数据要素价值释放与产业发展 - 数据已成为驱动经济社会高质量发展的关键资源，在各行各业发挥重要作用[1] - 持续释放的数据要素价值正深刻重塑相关产业发展逻辑和运行效率[1] 数据要素的应用实例与全球影响 - 在智能网联汽车行业，数据加速自动驾驶算法迭代、高精地图与仿真测试平台构建，助力中国新能源汽车以较大的全球市场份额和增量贡献成为全球引领者[1] - 截至2024年5月底，国家政务服务平台累计调用量突破5400亿次，展示了以数据驱动公共服务现代化的“中国方案”[1] - 中国正积极塑造以尊重网络主权、保障数据安全、促进公平发展为核心的全球数据治理新范式[1] 数据资源化：夯实数据基础与互联互通 - 需加快制定国家和地方层面的数据发展战略规划，明确数据权属、流通规则、收益分配和监管责任[2] - 推动建立统一的数据资源目录体系和元数据标准，实现跨系统、跨行业、跨区域的数据互联互通[2] - 在工业领域，推动设备联网与生产过程数字化，实现全流程数据自动采集[2] - 在城市治理中，整合交通、环保、医疗、安防等数据，构建城市运行数字孪生体[2] - 在农业农村领域，建设智慧农业大数据平台，实现耕地、气象、种植、物流等全链条数据汇聚[2] - 通过建设国家级、省级数据资源池和行业数据中台，打破“数据孤岛”和“信息壁垒”，提升数据的完整性、一致性和时效性[2] 数据资产化：完善流通交易与价值实现机制 - 推动建立数据资产登记、评估、入账和审计制度，支持有条件的企业将数据纳入资产负债表[2] - 发展数据交易所、数据经纪商、第三方评估机构等经营主体，构建“原始数据不出域、数据可用不可见”的安全流通机制[2] - 鼓励数据产品化，开发数据包、数据API、数据模型等可交易产品，培育数据要素市场，推动数据从资源向资产转化[2] 数据价值化：强化融合应用与赋能产业 - 推动数据与人工智能、云计算、物联网、区块链等新一代信息技术深度融合，构建“数据+算法+算力”协同体系[3] - 加速数据在研发设计、生产制造、经营管理、市场服务等产业链各环节的贯通应用，赋能传统产业转型升级，催生新产业、新业态、新模式[3] 数据安全与可持续保障 - 构建与数据要素价值释放相匹配的安全保障体系，严格落实数据安全法、个人信息保护法、网络安全法等法律法规[3] - 建立健全数据分类分级保护制度，对核心数据、重要数据实行全链条重点监管和动态管控[3] - 强化数据全生命周期安全管理，提升从采集、存储、传输、处理、共享到销毁等各个环节的风险监测、预警和应急处置能力[3] - 加强对算法应用的规范治理，防范数据泄露、滥用、篡改以及算法歧视、算法黑箱等风险[3]

行业核心观点 - 2024年中国医疗AI解决方案市场规模达164亿元，预计2030年将扩大至353亿元，年复合增长率为13.63% [1][9][19] - 行业虽未实现规模化盈利，但发展势头强劲，受资本、政策与医生三向驱动，大模型技术突破降低了应用门槛 [1][9][20] - 产业面临的核心困局是价值分歧，即患者疗效与科室效益难以平衡，医院支付意愿和能力不足，阻碍了商业化进程 [1][10][30] - 数据资产化被视为产业可持续增长的关键破局路径，医疗数据治理智能化迭代降低了研发成本，数据场内交易与可信数据空间建设推动了数据流通复用 [1][10] - 随着数据难题破解、支付模式创新及医工结合深化，医疗AI有望在未来五年内实现小规模盈利 [1][9] 市场规模与增长驱动 - 2024年中国医疗人工智能解决方案市场规模为164亿元，预计到2030年将增长至353亿元，期间年复合增长率为13.63% [1][9][19] - 产业发展由资本、政策与医生三方共同驱动 [1][12] - 大模型技术突破显著降低了应用门槛，例如DeepSeek-R1通过参数高效微调和混合专家架构等创新设计降低了部署成本 [20] - 政策层面持续支持，国家药监局于2025年3月发布征求意见稿，优化对多病种AI、大模型等新兴技术的准入监管 [26] - 2025年11月，国家卫健委等五部门联合发布实施意见，提出了24个重点应用方向，目标到2027年形成一批临床专病专科垂直大模型并实现广泛应用 [27] 临床应用与渗透 - 医疗AI已广泛渗透至胸外科、心内科、骨科、神经外科、内分泌科等临床专科，以及影像科、病理科、放疗科、检验科等临床支撑科室 [1][12] - 在诊断辅助、手术规划、流程优化等方面发挥重要作用，提升了诊疗效率与精准度，并降低了并发症发生率 [1][25] - 调研显示，超过90%使用过辅助治疗型AI的医生给予了正向反馈，证实其能提升手术精准度并降低并发症概率 [25] - 截至2025年5月，国内排名前100的医院已全部部署大模型，其中38家医院进一步研发了55个垂直医疗模型，包括22个专科模型 [21] - 基层医疗领域因政策支持与需求匹配，成为商业化相对成功的场景，AI有效弥补了基层人才与能力缺口 [1][12] 商业化挑战与价值分歧 - 产业核心困局在于价值分歧，即AI为患者、医生、科室及医院等不同主体创造的价值不一致，难以平衡 [1][10][30] - 例如，AI优化流程可能减少患者治疗时间和花费，但因DRG支付或减少跨科室协作，反而可能降低科室收入，导致科室与患者需求矛盾 [10][34] - 医院配置AI的短期利益与医生利益常不一致，如效率提升未必直接转化为经济效益，且投资回收期难以估量 [31][34] - 当前医院普遍现金流紧张，管理者倾向于投资回收期短的技术，因此虽能接受AI落地，但难以为其单独付费 [34] - 商业化突破的关键在于解决价值计量矛盾，并在商业模式和支付方上进行创新 [27] 技术发展与医院参与 - 大模型技术演进是2025年的显著变化，早期部署成本高，主要限于头部三甲医院，如今技术突破降低了门槛 [20] - 医院参与度空前高涨，医生对大模型的实操热情远超传统AI，甚至通过申请科研项目等方式绕过限制以获取算力进行临床探索 [21] - 非Transformer架构的AI（如与手术机器人结合的应用）在治疗场景中的应用也日益深入 [24] - 政策明确支持AI应用落地，目标包括建立高质量数据集、可信数据空间，并形成临床专病专科垂直大模型 [27] 数据资产化与成本控制 - 数据资产化是产业可持续增长和破解成本难题的关键路径 [1][13] - 自国家数据局成立后，医疗健康数据的资产化进程加快，交易所内已发生多次健康数据交易 [10] - 医疗数据治理的智能化迭代降低了研发成本，数据场内交易与可信数据空间建设推动了数据的流通与复用 [1] - 若能实现规模化的数据交易，医疗AI研发中最大的成本项有望大幅下降，从而推动应用产出与效果实现质变 [10] 企业案例与创新方向 - 报告列举了多家企业的创新案例，包括深睿医疗、东软集团、京东健康、水木金昇、悦唯医疗、联影智能、讯飞医疗、北电数智、伽奈维医疗、西门子医疗等 [13] - 这些企业通过多模态大模型、智能化解决方案、专科模型研发等方式，在临床全流程赋能、科研转化、基层医疗覆盖等方面形成标杆 [1][13] - 例如，深睿医疗构建临床全栈智能生态，东软集团驱动医疗数智化转型，京东健康升级底层大模型深入专病场景 [13]

行业市场概况与增长动力 - 2024年中国医疗AI解决方案市场规模为164亿元，预计到2030年将扩大至353亿元，期间年复合增长率为13.63% [1] - 行业正从单一学科应用转向计算机、工业、医学等多学科的深度融合 [1] - 2025年行业两大显著变化是大模型的突破式演变与医疗机构的规模化参与 [1] - 政策支持力度加大，例如《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》提出24个重点应用方向，目标到2027年形成一批临床专病专科垂直大模型和智能体应用 [6] - 行业在资本、政策、医生协同的红利下，预计至少在未来3年内维持高速发展 [6] 大模型技术发展与医院应用 - 2025年初DeepSeek发布的DeepSeek-R1通过参数高效微调、混合专家架构等创新降低了医院部署大模型的门槛 [1] - 截至2025年5月，国内排名前100的医院已全部完善大模型部署，其中38家医院进一步研发了55个垂直医疗模型，包括22个专科模型 [1] - 