公司数据资产入表进展 - 公司2024年已完成一项数据资产入表工作并在定期报告中披露 [1] - 目前暂无其他正在推进的数据资产入表项目 [1] - 后续如有相关项目进展将严格按信息披露规则及时履行披露义务 [1]

人工智能行业发展与政策支持 - 全国工商联人工智能委员会正开展产业调研并形成多项AI相关提案和建议，旨在借助AI技术实现降本增效和产业智能化升级[1] - 人社部已发布生成式人工智能系统测试员等工种，预计明年将诞生智能体等相关新工种，并逐步建立职业标准及鉴定考试体系[1] - 行业将基于安全前提推动人工智能应用，打通智能体应用的“最后一公里”，推广优秀案例和产品以促进平台建设[3] 数据要素的价值与挑战 - 当前企业数据存在分裂问题，跨企业数据流通困难，需建立科学的数据资产管理和确权机制以释放数据价值[1] - 国家数据局正推动数据开放，深圳数交所已形成交易，大湾区正试点通过行业协会实现商业数据开放[2] - 数据资产入表应区别对待，数据的核心价值在于客户使用和流转能力，其本质特征是可复制性，与土地的唯一性不同[2] - 上市公司中具有价值的可入表数据包括行业经验与技术诀窍，通过深度分析可提炼反映行业平均管理水平的关键数据[2] 人工智能技术演进与产业浪潮 - 人工智能发展历经1950-1980年的逻辑推理、1980-2000年的知识推理、2000-2020年的深度学习，至2023年进入AIGC阶段[3] - 产业浪潮从科大讯飞代表的语音对话式AI，演进至商汤、旷视代表的图像判别式AI，再到DeepSeek、百度文心一言等大模型引领的生成式AI全面爆发[3] - 生成式AI正推动人工智能从感知理解向内容创造跃迁[3]

数据要素公平与供给 - 数据作为重要生产要素 其有效供给是实现社会主义公平的关键体现[1] - 行业协会是未来数据要素供给的重要抓手 将作为桥梁推动数据治理[1] 数据资产价值与特性 - 数据资产的核心价值在于客户确认的价值 而非简单的流转[1] - 数据与土地要素的关键区别在于数据具有可复制性 而土地具有唯一性[1] - 发挥数据要素的价值是最终目标[1] 企业数据资产入表 - 上市公司部分有价值的数据资产应当入表[1] - 大部分数据在确权方面面临边界模糊的问题[1] - 未来数据交易将趋向规范 这是解决问题的关键所在[1]

数据资产证券化项目进展 - 全国首单获批的数据资产证券化项目"华鑫-鑫欣-数据资产1-5期资产支持专项计划"首期在深圳证券交易所正式发行设立 [1] - 该项目验证了数据资产可作为质押物融资的可行性，打破了传统融资对实物资产的依赖 [2] - 9家入池企业分布于多地，涵盖上市公司、专精特新"小巨人"企业等 [1] 数据资产证券化产品创新 - 首单数据资产赋能资产证券化产品"天风中投保应收账款2期中小微企业融资支持资产支持专项计划"在上海证券交易所发行 [1] - 数据资产证券化项目的落地体现了资本市场对数据要素作为新型资产类别的高度认可 [2] - 为科技创新型企业带来新融资路径 [1] 数据资产入表发展 - 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，数据资产入表进入常态化实践阶段 [2] - 2024年一季度仅有12家上市公司完成数据资产入表，合计规模约为0.54亿元 [3] - 2025年一季度多达82家上市公司完成数据资产入表，规模升至33.43亿元 [3][5] 数据资产入表行业分布 - 入表企业多集中在信息传输、软件和信息技术服务业 [3] - 目前已有13个门类和26个大类行业的企业完成数据资产入表 [3] - 数据资产入表在各行业中的渗透率正在逐步提升 [3] 数据资产入表企业效益 - 入表能推动企业识别数据价值、逐步释放数据生产力，提高企业生产经营效率 [3] - 促进企业数字化转型与创新，推动数据资产的变现增值 [3] - 提高企业财务报表质量，帮助企业获得金融机构及资本市场的价值认可 [3] 数据资产资本化案例 - 乘乘集团完成全国首例蛋产业数据知识产权"入表+质押"闭环，获得北京银行深圳分行千万元授信 [3] - 今年以来在我国境内成立的数据资产类公司有3553家 [4] - 相关企业通过盘活数据资产，为自身打开更广阔的市场空间 [4] 数据要素市场生态优化 - 数据资源入表现状呈现"热度居高，落地不易"的特征 [4] - 企业应从战略层面做好数据资产的整体规划布局 [5] - 建立完善的数据资产内部管理体系，依托专业服务机构开展工作 [5]

