数据要素市场化：数字经济时代的新基建与价值释放

一、引言：从传统基础设施到数据基础设施

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》，数据正式被列为继土地、劳动力、资本、技术之后的第五大生产要素。这一里程碑式的政策宣告，标志着我国要素市场改革进入全新阶段。数据显示，2025年全国数据要素市场规模已突破3000亿元人民币，预计到2026年底将达到5000亿元，年均复合增长率超过30%。

与公路、桥梁、电网等传统基础设施不同，数据基础设施具有鲜明的非竞争性、可复制性和规模报酬递增特征。一条高速公路在某一时刻只能容纳有限的车辆行驶，而一份数据产品可以被无限次地共享和使用，且每一次流通都可能产生新的价值增量。正是这些特性，使得数据要素的市场化配置远比传统要素复杂，也更具制度创新的空间。

当前，全国各地正加速布局数据基础设施建设。国家数据局联合多部门推动的"东数西算"工程已进入全面实施阶段，八大国家算力枢纽节点和10个国家数据中心集群初步形成。与此同时，北京、上海、深圳、贵阳等地的数据交易所相继投入运营，数据要素的登记、交易、评估、结算等关键环节的制度框架正在加速完善。从某种意义上说，数据基础设施已成为数字经济时代的"新基建"，其战略地位不亚于上个世纪的高速铁路网和特高压电网。

二、数据确权：市场化的第一公里

数据要素市场化的逻辑起点是数据确权。没有清晰的产权界定，数据的流通交易就失去了法律基础。然而，数据的非排他性、可复制性以及价值的不确定性，使得传统的物权法和知识产权制度在数据领域面临前所未有的理论挑战。

2022年12月发布的《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"）创造性提出了"三权分置"的数据产权框架，即数据资源持有权、数据加工使用权和数据产品经营权分置并行运行。这一框架的核心要义在于：不追求数据所有权的绝对归属，而是通过权利束的分解与流转，在保障数据来源者权益的前提下，充分释放数据使用者的创新活力。数据资源持有权保障数据来源主体对其数据的事实控制权，数据加工使用权赋予数据处理者开发数据价值的权利基础，数据产品经营权则为数据产品的市场化流通提供了制度保障。

在实践层面，数据产权登记制度正在各试点地区加快推进。北京市率先上线数据知识产权登记平台，截至2025年底已受理超过1.2万件登记申请，涵盖金融、医疗、交通等多个行业领域。广东省则推出了数据资产登记凭证，为数据资产的入表与流通提供了可操作的凭证工具。上海数据交易所创新性地推出了"数据产品登记凭证"制度，每一笔在上数所交易的数据产品都会获得唯一的登记编号，实现了数据产品全生命周期的可追溯管理。

司法实践中，数据确权案例也在不断积累。北京知识产权法院在2024年审理的"全国首例数据权益不正当竞争纠纷案"中，首次明确了平台数据权益的边界以及合法获取使用数据的判断标准。深圳中院则在涉及电商数据爬虫的系列案件中，合理界定了数据爬取的合法性边界。这些司法实践为数据确权制度的完善提供了宝贵的案例资源，也为数据要素市场的法治化发展奠定了坚实基础。

三、数据定价与资产评估：从直觉到算法

如果说数据确权解决的是"谁的"问题，数据定价解决的则是"值多少"的问题。数据的价值高度依赖使用场景、时效性、完整性和可获取性，同一个数据集在不同应用场景下可能产生截然不同的价值。如何建立科学合理的数据定价机制，是数据要素市场化面临的核心难题之一。

目前，数据定价主要采用三种基本方法。成本定价法以数据的采集、清洗、存储、加工成本为基准，加上合理的利润加成来确定价格，适用于标准化程度高的通用数据集。收益定价法则以数据应用后预期产生的经济收益为基础，通过收益分割来确定数据的贡献份额及对应价格，这种方法在金融数据、商业智能领域应用最为广泛。市场定价法参考类似数据产品的市场交易价格，结合供需关系调整确定价格，适用于交易活跃的数据交易所场内交易场景。