医生对大模型的实操热情远超传统AI，部分医生甚至通过申请科研项目的方式绕过算力采购限制，坚持进行临床科研探索 [2] - 非Transformer架构的AI在临床中的应用也愈发深入，特别是在手术机器人崛起后，大量应用开始出现在治疗场景 [3] 专科大模型应用案例 - 北京协和医院开发了全国首个罕见病领域人工智能大模型“协和·太初” [3] - 复旦大学附属中山医院与上海科学智能研究院合作开发了深耕心血管专科的医疗大模型“观心” [3] - 华中科技大学同济医学院附属同济医院开发了“术问智能术前访视系统”，帮助麻醉医生完成术前评估与术后随访 [3] - 中山大学附属第一医院与神州医疗合作开发了全国首个腹膜透析大模型 [3] - 上海交通大学医学院附属仁济医院与蚂蚁集团合作开发了泌尿专科精确导诊的“RJUA智能体” [3] - 山东大学齐鲁医院与华为、润达医疗合作开发了“齐鲁·心肇急性胸痛大模型” [3] - 首都医科大学附属北京天坛医院与北京理工大学合作开发了“龙影”大模型，可基于MRI图像在0.8秒内生成上百种疾病的诊断意见 [3] 临床价值与医生反馈 - 在涉及手术的科室（如胸外科、神经外科、心内科、骨科），超过90%使用过相关AI的医生给予正向反馈，证实AI能够提升手术精准度并显著降低并发症发生概率 [4] - 在胸外科诊断阶段，基于低于100层CT影像的人机协作模式，可将医生判别肺结节的时间从5-10分钟缩短至1.6-2.2分钟，效率提升56%-84% [18] - 东北某三甲医院肺外科引入AI后，整体诊断效率提升约73%，科室门诊量在约4年内提升约40% [18] - 在AI辅助穿刺中，某三甲医院数据显示，使用AI赋能的机器人组在调整不超过2次的定位成功率（76.5% vs. 25.0%）、穿刺平均调整次数（1.62±1.71次 vs. 4.39±3.69次）、患者接受的CT扫描次数（5.47±2.59次 vs. 8.39±4.69次）方面均显著优于传统人工穿刺组 [20] - 哈尔滨医科大学附属第一医院引入AI实现精准肺段切除后，患者3年生存率提升约20%，并发症显著减少（顽固性咳嗽下降约40%、疼痛下降约20%、并发症下降约30%），平均住院日从12天缩短至5天，效率提升约58.3% [21] 商业化挑战与价值分歧 - 医疗AI作为独立产品形态，其商业化面临挑战，核心在于不同部署环境下产生的价值不一致，医院难以精准核算效益 [7] - 应用AI产生的诊疗效益未必能转化为医院价值，采购决策可能更倾向于符合管理者利益而非服务于医生或患者的应用 [7] - 短期来看，医院和医生的利益大部分不一致：例如，在科室未出现患者排队时，AI使医生工作更轻松但不会为医院带来短期效益；医院以评级为目的采购AI可能忽视医生看重的应用能力和互操作性 [8][9] - 部分医生反感用自身数据训练院内模型，因为将自身能力赋予AI不符合其短期利益 [9] - 长期来看，医院和医生利益在提升手术质量与科研方面趋向一致，但AI的规模化使用可能降低医院对医生数量的需求，对医生岗位构成潜在威胁 [10][11][12] - 在患者支付方面，AI优化流程可能降低治疗花费，但也可能因改变编码或减少科室协助而降低科室收入，导致患者与科室利益不一致 [14] - 在当前医院普遍现金流紧张的环境下，管理者倾向于投资回收期短的创新技术，因此虽能接受AI落地，但难以为其支付费用 [14] 胸外科AI商业价值分析 - 胸外科AI的商业价值体现为三种模式：增效、提质、优化流程 [21] - 增效模式主要为科室带来价值，但受制于木桶原理，整体效率提升上限由最薄弱环节决定 [21] - 提质模式对患者价值提升明显，对科室价值的提升视情况而定：当床位饱和且诊疗成本低于DRG付费标准时，缩短平均住院日能增加医保支付结余；若床位有空余，则价值较为有限 [22] - 优化流程模式可能具备极大的患者价值，但不利于DRG下的科室绩效考核，例如AI三维重建技术可能简化诊疗流程、降低患者总花费，却导致医院报销费用减少，短期内难以实现其商业价值 [23] 数据资产化与成本控制 - 数据作为生产要素，其治理效率直接影响医疗AI的研发成本与应用范畴 [24] - 