纪要涉及的行业或公司 * 行业：数据要素产业[1] * 公司/机构提及： * 世界数据组织 (DWO)[1] * 国家数据局[1] * 中信建投证券[7] * 北京数据集团（同有信息）[7][39] * 数据交易所（泛指全国约八九十家机构）[35] * 数据集团（全国约200多家）[38] * 三大运营商（中国移动、中国电信、中国联通）[44] * 中信银行[44] * 信通院[32] 核心观点和论据 1. 世界数据组织 (DWO) 成立的意义与现状 * **成立目的**：旨在推动全球数据要素流通，克服行业壁垒、流动性壁垒和标准不统一等问题，形成全球共识[1][4] * **中国角色**：中国在数据要素领域全球领先，牵头成立DWO具有先天优势，有助于掌握国际标准制定的话语权[4][9][10] * **组织构成**：已汇集200多个会员，覆盖全球40多个国家，并非“自己玩”，具有全球性[6] * **参与方**：除政府部门外，还包括中信建投证券、北京数据集团（同有信息）等企业[7] 2. 数据产权登记政策解读 * **政策重要性**：补全了数据要素政策体系的最后关键板块，旨在解决数据流通中产权/权属不清的核心难题[11][15] * **登记机构**：大概率落在**数据交易所**或**数据集团**身上，机构需为企事业单位，实缴注册资金不低于1亿，有两年以上流通服务经验[16][17][18] * **登记对象**：公共数据登记为数据资源，其衍生的产品和服务才登记产权，以衔接并促进公共数据授权运营[20][21] * **登记收费**：预计以成本定价为主，保持机构运转即可，不会特别贵[21][22] * **强制性问题**：政策未强制要求登记，未来是否强制取决于登记带来的效益与成本权衡[22][23][24] * **登记凭证应用场景**： * **流通交易**：为数据合法性提供官方背书，增强买方信任[24][25] * **资产入表与融资**：对合规性要求严格，是数据资产入表、融资信贷、作价入股等场景的重要凭证[25] * **产权纠纷**：是司法裁判和纠纷调解中的有力证据[26] * **政策优惠认定**：如认定高新技术企业等[27] 3. 国家数据局成立后的行业发展现状 * **政策体系**：顶层政策（如数据二十条、公共数据授权运营指导、数据要素行动计划、数据产权政策等）与细则政策（产权、公共数据运营管理、价格形成机制、安全管理、基础设施指引等）框架已基本成型[28][29][30][31][35] * **工作体系**：形成**国家数据局**、**数据交易所**（全国约八九十家）、**数据集团**（全国约200多家）三层架构，已非常成型[35][38][39] * **数据源端**：重点在**公共数据**和引导**国央企**整理内部数据形成高质量数据集，以服务于AI、机器人等增量场景[40][41] * **数据基础设施**： * **可信数据空间**：国家最重视的技术路径，被视作突破数据流通交易的关键基础设施，目标到2028年建成100个以上，单个城市级项目报价约一两个亿[31][32][41] * **智算中心**：与高质量数据集建设相衔接，构成从底到顶的打通过程[42][43] * **资产化与资本化进展**： * **数据资产入表**：截至2023年披露总额约几十亿（接近30亿），其中三大运营商占60%以上，中信银行也有入表，目前处于稳态但未爆发，原因包括企业税负增加等[44][45] * **数据资产质押融资**：总额已超过百亿[46] * **证券化与RWA**：资产支持证券(ABS)已有几十单；现实世界资产(RWA)化境内原则上受限，主要在境外发展，数据资产因其易标准化被视为优质标的[46][47] 4. 产业投资机遇与建议 * **投资逻辑**：从**边际变化**角度考虑，关注政策落地带来的实质性推动[48] * **关注方向一（直接受益）**：**数据产权登记**政策，建议关注**数据交易所的持股股东（上市公司）** 以及**数据集团下属的上市公司**[49] * **关注方向二**：**数据集团**相关的投资机会（需私下交流）[50] * **关注方向三（产业链环节）**： * **数据源端**：标签性强，对数据要素及AI、机器人均至关重要[50] * **数据基础设施**：关注“卖铲子”的厂商及数据集团相关标的[50][51] * **数据授权运营**：关注“卖铲子”股及获得授权运营的公司[51] * **暂不重点看**：近期数据资产评估和入表相关标的[51] 其他重要但可能被忽略的内容 * **数据流通发展路径**：从企业/政府部门内部打通，到城市、省级、全国范围打通（如行政审批、医保数据），再到全球性流通[2] * **公共数据定价机制**：强调以成本定价为主，打破了地方政府通过卖数据接棒土地财政的幻想[30] * **数据交易所现状**：经历第二轮建设周期，大部分仍在运行并探索各种服务模式，数据产权登记有助于其商业模式闭环[36][37] * **数据资产入表瓶颈**：未来若需爆发，可能需要税收优惠等政策支持[45] * **整体发展阶段判断**：政策与工作体系基本成型，资产化处于早期探索阶段，未出事即表明路径比较成功[35][47]

