指数：基于数据的指数化产品（如某商品价格指数）
• 数据模型：基于数据训练的 AI 模型（如人脸识别模型）

截至 2024 年底，全国数据交易所累计挂牌数据产品超 2 万个，累计交易额超 200 亿元（多数为试点性质）。

四、数据交易所：数据流通的"新基建"

🔸 全国数据交易所格局

截至 2025 年，全国已建成 50+ 家数据交易所/数据要素流通平台，形成"国家级 + 省市级 + 行业级"三层架构：

🔸 数据交易所的"五件事"

1. 数据登记：对数据资产进行确权登记，类似房产登记
2. 数据估值：提供数据资产评估服务，给出价格参考
3. 数据撮合：连接数据供需双方，提供交易撮合
4. 数据清算：处理数据交易后的资金结算
5. 数据监管：确保数据交易合规、防止数据滥用

🔸 仍待解决的痛点

• 数据定价难：缺乏统一的数据定价标准，"一个数据一个价"
• 数据确权难：同一数据可能涉及多个权益方
• 数据安全：如何防止数据在流通过程中被滥用、泄露
• 数据供需匹配：大量数据"沉睡"在企业数据库中，找不到买家
• 跨平台互通：各交易所数据标准不统一，形成新的"数据孤岛"

五、AI 时代的数据价值重估

🔸 AI 是数据要素的"终极买家"

如果说过去十年数据要素市场最大的买家是金融（风控/营销）和政府（治理/决策），那么 2023 年以来最大的新增买家是AI 大模型公司。

AI 大模型的训练需要海量高质量数据：

• GPT-4 训练数据约 13 万亿 tokens
• Llama 3 训练数据约 15 万亿 tokens
• 中国主流大模型（DeepSeek/通义/文心/Kimi/豆包）训练数据也都在万亿 tokens 量级
• 训练一个行业大模型（如医疗/法律/金融）需要数百万到数千万条专业标注数据

结论：数据是 AI 的"燃料"，谁拥有高质量的独特数据，谁就是 AI 时代的"卖铲人"。

🔸 五类"AI 时代最值钱的数据"

1. 专业领域数据：医疗诊断数据、法律判决数据、金融交易数据——这些是行业大模型的核心训练数据
2. 用户行为数据：电商购物、社交互动、内容消费——这些是推荐系统的基础
3. 工业生产数据：设备运行、工艺参数、质量检测——这些是工业 AI/智能制造的核心
4. 多模态数据：图像、视频、音频、3D 点云——这些是 GPT-4o/自动驾驶/具身智能的基础
5. 合成数据：用 AI 生成的数据反哺 AI 训练（Synthetic Data），是 2024 年起的新方向

🔸 数据 → 模型 → 应用的飞轮效应

拥有数据优势的公司可以建立"数据飞轮"：

更多数据 → 更好模型 → 更好产品 → 更多用户 → 更多数据 → ...

这是 AI 时代最核心的护城河——数据越多模型越好，模型越好产品越好，产品越好用户越多，用户越多数据越多。数据是这场飞轮的起点，也是壁垒所在。

六、产业链拆解：从数据采集到数据应用

数据要素产业链可以分为数据采集/存储/计算/加工/流通/应用六大环节：

其中数据标注是 AI 时代最被低估的环节。AI 大模型的训练数据需要大量人工标注，海天瑞声作为数据标注龙头，深度受益于 AI 大模型浪潮。

七、A 股核心公司

🔸 数据服务商（最直接受益）

• 同花顺（300033）：海量金融数据 + AI 投顾 + 金融终端
• 东方财富（300059）：金融数据 + 互联网券商 + 基金代销
• 上海钢联（300226）：大宗商品数据龙头，数据资产入表先行者
• 每日互动（300766）：移动数据服务，地理/用户行为数据

🔸 数据标注/AI 数据（最受益 AI 浪潮）

• 海天瑞声（688787）：AI 训练数据龙头，多模态数据标注
• 云从科技（688327）：视觉 AI 数据 + 大模型
• 拓尔思（300229）：语义数据/文本挖掘

🔸 数据安全与合规（监管驱动）

• 安恒信息（688023）：数据安全龙头
• 奇安信（688561）：网络安全综合服务商
• 深信服（300454）：云计算 + 数据安全

🔸 数据交易所参与方

• 易华录（300212）：城市数据湖核心运营商，参与多个数据交易所建设
• 浙数文化（600633）：浙江大数据交易中心运营方之一
• 人民网（603000）：传播内容认知国家重点实验室

🔸 国资云/政务数据（政策驱动）

• 深桑达A（000032）：中国电子云，政务云核心
• 太极股份（002368）：政务 IT 龙头
• 电科数字（600850）：智慧城市/政务数据

🔸 公共数据授权运营

• 中国移动/中国联通/中国电信：运营商数据（位置/通讯）
• 国能集团下属公司：能源数据
• 省级数据集团：各省政务数据

八、风险与挑战

🔸 1. 数据确权与定价的"老大难"

同一数据可能涉及用户、企业、政府、合作伙伴多方权益，确权标准尚未完全统一。这导致数据交易中存在"先上车后补票"的情况，影响市场信心。

🔸 2. 数据安全与隐私保护

数据流通与个人隐私保护存在天然张力。《个人信息保护法》《数据安全法》《网络安全法》三法并行，企业数据合规成本上升。2024 年以来多起数据泄露事件（如某快递公司 40 亿条数据泄露）对行业造成冲击。

🔸 3. 数据垄断与公平竞争

大型互联网平台（腾讯/阿里/字节）拥有海量数据，可能形成"数据垄断"，挤压中小企业的创新空间。2021 年《反垄断法》首次修订将"数据"纳入反垄断考量。

🔸 4. AI 训练数据的版权风险

AI 大模型训练数据多来自互联网爬取，《生成式人工智能服务管理暂行办法》（2023 年 8 月施行）要求训练数据合规。2024 年起多起 AIGC 版权诉讼，数据合规成本提升。

🔸 5. 数据要素市场化进度不及预期

数据要素市场建设涉及制度、技术、产业、监管多方面协调，进展可能慢于市场预期。2024 年以来数据资产入表规模虽快速增长但绝对值仍小（占 A 股总资产不足 0.1%）。

九、未来展望：数据要素的"iPhone 时刻"

回顾数据要素市场的发展，可以用三个阶段来理解：

• 2015-2020 萌芽期：贵阳大数据交易所成立、数据被定义为生产要素前的"准备期"
• 2020-2024 制度建立期：数据成为五大要素、数据二十条、数据入表——制度框架搭好
• 2024-2030 价值释放期：数据资产入表+数据信贷+数据证券化——价值兑现期

当前我们正处在制度建立期的尾声+价值释放期的起点。下一个 5 年，数据要素将经历类似 2010-2015 年互联网的爆发：

• 数据资产入表规模：从 2024 年的数百亿到 2030 年的数万亿
• 数据信贷余额：从 2024 年的百亿级到 2030 年的万亿级
• 数据交易额：从 2024 年的 200 亿到 2030 年的数千亿
• A 股相关公司：从 2024 年的概念驱动到 2030 年的业绩兑现

数据要素的"iPhone 时刻"正在到来——当数据资产可以像房产一样被定价、流通、质押、证券化，整个数字经济的基础设施就彻底打通了。

本文仅作数据要素市场科普,提及的 A 股相关公司仅作行业格局介绍,不构成对相关股票的评价或投资建议。市场有风险,投资需谨慎。