資料要素
1. 3秒看懂
資料要素，即把資料確立為與土地、勞動力、資本、技術並列的新型生產要素。核心邏輯是：在數字經濟中，資料不再只是業務系統的“廢氣”，而是投入產出體系的關鍵原料；通過確權、定價、流通與隱私計算，資料成為可複用、可計價的資產，重構生產關係與核心競爭力。
2. 3分鐘產業解釋
資料要素化並非簡單“賣資料”，而是將原始資料轉化為可參與社會生產、產生經濟效益的生產要素的全套制度與技術安排，包含三個層次：
- 資源化：從海量、異構、分散的原始資料中提取高質量、結構化、合法合規的資料集合，涉及採集、清洗、標註、脫敏等工序。
- 資產化：通過法律確權（資料資源持有權、加工使用權、資料產品經營權“三權分置”）和會計入表，使資料具備明確的資產屬性，進入資產負債表。
- 資本化：進入市場流通，以資料集、API、分析報告等形式交易，或作為融資抵押、信託、證券化的底層資產。
資料要素具有不同於傳統要素的經濟特性：非消耗性（同一資料可被多個主體同時使用，邊際成本趨近於零）、強融合性（與其他資料或演算法結合時價值指數級放大）、產權複雜性（個人、企業、政府可能對同一份資料擁有不同權利）以及價值高度不確定性。因此，產業實踐被概括為“制度+技術”雙輪驅動——制度側回答“資料是誰的、收益怎麼分”，技術側實現“可用不可見、可控可計量”。
落地架構大致分三層：
- 底層基礎設施：算力（智算中心）、儲存與高速網路，支撐海量資料的採集、處理與儲存。
- 中樞流通與治理平台：資料交易所（北京、上海、深圳、貴陽等）、資料經紀商、登記與評估機構，形成場內外結合的撮合機制。
- 上層垂直應用：金融風控、精準營銷、工業裝置預測性維護、醫療真實世界研究、自動駕駛感知訓練等，資料要素直接注入生產函式。
3. 技術原理
資料要素流通的核心矛盾是：如何在資料不暴露原始明文的前提下完成聯合計算，並實現全流程留痕、可審計。幾項關鍵技術構成協同體系：
資料提供方 A 資料需求方 B
原始資料 X (永不外傳) 計算需求 F
│ │
▼ ▼
┌─────────┐ ← 加密/掩碼後的中間結果 → ┌─────────┐
│ 本地計算 │ ── 多方安全計算(MPC)協議 ── │ 本地計算 │
│ 節點 │ ← 聯邦學習 梯度/引數交換 → │ 節點 │
└─────────┘ └─────────┘
│ │
▼ ▼
計算結果 Y (僅見授權部分) 計算結果 Y
│
▼
┌──────────────────────────────────┐
│ 區塊鏈/隱私計算閘道器 │
│ - 任務發起、授權、計算過程全上鍊 │
│ - 智慧合約自動執行收益分配 │
│ - 資料使用策略控制(data usage │
│ control)全程執行 │
└──────────────────────────────────┘- 多方安全計算（MPC）：多個參與方在不暴露各自私有資料的情況下共同計算某個函式。例如，兩家銀行完成重疊客戶黑名單比對而不洩露客戶列表。安全模型分為半誠實、惡意等；效能瓶頸主要在通訊輪數與頻寬開銷。
- 聯邦學習：中心伺服器協調多個客戶端在本地訓練模型，僅互動梯度或模型引數，原始資料不出本地。常結合差分隱私（DP）新增噪聲，防止從梯度反推原始資料。
- 可信執行環境（TEE）：利用CPU硬體級隔離（如Intel SGX、ARM TrustZone）建立“飛地”，資料僅在其內以明文計算，外部不可見。效能損失較小，但面臨側通道等硬體安全風險。通常與加密資料結合使用。
- 資料使用控制技術：策略附加於資料，即使離開提供方後，仍可通過策略執行點（PEP）和決策點（PDP）限制用途（如禁止轉售、到期銷燬），是資料空間的核心執行機制。