近年来，机器学习技术在数据定价领域的应用引发广泛关注。基于强化学习的动态定价算法可以根据市场供需变化、数据时效性衰减、用户需求弹性等因素实时调整数据产品价格，实现定价效率的最优化。清华大学交叉信息研究院提出的"数据价值评估模型"，通过构建多学科融合的知识图谱，将数据稀缺性、关联网络价值、行业需求强度等量化指标纳入统一框架，能够在秒级完成对大规模数据集的价值评估。

数据资产入表是数据定价制度化的关键一步。2024年1月，财政部发布《企业数据资源相关会计处理暂行规定》，正式将符合条件的资源确认为企业资产负债表上的"无形资产"或"存货"。根据规定，企业在数据资源的采集、清洗、标注、加工、分析等过程中产生的可辨认、可计量的成本可以资本化，后续通过摊销或销售实现价值释放。这一规定的出台意味着数据资产正式进入企业财务报表，对于提升企业数据资产意识和推动数据要素流通具有深远影响。据估计，首批实施数据资产入表的上市企业总数据资产规模超过千亿元，数字经济的资产可见度大幅提升。

四、数据交易：从场内到场外的全景生态

数据交易是数据要素市场化配置的核心载体。目前我国的数据交易生态已形成以数据交易所为主导、场外市场为补充的双层结构，覆盖从标准化数据产品到定制化数据服务的全谱系。

场内交易方面，北京数据交易所（北数所）作为国家级数据交易平台，年度交易额已突破50亿元，形成了涵盖金融、医疗、交通、能源等20余个行业领域的数据产品体系。上海数据交易所（上数所）首创"数商"体系，培育了一批专业化的数据经纪商、数据合规商、数据资产评估商等中介机构，构建了较为完善的数商生态。深圳数据交易交易所（深数所）则依托粤港澳大湾区优势，在跨境数据交易领域率先探索制度创新与业务模式创新。据统计，截至2025年底，全国已有超过40家数据交易所和交易平台在运营或筹建中，场内数据交易呈现快速增长态势。

场外交易在数据要素流通中同样占有重要地位。大量的企业间数据共享、行业数据联盟合作、定制化数据服务并未通过交易所进行，而是依托合同约定和行业自律完成流通。场外市场的灵活性和定制化优势使其在复杂数据应用场景中具有不可替代的价值。然而，场外交易在合规监管、质量评估、风险防控等方面面临更大挑战，且由于缺乏统一的信息披露机制，统计监测和风险识别存在盲区。

跨境数据流动是数据交易生态中最具挑战性的议题。全球主要经济体在数据跨境流动治理上采取了截然不同的路径：欧盟通过《通用数据保护条例》（GDPR）建立了严格的数据本地化倾向监管框架，美国更多依赖行业自律和行业规范，而中国则在《数据安全法》和《个人信息保护法》框架下，建立了以安全评估、标准合同、认证机制为主导的跨境数据流动管理制度。不同规制路径的摩擦导致全球数据流动成本居高不下，对数字贸易产生显著抑制效应。如何在保障数据安全的前提下促进数据跨境有序流动，是全球数字治理需要共同面对的难题。

五、技术驱动：隐私计算、区块链与AI大模型的融合

技术赋能是数据要素市场化的加速器。在确保数据安全流通的前提下实现数据价值释放，三类技术的融合应用正在开辟全新的可能性空间。

隐私计算是解决"数据可用不可见"的关键技术路径。联邦学习（Federated Learning）允许多个参与方在不共享原始数据的前提下协同训练机器学习模型，各参与方仅交换模型参数更新而非原始数据，从技术层面保证了数据不出域。目前，联邦学习在金融风控、联合营销、智慧医疗等领域已有规模化落地应用。微众银行的FATE开源平台已成为全球最大的联邦学习开源生态之一，连接了超过500家金融机构的数据协作网络。多方安全计算（MPC）则通过密码学协议实现各方隐私输入的联合计算，即使参与方之间互不信任，也能保证计算结果的正确性和各方输入的隐私性。蚂蚁集团推出的"摩斯"多方安全计算平台已在联合信贷风控、广告归因分析等场景实现亿级用户数据的隐私计算应用。可信执行环境（TEE）通过在处理器硬件层面构建隔离的安全区域，保障数据和代码在运行过程中的机密性和完整性，其优势在于计算效率显著高于纯密码学方案，适合大规模数据处理场景。Intel SGX和ARM TEE是当前主流的硬件可信执行环境方案。