数据流通交易政策 - 国家数据局与市场监管总局联合发布四类数据流通交易示范文本 包括数据提供 数据委托处理 数据融合开发和数据中介服务合同 [1] - 示范文本通过标准化合同模板降低交易成本 缩短合同签订时间 提升签订效率 加速数据流通便利化 [1] - 政策旨在推进数据基础制度建设 促进数据合规高效流通使用 完善数据产业生态 [1] 政策制定考量 - 示范文本三大目标为降低交易成本 维护公平竞争环境 推动市场健康有序发展 [2] - 通过预设条款明确责任边界 建立交易信任 预防纠纷 保护各方利益 [2] - 落实数据安全法 个人信息保护法要求 设置产权登记 安全保密条款 确保合规交易 [2] 行业影响分析 - 标准化合同框架明确数据权属 质量 安全要求 降低协商成本与法律风险 激活市场流动性 [2] - 推动数据"三权分置"规则落地 促进跨行业数据融合开发 加速资源向生产要素转化 [2] - 覆盖四大典型数据交易场景 为企业提供标准化合作框架 探索数据授权运营等创新路径 [3] 企业实践价值 - 示范文本明确产权归属条款 解决传统合同权属模糊问题 为企业数据确权提供依据 [3] - 降低企业合作顾虑 尤其为数据资产入表扫清产权障碍 满足审计机构要求 [3] - 通过合同约定的收益分配机制 激发企业用数热情 提升数字经济价值创造效率 [2][3]

数据资产入表现状 - 2024年有超过90家上市企业完成数据资产入表，总规模达24.95亿元，而2024年一季报中仅17家企业披露，规模为0.79亿元[1] - 工业与信息技术行业占比超一半，其中工业企业28家，信息技术企业24家[2] - 三大运营商数据资产入表总额：中国移动6.16亿元（无形资产5.6亿元+开发支出0.56亿元），中国联通3.78亿元（无形资产1.66亿元+开发支出2.12亿元），中国电信3.71亿元（全部计入开发支出）[3] - 工业行业前三名：小商品城2679万元，圆通速递1023万元，韵达股份797万元[3] 数据资产入表流程 - 四步流程：数据资产盘点→入表数据治理→数据资产确权→数据资产计量入表[3] - 附加步骤可能包括数据质量报告、数据资产登记等[4] - 入表需满足三条件：合法控制权、经济利益可预期性超50%、成本可计量[5] - 分类标准：内部运营或非买断式出售数据确认为无形资产，外部定制或一次性出售数据按存货处理[6] 行业与企业实践特点 - 制造业、科技企业、金融与电信业接受度高，因数据可利用性强且变现路径明确[3] - 信息技术行业代表企业三大运营商和工业行业的小商品城、圆通速递等率先完成入表[2][3] - 部分企业因成本归集困难（如每日互动）或审慎原则（如广州港）暂缓入表[9] 入表财务影响 - 短期效应：资本化减少当期费用，提升利润（如研发费用转为无形资产）[12] - 长期效应：摊销导致成本"先低后高"，利润"先高后低"，无形资产按年限（如5年）摊销，存货出售时结转成本[12] - 数据资产减值风险：若更新不及时或应用效率下滑可能影响利润[12] 政策与制度框架 - 财政部《暂行规定》要求2024年1月1日后满足条件的数据资源方可入表，禁止追溯调整[6] - 合规性审查、分类分级、成本核算为三大前提[6] - 个人数据需符合《个人信息保护法》全流程授权要求，禁止强制收集[11] 挑战与障碍 - 估值体系缺失：缺乏统一评估方法，尤其对未产生收益的数据产品[10] - 确权边界模糊：第三方合作数据权属不清易引发法律风险[10] - 企业顾虑：数据管理链条不清晰、成本计量难、披露监管压力及摊销对利润的影响[10] 未来发展方向 - 部分地区试点数据资产纳入授信体系（如厦门海迈科技获2000万元银行授信）[14] - 常态化需三个前提：明确权属与估值体系、银行风控评估能力、政策支持抵押质押[14] - 需建立多维度估值标准框架、强化第三方审计、技术验证（如区块链溯源）及法律约束机制[13]

数据要素价值化趋势 - 2025年上半年数据要素价值化趋势凸显 数据转化为高价值资产的速度加快 金融市场创新为数据资产开辟多元融资渠道 [1] - 2025年一季度91家A股上市公司将数据资产纳入财务报表 合计规模44.02亿元 参与企业数量及入表规模同比分别增长435.29%和5472.15% [1] - 证监会主席表示将继续支持科技企业利用数据资产开展资产证券化、REITs等融资 盘活科技创新领域存量资产 [1] 数据要素行业现状 - 数据要素作为第五大生产要素 战略地位和重要性不断提升 被称为数字经济时代的"黄金"和"石油" [1] - 数据要素核心环节包括七大模块：数据采集、存储、处理加工、流通、分析、应用、生态保障 其中数据存储市场占比22.09% 数据分析21.47% 数据加工19.63% [2] - 2022年我国数据产量达8.1ZB 同比增长22.7% 全球占比10.5% 全国企业数据要素支出规模约3.3万亿元 考虑衍生市场整体规模可能超30万亿元 [7] 数据要素产业链 - 数据采集环节发展最为成熟 代表厂商包括太极股份、深桑达、东方国信、科大讯飞等 [4] - 数据存储代表厂商包括华为、阿里、腾讯等云数据库及达梦、南大通用等传统数据库 [4] - 数据加工需求随AI技术发展快速增加 涉及数据清洗、标注和审核等工作 [4] - 数据确权代表厂商包括人民网、新华网、中文在线等 [4] - 数据要素开发商分为一级和二级 参与数据生成、流通、增值利用等环节 [5] 市场前景 - "十四五"期间我国数据要素流通市场规模预计达5000亿至10000亿元 行业将进入快速发展阶段 [8] 上市公司案例 - 易华录致力于成为数据资产化一级开发商 已服务多个企业完成数据资产评估入表 落地多个数据资产化项目 [9] - 深桑达A推出数据智能平台和"中国电子云数据港" 服务20+企业用户 中标80+数据创新项目 已获得17个省市的公共数据授权 [9]