- 聯邦資料空間/可信資料空間（Trusted Data Spaces）：強調互操作標準（如國際資料空間協會IDSA參考架構），通過聯結器（Connector）實現資料提供方與消費方之間安全、自決的資料共享，保證全流程可追溯。
價值評估模型仍在探索。常見方法包括成本法（採集清洗標註成本）、收益法（資料帶來的增量獲利折現）和市場法（參考交易價格）。收益法的難點在於資料貢獻度難以從場景中單獨剝離，實踐中常用Shapley值等博弈論方法進行聯合建模貢獻度分配，但尚處試驗階段，誤差較大（技術調研，2023-2024）。
4. 關鍵引數
評估資料要素化程序的核心技術與管理引數包括：
- 資料資產化率：進入報表或交易體系的資料資產佔全社會潛在可用資料資產的比例（尚無官方統計，多家研究機構估算低於1%，2023）。
- 場內交易額：各資料交易所年撮合成交總額，表徵市場流動性（2023年主要交易所累計交易額大多在十億至數十億元級別，公開資料）。
- 資料合規成本佔比：匿名化、授權鏈管理、審計等環節成本佔整個流通成本的比例，反映制度摩擦力。
- API呼叫次數/資料產品複用率：同一資料產品被不同買方呼叫的次數，衡量非消耗性複用效率。
- 隱私計算效能指標：支援的最大併發聯邦任務數、MPC協議的單次查詢時延與吞吐量、通訊輪數。例如，某些MPC架構在區域網環境下簡單統計查詢可控制在秒級，但複雜機器學習建模仍比明文慢數百至數千倍（公開技術報告，2023）。
- 資料貢獻度評估誤差：Shapley值等演算法計算出的各方資料貢獻與實際業務增益之間的偏差，影響收益分配的公平性。
- 資料產品標的可復現性：同一份資料產品在不同時期對同一任務的價值穩定性，直接影響審計和資本化。
5. 技術路線
不同技術路線在安全假設、效能和適用場景上差異顯著，往往組合使用。基於截至2025年初的公開資料，對比情況如下：
| 路線 | 資料出域 | 安全假設 | 計算效能 | 主要適用場景 | 成熟度與趨勢 |
|---|---|---|---|---|---|
| 安全多方計算（MPC） | 否（僅互動密文分片） | 密碼學安全，抗惡意參與方 | 極低（比明文慢數千至數萬倍），通訊開銷大 | 小規模聯合統計、隱匿查詢 | 特定場景可用，通用加速中 |
| 聯邦學習 + 差分隱私 | 僅梯度/引數 | 依賴聚合伺服器與加噪機制 | 中等（需權衡訓練效率與模型精度） | 跨機構聯合建模、IoT裝置協同 | 較成熟，規模應用擴充套件 |
| 可信執行環境（TEE） | 是（密文出域，飛地內解密） | 信任硬體廠商與飛地實現 | 較高（接近明文效能） | 高吞吐資料交易、AI推論 | 成熟，需解決硬體繫結與側通道風險 |
| 資料空間/使用控制 | 資料可加密傳輸後在授權環境處理 | 身份認證+策略執行點可信 | 策略評估輕量，底層依賴 | 供應鏈資料共享、跨境資料流通 | 標準與互操作性建立中（2024-2025） |
| 區塊鏈存證+智慧合約 | 不處理資料，負責存證 | 防篡改，共識依賴網路 | 受限於鏈的TPS | 資料產品交易清算、全場審計 | 成熟，治理層必備 |
定性對比，具體指標高度依賴部署環境與演算法最佳化（綜合技術調研，2024）。
6. 上游
資料要素產業鏈上游是“資料供給”，決定了可流通的數量與質量。主要供給來源：
- 公共資料：各級政府部門掌握的交通、氣象、商事登記、信用等資料。高價值、規模大，但開放程度與授權運營細則仍在落地中。多地已開展公共資料授權運營試點（2023-2024）。
- 企業資料：
- 網際網路平台：阿里、京東、美團、騰訊等擁有海量使用者行為、交易畫像資料；
- 工業龍頭：三一重工、徐工機械、工業網際網路平台掌握工業裝置工況與執行資料；
- 金融與通訊：中國移動、聯通、電信擁有時空軌跡與通訊畫像，國家電網、南方電網擁有高價值用電資料。