将原始数据转变为可供交易的医疗健康数据资产，供给方通常需要完成数据清洗、律所评估、资产确权等环节 [27] - 以影像数据资产为例，三甲医院医生标注一张胸部CT的成本约为50-60元，一个包含1000例患者的数据集治理成本约为5万-6万元 [27] - 单次数字资产评估费用约为5万-6万元，资产确权费用在数千元内，三个环节综合成本约10万元 [28] - 目前大多数医院对数据交易持观望态度，因为单个数据资产的交易收益可能无法覆盖其生产成本及所承担的风险 [28] - 可信数据空间作为一种数据流通利用基础设施，旨在联接多方主体，在遵循共同规则的基础上安全共享数据，但目前整体发展尚处于起步阶段，“大模型+数据空间”的结合因技术复杂度和成本约束，应用案例较为稀缺 [30][32]

文章核心观点 - 福建省首批数据产权质押融资在厦门成功发放 标志着数据资源向数据资产转化的关键实践取得突破 为行业提供了可借鉴的范例 [1] 政策与制度环境 - 国家层面政策密集出台 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 将数据资产纳入企业财务报表管理范畴 从制度层面赋予数据“资产”属性 [3] - 2025年12月7日 中国人民银行征信中心运营的“动产融资统一登记公示系统”完成重要界面更新 将“数据资产质押”明确列为典型示例之一 填补了数据资产担保登记的分类空白 完善了数据资产化链条 [5] - 各地纷纷建立数据知识产权登记中心、数据交易所等基础设施 有效解决数据权属不清、交易风险高等问题 [3] 地方创新实践与平台建设 - 厦门市充分发挥地方优势 出台数据产权登记制度 设立专门的数据产权登记机构与统一的数据产权登记平台 并配套线下服务窗口与第三方服务机构库 提供“一站式”服务 [6] - 厦门市数据产权登记平台创新性增设数据产权质押登记模块 企业可便捷完成数据确权、质押融资等业务申请 [8] - 建设银行厦门市分行、兴业银行厦门分行、厦门银行三家金融机构率先响应 成功为三家企业提供数据产权质押融资服务 融资额度累计超1000万元 [8] 公司案例：福建金塑宝科技有限公司 - 公司依托其产业综合服务平台的塑智云工体系数据及行业公开数据 开发出“塑智云工‘物性百科’数据服务”数据产品 [9] - 该数据产品于2024年12月在厦门市数据资产登记中心完成登记认证 并以此作为可信凭证 成为全省首批获数据产权质押融资的企业之一 [9] - 公司总经理表示 从2024年11月7日启动数据产品质押登记到最终获得银行融资 整个过程非常顺畅 得益于厦门数据交易有限公司、兴业银行厦门分行及连城资产评估有限公司的支持 [12] 公司战略与行业影响 - 公司将在数据技术和数据产品估值方面持续投入 全方位提升自身的数据服务能力 [15] - 公司将积极发挥桥梁作用 为更多塑化产业客户提供数据产权登记等方面的实操指导与经验分享 助力行业内中小企业实现数据资产化 [15] - 公司将联动地方数据管理部门与厦门数据交易有限公司 结合塑化行业特点与数据应用需求 共同制定塑化行业专属的数据产品质量标准 推动行业标准化建设 [17] - 作为先行者 公司将积极链接产业上下游资源 不断探索数据资产化的更多可能性 [18] 行业意义与发展前景 - “数据要素×金融服务”的实践验证了数据资产的真实商业价值 开创了数据要素金融化应用的先河 [18] - 随着数据要素市场化改革的不断深入 这一实践成果正推动“点数成金”从设想变为现实 [18]

文章核心观点 - 优质融资平台通过数据资产化、通证经济模型和全周期孵化三大创新，显著提升企业融资成功率，重构企业融资生态 [1][8] 数据资产化：重构企业价值评估体系 - 领先融资平台通过创新模式将企业销售数据转化为核心资产，例如AIX平台的独创数据资产化机制 [1] - 平台利用区块链技术实时记录企业销售数据并生成数字权益凭证，将消费者行为转化为个人数字资产，使企业数据资本化形成可验证的融资背书 [3] - 某知名美业集团接入平台后，三个月内实现数据资产增值40%，成功获得千万级融资 [3] 通证赋能：打造闭环价值生态 - 