数据要素

1. 3秒看懂

数据要素，即把数据确立为与土地、劳动力、资本、技术并列的新型生产要素。核心逻辑是：在数字经济中，数据不再只是业务系统的“废气”，而是投入产出体系的关键原料；通过确权、定价、流通与隐私计算，数据成为可复用、可计价的资产，重构生产关系与核心竞争力。

2. 3分钟产业解释

数据要素化并非简单“卖数据”，而是将原始数据转化为可参与社会生产、产生经济效益的生产要素的全套制度与技术安排，包含三个层次：

• 资源化：从海量、异构、分散的原始数据中提取高质量、结构化、合法合规的数据集合，涉及采集、清洗、标注、脱敏等工序。
• 资产化：通过法律确权（数据资源持有权、加工使用权、数据产品经营权“三权分置”）和会计入表，使数据具备明确的资产属性，进入资产负债表。
• 资本化：进入市场流通，以数据集、API、分析报告等形式交易，或作为融资抵押、信托、证券化的底层资产。

数据要素具有不同于传统要素的经济特性：非消耗性（同一数据可被多个主体同时使用，边际成本趋近于零）、强融合性（与其他数据或算法结合时价值指数级放大）、产权复杂性（个人、企业、政府可能对同一份数据拥有不同权利）以及价值高度不确定性。因此，产业实践被概括为“制度+技术”双轮驱动——制度侧回答“数据是谁的、收益怎么分”，技术侧实现“可用不可见、可控可计量”。

落地架构大致分三层：

• 底层基础设施：算力（智算中心）、存储与高速网络，支撑海量数据的采集、处理与存储。
• 中枢流通与治理平台：数据交易所（北京、上海、深圳、贵阳等）、数据经纪商、登记与评估机构，形成场内外结合的撮合机制。
• 上层垂直应用：金融风控、精准营销、工业设备预测性维护、医疗真实世界研究、自动驾驶感知训练等，数据要素直接注入生产函数。

3. 技术原理

数据要素流通的核心矛盾是：如何在数据不暴露原始明文的前提下完成联合计算，并实现全流程留痕、可审计。几项关键技术构成协同体系：

  数据提供方 A                           数据需求方 B
  原始数据 X (永不外传)                   计算需求 F
     │                                        │
     ▼                                        ▼
┌─────────┐     ← 加密/掩码后的中间结果 →   ┌─────────┐
│ 本地计算 │  ── 多方安全计算(MPC)协议 ──   │ 本地计算 │
│ 节点    │     ← 联邦学习 梯度/参数交换 →   │ 节点    │
└─────────┘                              └─────────┘
     │                                        │
     ▼                                        ▼
  计算结果 Y (仅见授权部分)              计算结果 Y
     │
     ▼
┌──────────────────────────────────┐
│  区块链/隐私计算网关              │
│  - 任务发起、授权、计算过程全上链  │
│  - 智能合约自动执行收益分配       │
│  - 数据使用策略控制(data usage    │
│    control)全程执行               │
└──────────────────────────────────┘

• 多方安全计算（MPC）：多个参与方在不暴露各自私有数据的情况下共同计算某个函数。例如，两家银行完成重叠客户黑名单比对而不泄露客户列表。安全模型分为半诚实、恶意等；性能瓶颈主要在通信轮数与带宽开销。
• 联邦学习：中心服务器协调多个客户端在本地训练模型，仅交互梯度或模型参数，原始数据不出本地。常结合差分隐私（DP）添加噪声，防止从梯度反推原始数据。
• 可信执行环境（TEE）：利用CPU硬件级隔离（如Intel SGX、ARM TrustZone）创建“飞地”，数据仅在其内以明文计算，外部不可见。性能损失较小，但面临侧信道等硬件安全风险。通常与加密数据结合使用。
• 数据使用控制技术：策略附加于数据，即使离开提供方后，仍可通过策略执行点（PEP）和决策点（PDP）限制用途（如禁止转售、到期销毁），是数据空间的核心执行机制。
• 联邦数据空间/可信数据空间（Trusted Data Spaces）：强调互操作标准（如国际数据空间协会IDSA参考架构），通过连接器（Connector）实现数据提供方与消费方之间安全、自决的数据共享，保证全流程可追溯。