- 個人資料：經充分授權、匿名化/去標識化後可參與流通，合規門檻最高。
- 上游服務工具：資料採集裝置（IoT感測器）、資料標註與清洗服務商、脫敏與匿名化處理軟體。
上游的關鍵瓶頸在於權利界定不清、合規成本高企，導致大量潛在高價值資料“不敢共享、不願流通”。行業普遍呈現“資料富礦不開採”的供給約束狀態（行業觀察，2023-2024）。
7. 下游
資料要素的下游是將資料產品與服務投入實際生產的應用方，需求明確且不斷增長：
- 金融：跨機構聯合反欺詐、黑名單匹對、精準風控建模、小微企業信用評估，是當前場內交易需求最大的領域之一。
- 網際網路與營銷：基於隱私計算的跨平台使用者畫像補全、廣告效果歸因，替代過去原始資料交換。
- 醫療健康：多中心臨床資料聯合研究、罕見病分析、真實世界證據（RWE）支援藥物研發，對隱私保護要求極高。
- 智慧製造：裝置預測性維護、數字孿生、供應鏈最佳化，需融合裝置執行資料與工藝引數。
- 政務與城市治理：城市交通態勢感知、環境聯防聯控、公共政策模擬，依賴多源公共資料融合。
- 自動駕駛與AI訓練：高質量標註資料、路採感知資料聯合訓練，對資料合規和授權鏈條極度敏感。
- 衍生服務：資料資產證券化、資料保險、資料信託等創新金融服務開始萌芽，仍處早期探索（2024）。
下游需求側勢頭強勁，但有效合規的資料供給遠未跟上，導致需求外溢至場外或使用低質量資料。
8. 受益公司
以下按產業鏈環節列舉代表性企業（僅作現狀描述與產業版圖示意，不構成任何投資建議）：
- 資料資源方：阿里巴巴、騰訊、京東、百度、美團（消費網際網路行為資料）；中國移動、中國聯通、中國電信（通訊與位置資料）；國家電網、南方電網（用電資料）；三一重工、徐工機械、樹根互聯等（工業裝置資料）。這些企業憑藉獨特且高價值的資料資產，在合規前提下探索資料產品輸出。
- 隱私計算與技術平台：螞蟻集團（蟻盾、FAIR平台）、洞見科技（聯邦學習）、翼方健數（隱私安全計算）、星環科技（資料治理與流通平台）、奇安信、深信服（資料安全閘道器）等，構成流通技術基座。其中多家已完成多輪融資，估值達獨角獸級別（市場公開訊息，2023）。
- 資料交易所運營與股東方：多為地方國資控股，如上海資料交易所、北京國際大數據交易所、深圳資料交易所、貴陽大數據交易所。部分A股公司作為發起股東或技術服務方間接受益（如安恆資訊、浙數文化等參與地方數交所建設）。
- 資產評估與審計服務：普華永道、德勤、安永等“四大”，以及中聯、中企華等本土評估機構，正積極版面配置資料資產入表審計、評估業務，是資本化必需的服務環節。
- 資料中臺與治理工具：星環科技、恒生電子（金融資料服務）、用友網路等，幫助將原始資料工程化為產品。
二級市場尚無純粹的資料要素指數，相關公司多分散在雲端運算、大數據、網路安全板塊中，業績多處於早期貢獻階段。
9. 市場規模
- 全球資料總量：據IDC Global DataSphere預測，全球資料圈規模到2027年將接近291ZB（約291萬億GB），但其中被分析利用併產生流通價值的佔比極低（IDC報告，2023）。
- 中國市場規模：多家機構給出了千億元級別估算。國家工業資訊安全發展研究中心相關報告顯示，2022年中國資料要素市場規模約950億元，預計2025年將增至約1,749億元（口徑包含資料採集、儲存、加工、流通、分析及生態保障等環節，2023年釋出）。中國信通院《資料要素白皮書（2023年）》亦指出，資料要素市場處於高速增長期，預計2030年有望達到近萬億元。不同機構統計口徑差異較大，僅供參考。
- 場內交易額：2023年，深圳資料交易所累計交易額突破12億元，上海資料交易所全年交易額超11億元（交易所公開資料）。2024年上半年各地交易所交易額年增率持續增長，但絕對規模遠小於場外點對點交易。場內交易佔比仍低，市場尚處培育期。