创新融资平台通过数字权益通证AIXD构建独特价值循环，境内企业可用其兑换平台产品与服务 [4] - 通证价值锚定企业实际经营业绩，并通过境外通道支持1:1兑换主流数字资产，在符合国内监管要求的同时开辟国际化融资通道 [4] - 某大健康企业通过此机制，在保持原有交易模式不变的前提下，成功吸引海外资本注入，融资周期缩短60% [4] 全周期孵化：从初创到上市的加速引擎 - 顶级融资平台提供从初创到上市的全程赋能，包括孵化阶段的商业模式优化、成长阶段的智能匹配产业链资源以及成熟阶段的直通资本市场路径规划 [4][6] - 某汽车销售企业通过平台的全周期服务，仅用18个月即完成从初创到Pre-IPO的跨越，融资成功率较传统渠道提升200% [6] 合规安全的平台架构 - 成功融资平台建立完善的合规框架，企业通过质押AIXD通证缴纳保证金，交易采用链上智能合约自动执行 [8] - 平台严格遵循境内不可兑现的监管要求，并保持企业原有纳税机制不变 [8] - 以某房地产企业为例，通过质押机制入驻平台后，在保持合规前提下，成功实现资产流动性提升35%，融资成本降低20% [8] 平台成效与选择标准 - AIX全球企业融资孵化平台等先进体系已帮助数万家企业实现融资成功率200%的提升 [8] - 选择优质融资平台的企业成功率平均提升2倍以上 [1] - 创业者选择平台时应重点关注其数据转化能力、合规架构和资源整合实力 [8]

公司战略定位与角色演进 - 公司设立源于深圳先行示范区综合改革试点文件任务，历经三年探索后加挂“深圳市数据要素流通服务中心”牌子，身份调整是对市场需求的精准响应 [2] - 公司已形成“交易所+流通服务中心”双角色定位，服务延伸至数据流通全链条，涵盖交易、开放、共享、联合开发等多元场景 [2] - 核心目标是通过资源汇聚、产品开发和中立平台搭建，降低市场流通成本，提升数据价值化 [2] 制度与基础设施建设 - 公司认为数据要素市场仍处早期，未来五年规则完善仍是关键，已联合合作伙伴在合规体系、产权试点、基础设施试点、数据应用场景赋能等维度开展探索 [3] - 公司近期参与推动数据跨境的相关合规指引 [3] - 在基础设施层面，公司联合深圳联通、深智城承接深圳枢纽试点项目，目前已通过中期验收并正式推广三大平台：供需撮合商业平台、数据资产化服务平台及数据产权登记服务平台 [3] - 通过产权登记链接数据应用与资本市场，实现价值变现与资本回流数据产业的闭环 [3] 全国性服务网络与人才培育 - 公司推动开放群岛社区在全国布局25个城市站，深耕医疗、能源等领域的技术标准与数据治理 [4] - 公司建立覆盖全国主要省份的线下服务网络，与线上网络形成联动，结合各地产业需求提供标准化赋能服务 [4] - 针对行业人才缺口，公司较早就布局人才培养，从首席数据官到数据交易员，形成多层次培育体系，响应国家数据人才发展指引要求 [4] 生态协同与场景落地实践 - 公司积极参与数据流通交易机构互认互通工作组，推动合同等环节标准化，助力行业复用实践案例 [5] - 流通服务机构的核心价值在于数据应用的“复制推广+挖掘孵化”：一方面通过全国网络加速成功案例落地，另一方面联动数据集团、AI企业等主体孵化新场景 [5] - 在气象领域，公司联合合作伙伴实现了气象数据赋能低空经济，该案例获2025年“数据要素×”大赛全国一等奖，已完成场内首笔交易并进行推广 [5] - 在数据资产化和资本化路径探索方面，公司已联合合作伙伴在数据融资、数据信托、数据ABS等领域合规闭环 [5] - 在医疗领域，除推动数据赋能商业保险外，进一步向药物研发、慢病管理等场景延伸覆盖，提供可信医疗数据空间解决方案 [5] 跨境数据流通布局 - 公司正建设融合合规、应用开发、资本变现、主体融合能力的数据跨境基础设施，聚焦粤港澳大湾区的企业、科研、民生场景，打造跨境数据流通基础设施 [5]

