数据要素市场的崛起：从数据确权到价值流通的革命

引言：数据成为第五大生产要素

2020年4月，中共中央、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》，数据正式被确立为与土地、劳动力、资本、技术并列的第五大生产要素。这一里程碑式的政策文件，标志着数据从传统的信息载体，正式升华为驱动经济高质量发展的战略资源。

如今，全球数字经济规模持续扩张，全球数据总量呈指数级增长。据国际数据公司（IDC）预测，到2027年全球数据总量将突破264 ZB。在这片数据的汪洋大海中，一个关键命题浮出水面：如何让数据从沉睡的资产，真正转化为可计量、可交易、可增值的经济要素？这正是数据要素市场要回答的核心问题。p>

一、数据产权制度：从"三权分置"到法治框架

数据要素市场化面临的首要难题是产权界定。不同于土地、资本等传统要素，数据具有非竞争性、可复制性、非排他性等根本特征，这使其无法直接套用传统物权理论。长期以来，"数据归谁所有"始终是制约要素流动的制度瓶颈。

2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（简称"数据二十条"），创造性提出数据资源持有权、数据加工使用权、数据产品经营权"三权分置"的产权制度框架，为数据要素市场化奠定了制度基石。这一制度的设计智慧在于，将整体的数据产权拆解为三个相互独立又相互关联的权利束：

• 数据资源持有权：确认数据收集、存储的合法主体，明晰数据采集处理的权利边界，解决"谁持有数据"的问题。
• 数据加工使用权：授权对数据进行清洗、加工、分析和使用的权利，激励数据价值的深度挖掘，解决"谁能加工使用数据"的问题。
• 数据产品经营权：赋予数据产品和服务市场化流通的经营权利，释放数据产品的市场活力，解决"谁能卖数据产品"的问题。

2024年1月1日正式施行的《数字经济促进法》进一步将"数据二十条"的政策上升为国家法律，明确国家完善数据产权保护制度，推动数据分类分级授权使用，为数据要素市场化流通构筑了法治屏障。

二、数据资产入表：从资源到资产的跨越

2024年4月，财政部发布《企业数据资源相关会计处理暂行规定》，正式将符合条件的确认为无形资产或存货，纳入企业财务报表。这一规定的落地，标志着数据完成了从"资源"到"资产"的会计身份转变，被业界称为"数据资产入表元年"。

数据资产入表带来多重变革动力：

打开企业资产负债表空间。 对于科技、金融、互联网等数据密集型行业而言，此前大量沉淀的数据资源虽能产生价值，却无法在报表中体现。入表后，数据的价值得以显性化，企业资产规模扩大，资产负债表结构优化，直接提升企业的融资能力和资本运作空间。据统计，仅2024年上半年，已有超过40家上市公司在半年报中披露数据资产入表信息，累计入表金额超过15亿元。

促进数据资产资本化运作。 入表使数据资产具备了抵押、转让、出资等资本功能，催生了数据资产质押融资、数据资产证券化（Data ABS）、数据信托等创新金融工具。2024年以来，全国多笔数据资产质押贷款相继落地，杭州、北京、上海等地金融机构累计发放数据资产质押贷款超20亿元。

推动数据治理体系升级。 数据资产入表对企业数据质量、数据安全、合规管理提出了更高标准。企业需要建立覆盖数据全生命周期的治理体系，包括数据分类分级、元数据管理、数据血缘追踪、数据质量监控等，推动数据管理从"被动应对"走向"主动治理"。}

三、数据交易机构：多层次市场体系加速成型

数据要素流通需要有形的市场载体。自2014年贵州成立全国首家大数据交易所以来，我国数据交易机构经历了从"遍地开花"到"规范重塑"的发展历程。截至2025年9月，全国累计成立数据交易机构超过80家，其中通过合规评估、具备持续运营能力的专业化交易机构约30家。

主要数据交易机构一览：

值得关注的是，数据交易机构的运营模式正在经历三个维度的深刻演变：从粗放挂牌转向场景撮合，交易机构逐步从简单的信息中介，演化为深度参与数据产品开发、定价、撮合的全链条服务商；从场内场外双轨趋于场内集中，随着监管趋严和数据合规要求提升，大量场外"黑交易"被逐步纳入场内合规框架；从数据产品交易转向数据服务订阅，按照调用量、使用期限、查询次数计费的API订阅模式正在取代"一次性买断"成为主流交易方式。

四、数据要素×：十三大行动的行业渗透

2024年12月，国家数据局联合二十个部门发布《"数据要素×"三年行动计划（2024—2026年）》，明确提出在智能制造、智慧农业、商贸流通、交通运输、金融服务、医疗健康、应急管理、气象服务、城市管理、绿色低碳等13个重点行业推进数据要素乘数效应，目标是到2026年底打造300个以上典型应用案例。