- 資料資產入表情況：2024年一季報中，已有部分上市公司首次揭露“資料資源”科目，但總額較小，多數在數十萬至數千萬元級別（上市公司公告，2024）。市場預期入表規模將緩慢爬升。
10. 玩家對比
| 玩家型別 | 核心能力 | 盈利模式 | 進入壁壘 | 當前面臨的核心挑戰 |
|---|---|---|---|---|
| 資料資源方 | 獨特、即時、高密度的資料資產 | 資料產品/API訂閱費、聯合建模營收分成 | 資料的獨佔性與場景覆蓋深度 | 確權複雜、合規成本高、內部資料治理薄弱 |
| 隱私計算/技術平台廠商 | MPC、聯邦學習、TEE等技術棧及部署能力 | 軟體許可、平台服務費、解決方案整合 | 密碼學與工程化人才、標杆案例積累 | 效能難以滿足大規模情形、客戶採購決策週期長 |
| 資料交易所 | 合規撮合、交易規則制定、牌照公信力 | 交易佣金、會員費、增值服務 | 地方國資背景、牌照稀缺性 | 流動性不足、產品標準化低、跨域互認未打通 |
| 評估與會計服務機構 | 資料資產估值、入表審計、合規諮詢 | 專案制諮詢費、審計費 | 資質與公信力、方法論成熟度 | 價值評估主觀性強、缺乏統一標準、市場教育成本高 |
| 資料中臺與工具廠商 | 資料治理、質量管控、資料編目與血緣 | 軟體產品交付、訂閱服務 | 客戶場景理解、產品化能力 | 與雲端廠商競爭、純工具價值易被侵蝕 |
對比基於2024年初產業格局，公開資料整理。
11. 風險
- 政策推進不及預期：公共資料授權運營、資料資產登記互認、收益分配等關鍵細則出臺緩慢，導致供給釋放延遲。
- 合規成本高企：資料涉及個人資訊、商業秘密，匿名化界限模糊，觸發安全事件的處罰嚴厲，企業參與意願受限。
- 技術攻防風險：隱私計算協議可能存在安全漏洞，或側通道攻擊突破TEE，一旦發生重大洩密事件，將重創市場信心。
- 場內流動性長期低迷：數交所交易活躍度不足，產品標準化困難，大量交易繼續以場外點對點形式存在，場內市場難以形成定價標杆。
- 資料壟斷與壁壘：頭部企業憑藉資料優勢形成“資料圍牆”，不願意真正開放共享，形成新的壟斷壁壘。
- 估值與審計爭議：資料資產入表主觀判斷空間大，可能引發獲利操縱擔憂或審計風險，導致監管收緊。
- 技術路線搖擺：MPC、TEE、資料空間等多種技術路徑的競爭與融合存在不確定性，客戶決策延後，拖累行業整體進度。
12. 誤讀糾偏
- 誤讀：“資料要素就是把資料當礦賣” 糾偏：資料要素的核心是通過“可用不可見”的技術使資料產生價值交換，或封裝為持續更新的資料服務（API），按呼叫或效果付費。直接賣原始資料集是安全與合規紅線，極易觸犯《個人資訊保護法》《資料安全法》。
- 誤讀：“資料要素市場即將處處是高頻交易” 糾偏：資料不同於標準化商品，價值高度場景依賴，且需要合規確權、質量評估等重前置流程。真正的高頻、大規模場內交易在較長時間內仍將集中在少數垂直領域（如金融風控、廣告），整體市場活躍度將緩慢爬升，而非爆發式增長。
- 誤讀：“資料資產入表後，所有公司的資料都能變資產” 糾偏：根據財政部《企業資料資源相關會計處理暫行規定》，只有企業合法擁有或控制、成本能可靠計量、很可能帶來未來經濟利益的資料資源才能入表。大量內部管理用、未確權、無直接經濟利益的資料不符合資產確認條件，這一過程對會計判斷要求極高，初期僅少數企業能經審計入表。
- 誤讀：“有了隱私計算，資料就絕對安全了” 糾偏：隱私計算降低了資料暴露的風險，但仍面臨演算法安全假設、硬體側通道、工程實現缺陷等威脅。它是在合規與風險間的平衡器，並非零風險的魔法，仍需配合資料使用控制、審計存證和制度約束。
13. 最新事件
以下為2023年底至2025年初已公開的關鍵政策與產業事件（以時間為序）：