贵阳大数据交易所的战略定位 - 明确三大核心定位：公共数据价值化的核心服务者、市场信任体系的坚定构筑者、全国统一大市场的积极协同者 [2][7] - 作为公共数据价值化核心服务者，依托贵阳大数据产业优势，打通公共数据从资源目录管理到合规上市的全链条服务 [2][7] - 作为市场信任体系构筑者，以“裁判员+服务员”角色构建可信基础设施，降低交易各方成本与风险，而非追求自身商业利益最大化 [2][7] - 作为全国统一大市场协同者，参与跨区域、跨层级规则对接与标准互认，贡献贵州经验 [2][7] 推动战略落地的三维举措 - 举措一：夯实基础公共服务体系，作为全国首个公共资源数据要素交易平台，遵循“公正、公平、公开”原则，提供一站式公益性服务 [3][8] - 举措一：打造集数据资源登记、产权登记、资产登记于一体的递进式登记服务平台，厘清权利边界，为数据资产化、资本化奠定基础 [3][8] - 举措二：以“五位一体”培育全链条生态，通过“定规则、强合规、促定价、保安全、育生态”五维抓手系统化构建市场生态 [3][8] - 举措二：深度参与国家及地方数据要素标准制定，细化交易规则体系，并将合规审查嵌入全业务流程 [3][8] - 举措三：聚焦公共数据价值化突破，构建与贵州大数据集团的前后端协同模式 [3][8] - 举措三：贵州大数据集团作为全省唯一公共数据授权运营主体，负责数据归集、治理、脱敏及初级产品开发 [3][8] - 举措三：数交所专注于产品运营、合规审查、市场撮合、交易结算等流通环节，推动公共数据安全可控地转化为可交易产品 [3][8] - 平台目前已挂牌企业征信、交通流量、医保风控、普惠金融等多个高价值场景的公共数据产品 [3][8] 未来发展规划与目标 - 目标一：推动数据产品向标准化资产跃升，联合权威机构助力更多数据产品完成资产入表，获得金融市场广泛认可 [9] - 目标二：推动交易机制向智能化、规模化跃升，升级平台功能模块，实现特定领域交易规模突破 [9] - 目标三：推动生态协同向跨域一体化提升，通过可信数据空间与各地数据交易平台、行业数据空间开展深度合作 [9] - 目标三：致力于实现规则互认、系统互联、生态互促 [9]

数据交易所行业发展现状与核心问题 - 当前行业面临两大核心问题：一是地方政府过高估计交易所对地方经济的拉动作用，同时过低低估其运营难度；二是部分交易所固守撮合抽佣的传统模式，未能契合数据作为新型生产要素的独特属性 [3][7] - 目前有33家政府主导的数据交易所，其去年场内交易额仅为300亿元人民币，而全国数据市场规模为1600亿元人民币，场内交易额占比相对较小 [3][7] - 多数数据交易所成立仅三年左右，尚处于发展初期，应遵循行业规律理性看待其发展 [3][7] 数据交易所的定位与功能架构 - 专家提出“主体功能 + 增值服务”的双重架构定位 [3][7] - 主体功能聚焦公益性，包括价格发现、基础设施建设、标准制定与合规保障 [3][7] - 增值服务侧重盈利性探索，涵盖产品服务孵化、生态培育、国际合作与市场繁荣 [3][7] - 数据交易所需兼顾公益性与盈利性，在坚守主责主业的同时，大胆探索合法合规的盈利模式 [3][7] 数据交易所未来发展战略 - 未来发展路径提出“三重深度融合”战略 [4][8] - 第一重是与实体产业深度融合，推动数据要素发挥乘数效应，助力实体产业数字化转型与数据开发利用，探索数据资产化路径 [4][8] - 第二重是与数据产业深度融合，在数据产业集聚区建设、技术研发试验、数据资源整合中发挥作用 [4][8] - 第三重是与数据市场发展深度融合，主动融入全国一体化数据市场建设，参与数据安全、规范标准与创新模式的探索 [4][8]

文章核心观点 - 数据要素市场化已从政策框架搭建迈入实体实践破冰阶段 央国企作为试点主力 凭借其核心数据禀赋和产业链枢纽地位 发挥示范带头作用 旨在破解数据价值释放中“不敢开放 不愿流通”等核心堵点 其关键路径是围绕数据产品 遵循“搭平台 谋场景 做产品”的思路 通过构建可信数据空间 实现从可信流通到价值实现的闭环 最终目标是构建多方协同的数据要素市场 并带动超过10万家中小企业参与 [1][3][6][9][14] 央国企成为数据要素市场“先锋队”的独特价值与基础作用 - 央国企在能源 电力 通信等国民经济关键基础领域占据主导地位 核心数据资源主要由其掌握 由其带头释放数据价值是责无旁贷的责任和国企社会担当的体现 [3] - 选择央国企作为试点 