区块链技术为数据要素流通提供了可信的基础设施。数据存证、溯源、交易记录等关键信息可以通过区块链分布式存储和共识机制实现不可篡改的价值记录。长沙市推出的"数链"平台将数据产权登记、交易存证、价值评估等环节全部上链，实现了数据交易的全流程可追溯。粤港澳大湾区数据流通试点中，区块链技术被用于构建跨域数据流通的信任层，打通了不同行政区域之间的数据流通壁垒。智能合约技术的引入则使得数据交易的条件执行自动化成为可能，进一步降低了交易摩擦成本。

大语言模型与数据要素市场化的结合正在催生新的价值维度。一方面，高质量标注数据是大模型训练的核心投入品，数据要素市场为训练数据的合规获取和高效流通提供了制度保障。大模型企业在法律框架内通过数据交易所获取高质量合规数据，既降低了合规风险，又提升了数据获取效率。另一方面，大模型技术本身也在对数据要素市场进行价值反哺。基于大模型的数据质量评估、数据资产价值分析、数据合规审查等工具，正在降低数据交易的信息不对称，提升市场运行效率。可以说，AI大模型既是数据要素市场的重要需求方，也是市场效率提升的技术赋能者。

六、挑战与前瞻

尽管数据要素市场化已取得显著进展，但距离成熟的市场体系仍有相当距离，面临着多重深层次挑战。

制度供给不足是制约市场化进程的首要瓶颈。数据基础性法律的缺位使得许多关键问题缺乏上位法层面的明确指引，如公共数据的授权运营边界、个人数据的商业化利用规则、数据收益的分配机制等，都需要法律的进一步明确。当前主要依靠政策文件和地方试点推进的实践，虽然灵活性高，但稳定性和权威性的不足影响了市场主体的长期预期。

数据垄断与公平竞争的张力持续加剧。互联网平台企业凭借流量入口和生态优势掌握了海量数据的实际控制权，形成了事实上的数据壁垒。如何平衡鼓励数据创新与防止数据垄断，是监管面临的核心挑战。2025年国家市场监督管理总局发布《关于平台经济领域的数据反垄断指南（征求意见稿）》，对平台数据拒不接受、自我优待、数据搭售等行为进行了界定，标志着数据垄断专项执法的启动。

个人隐私保护与数据价值释放的平衡始终是社会治理的敏感议题。随着人脸识别、个性化推荐、行为分析等技术应用的普及，公众对数据滥用和隐私泄露的担忧日益加剧。如何在技术层面构建强有力的隐私保护机制、在法律层面完善个人数据权利体系、在伦理层面建立负责任的数据使用规范，是数据要素市场化不可回避的问题。以欧盟《人工智能法案》为代表的立法实践正在对高风险应用场景进行更严格规制，这一趋势也深刻影响着中国的立法走向。

展望未来，政策层面的探索将继续深化。2026年，《数据安全法》配套制度的系统性完善和"数据条例"的立法推进将被纳入重点工作范畴。国家数据局提出的"数据要素×三年行动计划"则旨在推动数据要素与实体经济深度融合发展，培育一批具有国际竞争力的数据企业和数据产品。技术演进的持续加速将进一步模糊数据安全流通与隐私保护的边界，推动制度创新与技术应用之间形成更紧密的协同。数据要素市场化的最终目标，是在安全可控的基础上，真正实现数据资源的优化配置和价值最大化释放，为数字中国建设注入强劲的制度动能和创新活力。

数据要素市场化是一项涉及法律、技术、经济、治理等多个维度的系统工程，需要政府、企业、社会组织和个人等多元主体的协同推进。唯有在制度供给、技术创新和多元共治三个维度上持续发力，才能构建起安全、高效、公平、透明的数据要素市场体系，让数据这一最新生产要素真正释放出驱动高质量发展的澎湃动力。