- 2023年12月：國家資料局等多部門聯合印發《“資料要素×”三年行動計劃（2024-2026年）》，選取工業製造、現代農業、商貿流通等12個行業領域，提出打造300個以上典型應用場景，資料產業年均增速超過20%。
- 2024年1月1日：《企業資料資源相關會計處理暫行規定》正式施行，資料資產作為“無形資產”或“存貨”列報。2024年一季報中，多家上市公司首次揭露資料資源科目（上市公司公告，2024）。
- 2024年2月：國家資料局啟動全國資料資源調查，摸清資料資源底數，為後續政策制定提供基礎。
- 2024年5月：第七屆數字中國建設峰會期間，國家資料局釋出首批20個“資料要素×”典型案例，並聯合地方推動公共資料授權運營試點鋪開。
- 2024年7月：國務院常務會議審議通過《關於加快發展資料要素市場的意見》，進一步明確資料產權、流通交易、收益分配等基礎制度方向（新華社公開報道）。
- 2024年下半年：多地資料交易所上線人工智慧訓練資料專區，推出可信資料空間解決方案，場內交易產品及服務走向精細化。
- 2025年初：地方兩會密集提及“資料要素市場化配置改革”，部分省份將資料資產納入地方政府資產負債表研究範圍。
上述事件均來自公開報道與官方檔案，行業動態持續更新。
14. 追蹤指標
用於持續觀察資料要素產業景氣與進展的核心追蹤維度：
- 政策脈搏：國家資料局、財政部等部委出臺的細化檔案數量與節奏，公共資料授權運營辦法落地省份數量。
- 場內交易額（月度/季度）：各地資料交易所掛牌產品數、撮合成交額及年增率增速，關注產品復購率。
- 資料資產入表進度：定期報告揭露“資料資源”的上市公司數量、金額規模及行業分佈，審計意見中與資料資產相關強調事項。
- 隱私計算簽約專案：頭部隱私計算廠商公開的訂單數量、標杆客戶及場景（金融、通訊、政務），反映技術規模化落地情況。
- 公共資料開放資料集增長：全國及各地方政府開放平台的資料集數量、API呼叫量，衡量公共資料供給釋放速度。
- 投融資熱度：隱私計算、資料空間、資料基礎設施等賽道的融資事件與估值變化（公開資料庫追蹤）。
- 資料安全事件：是否發生重大數據洩露或隱私計算安全漏洞通報，影響監管態度與市場信心。
- 標準與互認進展：資料資產登記、價值評估、資料空間互操作性等國家/行業標準的制定與釋出節點。
15. 信源
- 國務院：《關於建置資料基礎制度更好發揮資料要素作用的意見》（“資料二十條”，2022年12月）
- 國家資料局：《“資料要素×”三年行動計劃（2024-2026年）》（2023年12月）
- 財政部：《企業資料資源相關會計處理暫行規定》（財會〔2023〕11號），自2024年1月1日起施行
- 《資料安全法》（2021）、《個人資訊保護法》（2021）
- 中國資訊通訊研究院：《資料要素白皮書（2023年）》
- 國家工業資訊安全發展研究中心等：《中國資料要素市場發展報告（2022-2023）》
- IDC: Global DataSphere Forecast, 2023-2027
- IDSA: Reference Architecture Model, Version 3.0
- 楊強等：《聯邦學習》，電子工業出版社，2019
- Lindell, Y. : “Secure Multiparty Computation”, Communications of the ACM, 2021
- 上海資料交易所、深圳資料交易所、北京國際大數據交易所官網及公開揭露交易資料
- 上市公司2024年一季報及半年報資料資源列示情況（Wind、交易所公告）
- 券商深度研究報告（中信、中金、華泰等，2023-2024），供市場視角參考
以上信源截止2025年2月，部分行業資料為引述機構的估算值，具體口徑請參見原始報告。