核心目的是让“国家队”发挥示范带头作用 消除行业顾虑 后续带动国企 民企等各类市场主体积极参与数据资源有序释放 [3] - 当前数据要素价值释放效果有限 核心问题在于数据密集型领域的头部企业拿出的数据资源较少 希望通过央国企“打样” 打破行业僵局 [3] 平衡数据安全与价值释放的路径 - 平衡安全与价值释放是试点推进的核心底线 关键是结合具体应用场景评估安全需求 根据数据风险等级和场景需求精准匹配安全措施 避免过度投入 [4] - 在筑牢安全底线的基础上 需要构建数据要素市场的长效发展机制 实现数据价值化全生命周期动态安全 [4] 从“可信流通”到“价值实现”的关键路径 - 可信数据空间是破解“不敢开放 不愿流通”困境的关键基础设施 不仅是技术支撑 更蕴含一套完整的制度规则体系 [6] - 企业可信数据空间由龙头央国企牵头 覆盖分子公司及产业链上下游 围绕研发 生产 销售等全环节形成生态合作体系 实施难度较低 是当前试点的重点方向 [7] - 行业可信数据空间需覆盖多个龙头企业甚至跨行业 跨地域 难点在于跨龙头企业的协同 破解关键在于制度体系创新 可借鉴“运商分离”原则 由多家企业成立第三方独立运营平台 类似金融领域银联的模式 其落地需要央国企带头和政府层面的机制协调 [8] - 推动数据融合汇聚与高效流通可遵循“搭平台 谋场景 做产品”的核心思路 [9] - **搭平台**：建设企业或行业可信数据空间 实现数据的可信流通 保障数据“供得出 流得动” 需完成数据编目 挂接等基础工作 [9] - **谋场景**：核心是找到高价值应用场景 聚焦行业共性或难点问题 以投资回报率为导向 数据质量高低以能否解决场景问题为标准 [10] - **做产品**：将数据资源嵌入具体的数据产品 针对性解决场景痛点 形成“数据—产品—收益”的价值闭环 这一闭环能有效破解汇聚难 质量低问题 [10] - 数据确权 入表 定价均应围绕数据产品展开 真正的数据资产只有两种形态：数据产品本身 以及嵌入数据产品的来源数据 [11] - 数据价值化 资产化要以现金流为核心 数据产品因瞄准具体场景形成收益闭环 具备价值稳定性 能够稳定产生现金流 满足“可控制 可计量 可收益”的资产属性 数据产品的现金流也会分享部分给来源数据 使其也具备资产属性 [11] - 定价可通过场景收益反推 结合投入成本和产生的现金流测算 入表及后续的质押贷款 资本化入股等 也需以数据产品的稳定收益为基础 [12] 构建多方协同 赋能全局的繁荣市场 - 试点提出的“2027年带动10万家以上中小企业”的目标具备可行性 12家试点央国企的产业链生态已较为成熟 仅通信行业就关联手机制造 物联网 无人机等大量企业 [14] - 带动效应将超出直接关联企业 央国企在各地的分支机构将推动地方国企参与 行业可信数据空间的建设将吸引民营企业 外资企业加入 [14] - 挑战集中在行业可信数据空间的建设 需要建立利益分配机制 让中小企业明确参与数据产品生态能获得收益 [14] - 长远来看 数据要素市场需从三方面完善支撑体系 [15] - **制度建设**：依托可信数据空间 建立行业数据流通标准 安全标准及企业间数据连接器标准等 [15] - **空间拓展**：从企业可信数据空间逐步向行业可信数据空间延伸 实现跨龙头 跨行业 跨区域可信数据空间互联互通 形成全国统一大市场 [15] - **主体联动**：明确央国企 地方政府 数据交易所的定位并联动 [15] - 央国企负责带头示范 通过“搭平台 谋场景 做产品”推动数据产品化 资产化 [15] - 地方政府需结合区域产业特色 联动城市可信数据空间试点 为中小企业提供政策支持 衔接公共数据与企业数据 [15] - 数据交易所则聚焦数据产品的跨区域 跨行业交易 为数据产品运营主体的多元化提供支撑 [15] - 央国企试点需兼顾人工智能行业落地的需求 其核心担当之一是搭建行业高质量数据集 带动垂直大模型和具身智能应用的发展 形成生态协同 解决科创企业“缺数据 缺场景”的痛点 [16]