价值评估模型仍在探索。常见方法包括成本法（采集清洗标注成本）、收益法（数据带来的增量利润折现）和市场法（参考交易价格）。收益法的难点在于数据贡献度难以从场景中单独剥离，实践中常用Shapley值等博弈论方法进行联合建模贡献度分配，但尚处试验阶段，误差较大（技术调研，2023-2024）。

4. 关键参数

评估数据要素化进程的核心技术与管理参数包括：

• 数据资产化率：进入报表或交易体系的数据资产占全社会潜在可用数据资产的比例（尚无官方统计，多家研究机构估算低于1%，2023）。
• 场内交易额：各数据交易所年撮合成交总额，表征市场流动性（2023年主要交易所累计交易额大多在十亿至数十亿元级别，公开数据）。
• 数据合规成本占比：匿名化、授权链管理、审计等环节成本占整个流通成本的比例，反映制度摩擦力。
• API调用次数/数据产品复用率：同一数据产品被不同买方调用的次数，衡量非消耗性复用效率。
• 隐私计算性能指标：支持的最大并发联邦任务数、MPC协议的单次查询时延与吞吐量、通信轮数。例如，某些MPC框架在局域网环境下简单统计查询可控制在秒级，但复杂机器学习建模仍比明文慢数百至数千倍（公开技术报告，2023）。
• 数据贡献度评估误差：Shapley值等算法计算出的各方数据贡献与实际业务增益之间的偏差，影响收益分配的公平性。
• 数据产品标的可复现性：同一份数据产品在不同时期对同一任务的价值稳定性，直接影响审计和资本化。

5. 技术路线

不同技术路线在安全假设、性能和适用场景上差异显著，往往组合使用。基于截至2025年初的公开资料，对比情况如下：

定性对比，具体指标高度依赖部署环境与算法优化（综合技术调研，2024）。

6. 上游

数据要素产业链上游是“数据供给”，决定了可流通的数量与质量。主要供给来源：

• 公共数据：各级政府部门掌握的交通、气象、商事登记、信用等数据。高价值、规模大，但开放程度与授权运营细则仍在落地中。多地已开展公共数据授权运营试点（2023-2024）。
• 企业数据：
  • 互联网平台：阿里、京东、美团、腾讯等拥有海量用户行为、交易画像数据；
  • 工业龙头：三一重工、徐工机械、工业互联网平台掌握工业设备工况与运行数据；
  • 金融与通信：中国移动、联通、电信拥有时空轨迹与通信画像，国家电网、南方电网拥有高价值用电数据。
• 个人数据：经充分授权、匿名化/去标识化后可参与流通，合规门槛最高。
• 上游服务工具：数据采集设备（IoT传感器）、数据标注与清洗服务商、脱敏与匿名化处理软件。

上游的关键瓶颈在于权利界定不清、合规成本高企，导致大量潜在高价值数据“不敢共享、不愿流通”。行业普遍呈现“数据富矿不开采”的供给约束状态（行业观察，2023-2024）。

7. 下游

数据要素的下游是将数据产品与服务投入实际生产的应用方，需求明确且不断增长：

• 金融：跨机构联合反欺诈、黑名单匹对、精准风控建模、小微企业信用评估，是当前场内交易需求最大的领域之一。
• 互联网与营销：基于隐私计算的跨平台用户画像补全、广告效果归因，替代过去原始数据交换。
• 医疗健康：多中心临床数据联合研究、罕见病分析、真实世界证据（RWE）支持药物研发，对隐私保护要求极高。
• 智能制造：设备预测性维护、数字孪生、供应链优化，需融合设备运行数据与工艺参数。
• 政务与城市治理：城市交通态势感知、环境联防联控、公共政策仿真，依赖多源公共数据融合。
• 自动驾驶与AI训练：高质量标注数据、路采感知数据联合训练，对数据合规和授权链条极度敏感。
• 衍生服务：数据资产证券化、数据保险、数据信托等创新金融服务开始萌芽，仍处早期探索（2024）。