**涉及的公司与行业** * **公司**：南钢股份 (南京钢铁股份有限公司) [1] * **行业**：钢铁行业 (特钢、先进钢铁材料) [2][3][4][8][12][16] **核心观点与论据** **一、 2025年财务与经营业绩** * 2025年实现营业收入579.94亿元，同比下降6.17% [3] * 实现归母净利润28.67亿元，同比增长26.83% [2][3] * 净资产收益率(ROE)达10.69%，同比提升2.1个百分点 [2][3] * 2025年第四季度归母净利润为6.91亿元，同比增长36.23% [3] * 2025年钢材产量933.47万吨，销量928.24万吨 [3] * 2025年分红比例提升至55%，连续八年分红比例均值超50% [2][3] **二、 成本控制与运营效率** * 2025年工序加工成本同比下降94元/吨，节约总额10.63亿元 [2][3] * 2025年可比制造成本在对标企业中排名前三 [2][18] * 专项工程成本同比降低4.6% [18] * 在103项重点对标指标中，有23项创历史新高，25项排名前三，60项取得进步 [3][4] **三、 产品结构优化与先进材料业务** * 先进钢铁材料销量282.65万吨，同比增长8.09%，占钢材总销量30.45% [2][4] * 先进钢铁材料毛利率20.88%，同比增加3.71个百分点 [2][4] * 先进钢铁材料贡献毛利30.04亿元，占钢材产品总毛利的48.15% [2][4] * 船板与海工用钢销量219.2万吨，同比增长20.97% [4] * 汽车轴承弹簧钢销量188.78万吨，同比增长17.85% [4] * 拥有桥梁缆索用钢、调质钢板和抗酸管线钢三个制造业单项冠军产品 [16][17] **四、 海外业务与子公司运营** * 2025年钢铁产品出口量163.06万吨，同比增长9% [5] * 印尼焦炭基地10座焦炉全投产，2025年焦炭总销量383万吨，同比增长33% [2][5][6] * 子公司金安矿业2025年生产铁精粉121万吨，实现净利润4.76亿元 [2][7] * 子公司金恒科技研发运用超50个AI模型，全年净利润413万元 [7][9] * 子公司鑫洋环境全年实现净利润2.73亿元 [7] **五、 数字化转型与人工智能应用** * 联合华为发布“原野”钢铁大模型，并入选国家首批“数字领航”企业智能工厂培育名单 [2][9] * 2025年实现数据资产入表2,324万元 [2][9] * 金恒科技构建“一个供应AI平台，一个行业大模型，多个智能体和小模型”的体系 [9] * 2026年计划将“原野”大模型迭代至2.0版本，并聚焦工业智能体建设 [2][9][15] **六、 研发投入与技术创新** * 2025年研发投入23.35亿元，占营业收入的4.03% [17] * 构建“2+4+7+N”开放式高端研发平台，拥有67项省部级以上科技成果 [17] * 主导或参与制修订120余项各类标准 [17] **七、 ESG管理与绿色低碳** * 明确2030年碳达峰、2050年碳中和目标 [2][10][12] * 董事会下设低碳及能源战略委员会，双碳指标占高管绩效权重10%至15% [10] * 2025年首次引入第三方机构SGS对可持续发展报告关键指标进行独立见证 [11] * 在国际ESG评级中，MSCI评级为B级，标普全球评级46分，富时罗素ESG评级3分 [11] * 国内万得ESG评级达到3A最高级 [11][12] **八、 2026年经营目标与行业展望** * **公司目标**：2026年计划实现钢材产量978万吨，营业收入585亿元 [2][9] * **行业需求**： * 看好造船领域需求，截至2025年底我国手持订单量同比增长31.5% [2][8] * 预计风电、油气装备领域用钢需求保持增长 [2][8] * 预计工程机械用钢需求保持稳定 [8] * 预计汽车用钢需求保持平稳 (总销量微升1%) [8] * 预计2026年我国钢材直接出口将有所下降 [8] **九、 “十五五”战略规划** * **愿景目标**：创建“国际一流、受尊重的企业之美、智慧生命体”，聚焦“特钢材料+智能制造” [2][12] * **产品目标**：打造两个500万吨级的高端特钢基地，分别专注于综合板材和棒线带型产品 [2][12] * **绿色目标**：2030年碳达峰，2035年温室气体净排放量较峰值下降10%，2050年碳中和 [12] * **核心举措**：围绕科创引领、绿色转型、智改数转、全球化战略四大方面展开 [12][13] **其他重要内容** **一、 公司治理与组织调整** * 按照证监会要求取消监事会，由董事会审计与内控委员会承接其职责 [10] * 已完成下属105家子公司的监事会改革 [10] **二、 产业链生态规划** * **产业链焕新**：以金安矿业为核心，开发铁基新材料 [14] * **制造服务创新**：以精于智能公司为载体，聚焦智慧检测装备 [14] * **绿色低碳探新**：以金晟科技为核心，对外输出工业数字化解决方案 [14] **三、 原野大模型具体规划** * 2026年将聚焦技术迭代与场景深化、产业链生态化共建、强化信息安全三大方向 [15] * 打造覆盖全业务的数字伙伴体系，推出智能知识助手 [15] **四、 维持竞争优势的路径** * 战略上聚焦能源、海工、汽车用钢等细分领域 [16] * 打造数字化研发体系，推动研发模式从“经验驱动”向“数据+算法驱动”转变 [17] * 高端产品应用于白鹤滩水电站、首艘国产大型邮轮等重大工程，并为沙特阿美等国际客户供货 [17]

核心观点 - 国泰海通证券首次覆盖迅策科技，给予“增持”评级，目标价104.78港元，对应目标市值338亿港元 [1] - 在AI大模型向垂直场景深化的关键期，公司凭借“数据流”核心能力，正从资管行业向多元领域复制“中国版Palantir”模式 [1] AI行业竞争范式转移 - AI产业正经历从追求“更大模型”到构建“更好数据流”的战略转向，模型深入业务的核心门槛是能否嵌入真实的业务数据流 [1] - 企业数据管理正从“割裂式”向“全局式”转移，AI驱动的全局性算法模型嵌入业务流与数据流，将取代传统部门局部节点的决策，提升效率 [1] - 金融风控、城市调度、制造管理、医疗、能源等垂直场景对数据实时性、准确性与可追溯性要求极高，产业链价值锚点转向“更好数据流” [2] 公司竞争壁垒与市场地位 - 公司深耕实时数据基础设施行业十年，其统一数据平台可在数秒内完成多来源异构数据的收集、清理、管理与分析 [3] - 公司以资管行业为起点，构建了覆盖投资组合监控、订单执行、估值、风险管理及合规的全生命周期解决方案，2024年在实时数据领域位居头部 [3] - 2020-2024年中国实时数据基础设施及分析市场规模年复合增长率高达46.1%，预计2029年将达到505亿元，当前市场渗透率不足4%，正迎来爆发式增长 [3] - “数据二十条”、数据资产入表等国家政策正推动企业加大数据基础设施投资 [3] 业务多元化与财务表现 - 公司在巩固资管优势的同时，将业务延伸至金融服务、城市管理、生产管理及电信等领域，已覆盖中国三大国有电信运营商 [4] - 2022年至2024年，公司多元化行业收入占比从26%攀升至61%，成为增长重要引擎 [4] - 2022-2024年付费客户从182家增长至232家，平均每用户收入值从158万元提升至272万元，商业模式可持续性获验证 [4] - 国泰海通预测，公司2025-2027年营业收入分别为11.83亿元、21.77亿元、33.11亿元，对应增速87%、84%、52% [4] - 归母净利润预计于2026年扭亏为盈，达1.01亿元，2027年进一步增长至3.11亿元 [4]

投资评级与核心观点 - 首次覆盖迅策，给予“增持”评级，目标价为104.78港元，对应目标市值338亿港元 [1][11][23] - 报告核心观点：公司是中国领先的实时数据基础设施供应商，深耕行业十年，以资产管理行业为基石构筑了深厚竞争壁垒，并成功实现多元化行业拓展，市占率位居行业前列 [2][11][24] 公司业务与市场地位 - 公司专注于实时数据基础设施及分析解决方案，产品具备模块化特性，已开发超过300个模块，并组合成七大核心解决方案，能灵活适配不同行业客户 [11][30][35] - 公司在实时数据基础设施市场整体份额领先，2024年在中国整体市场中市场份额为3.4%，排名第四；在更具优势的资产管理细分市场，其市占率达到11.6%，排名第一 [11][27][32] - 公司采用订阅和交易（项目制）两种收费模式，2022至2024年间，交易模式收入占比从47%提升至81%，成为主要收入来源 [40] - 公司正从资管行业向多元化行业成功拓展，2022至2024年，多元化行业（金融服务、城市管理、生产管理、电信等）收入贡献占比从26%攀升至61% [42][44] - 公司付费客户数与客户平均收入（ARPU）双双增长，2022至2024年，付费客户从182家增至232家，ARPU从158万元人民币增长至272万元人民币 [46] 财务预测与估值 - 