新一轮国资国企数据资源开发利用试点启动 - 国家数据局与国务院国资委于2025年11月25日联合启动“国有企业数据资源开发利用试点工作” [2][5] - 首批试点包括国家管网、中国移动、国机集团、中国汽车技术研究中心、南方电网等12家中央企业 [2][3] - 试点要求央企联合民营企业、科研院所组建“合作阵营”，共同探索数据从资源到资产再到资本的跃迁路径 [3] - 试点目标是到2027年显著提高数据开发利用水平，并服务带动10万家以上中小企业 [5] 试点企业的数据资源与开发路径 - **国家管网**：运营全国“油气一张网”，积累超过100亿条核心数据，包括管道压力、输气量、设备状态、市场交易等信息 [2][7] - **中国移动**：构建的“梧桐大数据平台”已沉淀高达2000PB（拍字节）的核心数据资产 [6] - **国机集团**：其遍布农田的120多万台农机每日传回超过10亿条作业数据 [7] - **南方电网**：数据涵盖跨越五省区的电网负荷、光伏出力与用户用电习惯等融合数据集 [7] - 数据开发分为三个层次：资源化（形成“数据矿产”）、产品化/服务化（加工成数据产品或服务）、资产化/资本化（纳入资产负债表并探索金融属性） [7] - 不同类型企业路径不同：国家管网、南方电网等聚焦“可控共享”与基础设施构建；国机集团等向“设备+数据服务”转型；中国移动等志在成为平台型提供者 [8] 试点企业的具体行动与进展 - **南方电网**：率先启动南方能源行业可信数据空间建设，实现数据“可用不可见、可控可计量”，已有超过370家生态伙伴申请入驻 [6] - **中国移动**：联合53家央企共建“焕新社区”开源平台，将开放更多预训练模型，形成“数据共享-联合研发-场景共创”闭环 [6] - **国家管网**：正在细化数据开放服务清单，目标安全地服务于上下游企业，以优化资源调配并提升整个天然气产业链的保供能力和运行效率 [6] - **中建三局信科公司**：完成了首批三笔数据资产的入表，并在北京国际大数据交易所登记，总金额超过120万元 [14] 数据要素化面临的核心挑战 - **确权难**：数据所有权界定复杂，例如国家管网的管道数据涉及国家能源安全与用户隐私，权属模糊 [10]；交通物流数据涉及车主、司机、物流公司、货主等多个主体，历史数据缺乏权属约定 [10] - **定价难**：缺乏清晰权属导致无法进行公允的市场化估值，有运营商用历史成本法评估数据资产，结果市场价值远低于潜在商业价值 [11] - **流通难**：权属不清及内部矛盾阻碍流通，业务部门担心共享数据会削弱自身价值，协调内部矛盾困难 [11] - 法律与监管层面存在不确定性，数据适用法律及跨境流动的边界划定仍是问题 [11] 试点企业的破题实践 - **技术破题**：南方电网融合区块链、隐私计算、数据沙箱等技术构建“可信数据空间”，已孵化出45个跨行业融合应用场景，实现数据“可用不可见”的价值流通 [14] - **机制创新**：中国移动通过“焕新社区”构建生态闭环，合作伙伴在合规框架下利用其数据训练模型，共同开发解决方案并共享收益 [14] - **资产化实践**：中建三局信科公司通过治理将数据转化为权属清晰、质量可控的资产，引入专业机构估值并依据会计准则确认为无形资产，为质押融资等资本化运作打开大门 [14] - **业务应用**：国家管网利用数据开发智能识别与故障预测模型；国机集团通过“农机云”数据服务帮助农户优化种植与调度 [15] 数据要素驱动的新兴产业链 - **数据交易平台**：北京国际大数据交易所咨询业务增加，正在设计更适配国资特点的交易规则，央企高质量数据入场有望提升市场活跃度与公信力 [17] - **技术供应商**：数据安全与隐私计算领域的科技公司迎来机会，试点政策推出后，多家国企主动要求搭建合规的数据流通基础设施，市场进入爆发期 [17] - **赋能中小企业**：南方电网通过企业用电数据构建“信用画像”，已帮助超1000家中小企业获得信贷支持超16亿元 [17] - **新商业模式**：在新能源车、矿产资源、医疗健康等领域酝酿新模式，例如利用全链条数据开发电池残值评估、保险定价等服务 [18] - **产业链协同**：央企数据“矿脉”松动，以数据流通穿透产业链壁垒，提升产业链协同效能 [1][3][19]