下游需求侧势头强劲，但有效合规的数据供给远未跟上，导致需求外溢至场外或使用低质量数据。

8. 受益公司

以下按产业链环节列举代表性企业（仅作现状描述与产业版图示意，不构成任何投资建议）：

• 数据资源方：阿里巴巴、腾讯、京东、百度、美团（消费互联网行为数据）；中国移动、中国联通、中国电信（通信与位置数据）；国家电网、南方电网（用电数据）；三一重工、徐工机械、树根互联等（工业设备数据）。这些企业凭借独特且高价值的数据资产，在合规前提下探索数据产品输出。
• 隐私计算与技术平台：蚂蚁集团（蚁盾、FAIR平台）、洞见科技（联邦学习）、翼方健数（隐私安全计算）、星环科技（数据治理与流通平台）、奇安信、深信服（数据安全网关）等，构成流通技术基座。其中多家已完成多轮融资，估值达独角兽级别（市场公开消息，2023）。
• 数据交易所运营与股东方：多为地方国资控股，如上海数据交易所、北京国际大数据交易所、深圳数据交易所、贵阳大数据交易所。部分A股公司作为发起股东或技术服务方间接受益（如安恒信息、浙数文化等参与地方数交所建设）。
• 资产评估与审计服务：普华永道、德勤、安永等“四大”，以及中联、中企华等本土评估机构，正积极布局数据资产入表审计、评估业务，是资本化必需的服务环节。
• 数据中台与治理工具：星环科技、恒生电子（金融数据服务）、用友网络等，帮助将原始数据工程化为产品。

二级市场尚无纯粹的数据要素指数，相关公司多分散在云计算、大数据、网络安全板块中，业绩多处于早期贡献阶段。

9. 市场规模

• 全球数据总量：据IDC Global DataSphere预测，全球数据圈规模到2027年将接近291ZB（约291万亿GB），但其中被分析利用并产生流通价值的占比极低（IDC报告，2023）。
• 中国市场规模：多家机构给出了千亿元级别估算。国家工业信息安全发展研究中心相关报告显示，2022年中国数据要素市场规模约950亿元，预计2025年将增至约1,749亿元（口径包含数据采集、存储、加工、流通、分析及生态保障等环节，2023年发布）。中国信通院《数据要素白皮书（2023年）》亦指出，数据要素市场处于高速增长期，预计2030年有望达到近万亿元。不同机构统计口径差异较大，仅供参考。
• 场内交易额：2023年，深圳数据交易所累计交易额突破12亿元，上海数据交易所全年交易额超11亿元（交易所公开数据）。2024年上半年各地交易所交易额同比持续增长，但绝对规模远小于场外点对点交易。场内交易占比仍低，市场尚处培育期。
• 数据资产入表情况：2024年一季报中，已有部分上市公司首次披露“数据资源”科目，但总额较小，多数在数十万至数千万元级别（上市公司公告，2024）。市场预期入表规模将缓慢爬升。

10. 玩家对比

对比基于2024年初产业格局，公开资料整理。

11. 风险

• 政策推进不及预期：公共数据授权运营、数据资产登记互认、收益分配等关键细则出台缓慢，导致供给释放延迟。
• 合规成本高企：数据涉及个人信息、商业秘密，匿名化界限模糊，触发安全事件的处罚严厉，企业参与意愿受限。
• 技术攻防风险：隐私计算协议可能存在安全漏洞，或侧信道攻击突破TEE，一旦发生重大泄密事件，将重创市场信心。
• 场内流动性长期低迷：数交所交易活跃度不足，产品标准化困难，大量交易继续以场外点对点形式存在，场内市场难以形成定价标杆。
• 数据垄断与壁垒：头部企业凭借数据优势形成“数据围墙”，不愿意真正开放共享，形成新的垄断壁垒。
• 估值与审计争议：数据资产入表主观判断空间大，可能引发利润操纵担忧或审计风险，导致监管收紧。
• 技术路线摇摆：MPC、TEE、数据空间等多种技术路径的竞争与融合存在不确定性，客户决策延后，拖累行业整体进度。

12. 误读纠偏

1. 误读：“数据要素就是把数据当矿卖” 纠偏：数据要素的核心是通过“可用不可见”的技术使数据产生价值交换，或封装为持续更新的数据服务（API），按调用或效果付费。直接卖原始数据集是安全与合规红线，极易触犯《个人信息保护法》《数据安全法》。
2. 误读：“数据要素市场即将处处是高频交易” 纠偏：数据不同于标准化商品，价值高度场景依赖，且需要合规确权、质量评估等重前置流程。真正的高频、大规模场内交易在较长时间内仍将集中在少数垂直领域（如金融风控、广告），整体市场活跃度将缓慢爬升，而非爆发式增长。
3. 误读：“数据资产入表后，所有公司的数据都能变资产” 纠偏：根据财政部《企业数据资源相关会计处理暂行规定》，只有企业合法拥有或控制、成本能可靠计量、很可能带来未来经济利益的数据资源才能入表。大量内部管理用、未确权、无直接经济利益的数据不符合资产确认条件，这一过程对会计判断要求极高，初期仅少数企业能经审计入表。
4. 误读：“有了隐私计算，数据就绝对安全了” 纠偏：隐私计算降低了数据暴露的风险，但仍面临算法安全假设、硬件侧信道、工程实现缺陷等威胁。它是在合规与风险间的平衡器，并非零风险的魔法，仍需配合数据使用控制、审计存证和制度约束。