数据资产入表现状 - 2024年被称为"数据资产元年"，全国共有92家上市公司和228家非上市公司披露数据资产入表情况，总计约300多家企业参与[1] - 山东高速集团完成首批数据资产入账入表工作，入账价值351万元，评估价值逾7200万元，是山东省属企业规模最大的一批数据资产入表[2] - 山东省国企数据资产入表案例占绝大多数，约九成参与企业为国企，民营企业参与较少[2] 数据交易市场发展 - 山东省已成立两家区域性数据交易机构，累计上线数据产品1700多个，累计交易额2.2亿元，2024年同比增长超过200%[5] - 与深圳数据交易所(累计交易规模突破150亿元)和上海数据交易所(交易额突破40亿元)相比，山东数据交易规模差距较大[5] - 山东已建成"1+16+N"全省一体化大数据平台体系，累计汇聚数据2200亿余条，提供数据共享服务500亿余次，开放数据298亿条[6] 行业发展挑战 - 公共数据授权运营主体和平台尚未组建，可信数据空间等基础设施不完善，数据企业数量少、规模小[1] - 企业对于数据入表存在"看不懂、做不了、不愿做"的普遍问题，多持观望态度[3] - 数据资产入表后应用成效不明显，大部分企业入表的数据资产缺乏融资、交易等价值变现能力[3] 可信数据空间建设 - 可信数据空间主要分为区域、行业、个人、跨境和企业五类，目的是在保证数据安全的前提下实现数据共享[8] - 隐私计算技术成本高且使用复杂，每台虚拟机约30万元，物理机更贵，且不同厂家的服务设备不能互联互通[7] - 山东省计划建设省级数据可信空间，目前已有12个地市成立了自己的数据集团和运营机构[6][9] 数据收益分配机制 - 青岛市已建立明确的收益分配制度，数据运营单位留存50%，上交财政50%，财政再返还给供数部门[10] - 需要建立系统的数据编目，精确计算每条数据的成本(系统搭建、存储、人工等)，才能理顺定价、收入和分配问题[11] - 跨部门、跨层级的数据收益分配需要找到共赢的抓手，通过财政收支两条线的方式进行反哺[10]

数据交易规模与增长 - 北京国际大数据交易所累计数据交易规模达到2250TB，近三年年均增长超过200% [1] - 高频数据交易调用规模超过1亿次，高质量数据集引入567个，已达成交易171个 [3] - 数据交易类型包括文本、图片、音频、视频、文本对等多种模态 [3] 参与主体与行业分布 - 2500多家各类交易主体参与场内交易，覆盖医疗、交通、能源、工业、金融及人工智能等20多个行业和领域 [3] - 央国企、互联网企业、科技创新型企业占比超80%，并有10多家跨国企业参与交易 [3] 数据资产价值与应用 - 342家企业在北数所完成数据资产登记，取得533个数据资产登记证书 [4] - 24家企业完成数据资产入表，入表金额超1亿元 [4] - 10多家企业利用高价值数据资产完成质押贷款，总计发放贷款金额近3亿元 [4] 数据交易应用场景扩展 - 数据交易从风控核验和精准营销向人工智能大模型训练、医疗诊断、科研创新等领域延伸 [3] - 北京市属医院在医疗影像数据、手术数据等领域实现开放应用，合作模式推广到天津、吉林等地 [4] - 工业制造、交通运输等场景完成工业标准、运力监控等数据交易，提升生产运营效率 [4]

AI+时代 - AI+时代已经到来 代表面向每个人可使用的技术 [1] - 中国AI发展呈现三大特点：应用广泛性 成本不断改善 应用场景丰富 [1] - 中国是全球大量数据来源国 许多数据来自私营部门 [1] - 中国已推出数据要素相关政策 包括明确数据要素计入企业资产负债表 [1] 中国AI发展特点 - AI应用具有广泛性 [1] - 应用规模扩大带动成本持续改善 [1] - 拥有非常丰富的应用场景 [1] 数据要素政策 - 中国推出系列数据要素政策 [1] - 政策包括将数据要素明确计入企业资产负债表 [1]