数据要素×智能制造。 通过打通产业链上下游数据，实现产能动态调度、质量溯源追踪、供应链韧性优化。宁德时代通过整合电池生产、充电网络、用户驾驶行为等多源数据，构建电池寿命预测模型，将电池梯次利用效率提升20%以上。

数据要素×金融服务。 商业银行利用企业政务数据（纳税、社保、水电燃气等）构建信用风险评估模型，解决了传统风控依赖抵押物的长期痛点。微网商银行基于超过10万个风险特征变量构建的小微企业风控模型，使无抵押贷款不良率控制在1.5%以内。

数据要素×医疗健康。 在隐私计算技术支撑下，医院、药企、医保、商保间的数据安全共享成为可能。北京协和医院依托联邦学习技术，联合全国60多家三甲医院构建疾病预测模型，实现"数据可用不可见"，在保障患者隐私的前提下大幅提升了诊疗模型的泛化能力。

五、前沿技术驱动：隐私计算与数据空间

数据要素流通的核心矛盾在于"数据既要流动又要安全"。传统的数据共享模式往往在流动与安全之间做单选题——要么加密存储导致数据无法使用，要么开放使用面临泄露风险。隐私计算（Privacy-Enhancing Computation, PEC）为实现这一矛盾提供了技术解法。

当前主流的隐私计算技术路线包括：

• 多方安全计算（MPC）：在互不信任的参与方之间协同计算一个约定函数，各方仅获得计算结果而无法获取其他方输入数据。适用于联合统计、联合风控、联合营销等场景，代表厂商包括华控清交、原语科技等。
• 联邦学习（FL）：多个参与方在不共享原始数据的前提下协作训练机器学习模型，仅交换加密的中间参数。联邦学习在金融风控、医疗影像分析、推荐系统等场景取得规模化应用。
• 可信执行环境（TEE）：利用硬件安全区（如Intel SGX、ARM TrustZone、国产海光CSV）构建可信执行环境，数据在内存加密状态下进行处理。TEE在政务数据开放、区块链智能合约等场景具有低延迟、高吞吐优势。
• 同态加密（FHE）：支持在密文状态下直接进行计算，计算结果解密后与明文计算一致。全同态加密被视为隐私计算的"圣杯"，但由于计算开销巨大，目前主要在金融加密查询、基因组数据分析等计算复杂度相对较低的场景试点应用。

技术演进的最新趋势是数据空间（Data Space）。受欧盟国际数据空间（IDS）参考架构启发，我国正在建设以分布式、去中心化、主权自治为特征的国家数据空间。数据空间强调数据主权归属数据提供方，使用方必须遵循提供方设定的使用策略，通过连接器组件、中间件、策略引擎等技术手段实现"数据不动代码动、数据可用不可见"的流通范式。

六、挑战与展望：数据要素市场的未来十年

尽管我国数据要素市场建设取得了阶段性显著成就，但距离成熟的要素市场仍有不小差距，面临三大深层次挑战：

定价机制缺失。 传统要素市场（土地、劳动力、证券）均形成了相对成熟的定价理论体系，但数据资产的定价仍是世界性难题。数据价值高度依赖场景和目标受众，同一份数据在不同应用场景下价值可能相差数个数量级。构建基于市场供需、成本价值、模型收益的多层次数据资产定价体系，是下一步必须攻克的理论堡垒。

合规标准不统一。 当前数据交易、数据跨境、数据安全等领域存在大量交错重叠的监管要求。不同行业、不同地区、不同类型数据的合规标准差异显著，企业常常面临"合规竞赛"——在A地区合规的行为在B地区可能面临处罚。建立统一、透明、可预期的数据合规标准体系，是释放数据要素流通活力的制度前提。

基础设施建设滞后。 数据要素流通依赖高速网络、云计算、隐私计算、数据空间等底层基础设施。西部地区的算力基础设施虽已实现"东数西算"布局，但网络延迟、跨域协同、商业化运营能力仍有待提升。构建覆盖全国、分级协同的数据流通基础设施网络，是支撑数据要素市场跨越发展的物质基础。

展望未来十年，数据要素市场将走过"制度建设—基础设施—规模交易—生态繁荣"的完整发展周期。当数据真正像水一样在经济社会各领域自由流动、精准配置、多元增值时，数字经济将迎来质的飞跃，而要素驱动增长的新范式也将为中国经济高质量发展注入不竭动力。数据要素市场的崛起，不仅是技术和商业的变革，更是制度文明演进的一部缩影。

本文系统梳理了数据要素市场从制度建设到技术驱动的全景图景，涵盖数据资产入表、隐私计算前沿、数据空间架构等关键议题，为读者理解数字经济底层逻辑提供了多维视角。