13. 最新事件

以下为2023年底至2025年初已公开的关键政策与产业事件（以时间为序）：

• 2023年12月：国家数据局等多部门联合印发《“数据要素×”三年行动计划（2024-2026年）》，选取工业制造、现代农业、商贸流通等12个行业领域，提出打造300个以上典型应用场景，数据产业年均增速超过20%。
• 2024年1月1日：《企业数据资源相关会计处理暂行规定》正式施行，数据资产作为“无形资产”或“存货”列报。2024年一季报中，多家上市公司首次披露数据资源科目（上市公司公告，2024）。
• 2024年2月：国家数据局启动全国数据资源调查，摸清数据资源底数，为后续政策制定提供基础。
• 2024年5月：第七届数字中国建设峰会期间，国家数据局发布首批20个“数据要素×”典型案例，并联合地方推动公共数据授权运营试点铺开。
• 2024年7月：国务院常务会议审议通过《关于加快发展数据要素市场的意见》，进一步明确数据产权、流通交易、收益分配等基础制度方向（新华社公开报道）。
• 2024年下半年：多地数据交易所上线人工智能训练数据专区，推出可信数据空间解决方案，场内交易产品及服务走向精细化。
• 2025年初：地方两会密集提及“数据要素市场化配置改革”，部分省份将数据资产纳入地方政府资产负债表研究范围。

上述事件均来自公开报道与官方文件，行业动态持续更新。

14. 跟踪指标

用于持续观察数据要素产业景气与进展的核心跟踪维度：

• 政策脉搏：国家数据局、财政部等部委出台的细化文件数量与节奏，公共数据授权运营办法落地省份数量。
• 场内交易额（月度/季度）：各地数据交易所挂牌产品数、撮合成交额及同比增速，关注产品复购率。
• 数据资产入表进度：定期报告披露“数据资源”的上市公司数量、金额规模及行业分布，审计意见中与数据资产相关强调事项。
• 隐私计算签约项目：头部隐私计算厂商公开的订单数量、标杆客户及场景（金融、通信、政务），反映技术规模化落地情况。
• 公共数据开放数据集增长：全国及各地方政府开放平台的数据集数量、API调用量，衡量公共数据供给释放速度。
• 投融资热度：隐私计算、数据空间、数据基础设施等赛道的融资事件与估值变化（公开数据库追踪）。
• 数据安全事件：是否发生重大数据泄露或隐私计算安全漏洞通报，影响监管态度与市场信心。
• 标准与互认进展：数据资产登记、价值评估、数据空间互操作性等国家/行业标准的制定与发布节点。

15. 信源

• 国务院：《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”，2022年12月）
• 国家数据局：《“数据要素×”三年行动计划（2024-2026年）》（2023年12月）
• 财政部：《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号），自2024年1月1日起施行
• 《数据安全法》（2021）、《个人信息保护法》（2021）
• 中国信息通信研究院：《数据要素白皮书（2023年）》
• 国家工业信息安全发展研究中心等：《中国数据要素市场发展报告（2022-2023）》
• IDC: Global DataSphere Forecast, 2023-2027
• IDSA: Reference Architecture Model, Version 3.0
• 杨强等：《联邦学习》，电子工业出版社，2019
• Lindell, Y. : “Secure Multiparty Computation”, Communications of the ACM, 2021
• 上海数据交易所、深圳数据交易所、北京国际大数据交易所官网及公开披露交易数据
• 上市公司2024年一季报及半年报数据资源列示情况（Wind、交易所公告）
• 券商深度研报（中信、中金、华泰等，2023-2024），供市场视角参考

以上信源截止2025年2月，部分行业数据为引述机构的估算值，具体口径请参见原始报告。