报告预测公司营业收入将从2024年的6.32亿元人民币高速增长至2027年的33.11亿元人民币，2025-2027年同比增速预计分别为87%、84%和52% [4][17] - 报告预测公司归母净利润将于2026年扭亏为盈，2025-2027年分别为-1.44亿元、1.01亿元和3.11亿元人民币 [4][11] - 报告采用PE和PS两种方法进行估值：基于2026年预测净利润给予250倍PE，得出合理市值252亿元人民币；基于2026年预测营收给予17倍PS，得出合理市值370亿元人民币，最终取两者平均值确定目标市值 [19][21][23] 行业前景与市场机遇 - 中国实时数据基础设施及分析市场处于高速成长期，2020-2024年市场规模复合年增长率（CAGR）达46.1%，预计到2029年市场规模将达到505亿元人民币，2024-2029年CAGR为22.0% [11][62] - 当前市场渗透率极低，2024年实际市场规模187亿元人民币，仅占可渗透市场规模5252亿元人民币的3.6%，未来拓展潜力巨大 [65][66] - AI大模型和应用的快速发展正催生巨大的数据市场需求，我国人工智能应用日均Token消耗量从2024年初的1000亿激增至2025年6月底的超过30万亿，增长超过300倍 [56] - 传统数据技术（高延时、难统一、效率低）已无法满足企业实时、统一、高效的数据处理需求，这催生了对实时数据基础设施的强劲需求 [58][61] - 资产管理行业是实时数据基础设施落地的最佳场景之一，其市场规模从2020年的3亿元人民币快速攀升，预计到2029年将达到116亿元人民币，2024-2029年CAGR为40.7% [69][72] - 在AI催化下，金融服务、电信、城市管理、制造管理等多个行业对实时数据基础设施的需求正显著增长，市场呈现多元化开花态势 [75][78]

投资评级与核心观点 - 首次覆盖迅策，给予“增持”评级 [1][11] - 报告核心观点：公司深耕实时数据基础设施行业十年，以资管行业为基石构筑竞争壁垒，实现多元化行业拓展，市占率位居行业领先 [2] - 采用PE和PS估值法，给予公司目标市值338亿港元，对应目标价104.78港元 [11][23] 财务预测与估值 - **盈利预测**：预测2025-2027年营业收入分别为11.83亿元、21.77亿元、33.11亿元，同比增长87%、84%、52% [4][11][21] - **盈利预测**：预测2025-2027年归母净利润分别为-1.44亿元、1.01亿元、3.11亿元，预计2026年实现扭亏为盈 [4][11] - **盈利预测**：预测2025-2027年EPS分别为-0.45元、0.31元、0.97元 [4][11] - **估值方法**：采用PE和PS两种方法进行估值 [18] - **PE估值**：参考可比公司，给予2026年250倍PE，对应合理市值252亿元人民币（约84.91港元/股） [19] - **PS估值**：参考可比公司，给予2026年17倍PS，对应合理市值370亿元人民币（约124.65港元/股） [21] - **综合估值**：取PE与PS估值平均值，得出目标市值311亿元人民币（338亿港元），目标价104.78港元 [23] 公司业务与市场地位 - **公司定位**：公司是中国领先的实时数据基础设施供应商，为企业提供涵盖实时数据处理和数据分析的IT解决方案 [11][24] - **发展历程**：公司成立于2016年，专注实时数据基础设施行业十年，持续打磨产品并扩展产品序列，于2025年赴港上市 [25] - **整体市占率**：2024年，公司在中国实时数据基础设施及分析市场中市场份额为3.4%，位居第四 [11][27] - **资管行业市占率**：在资产管理行业，公司市占率达到11.6%，排名第一 [11][27] 产品与解决方案 - **产品定义**：实时数据基础设施是一个统一数据平台，可在数秒内从多个来源收集、清理、管理、分析及治理异构数据，以满足即时、快速的数据分析和业务决策需求 [11][30] - **模块化特性**：公司产品具备模块化特性，底层由超过300个数据模块组成，通过选择性组合模块来满足不同行业需求或定制解决方案 [35] - **核心解决方案**：公司已打造七大核心解决方案，包括具有全行业应用的数据基础设施解决方案（VOne， DOne）以及专门面向资管行业的应用解决方案（POne， XOne， TOne， COne， ROne） [35][38] 业务拓展与客户 - **收费模式**：采用订阅模式和交易模式（项目制）两种收费模式 [40] - **收入结构变化**：交易模式收入占比从2022年的47%提升至2024年的81% [40] - **行业拓展战略**：以资管行业为基石，逐步将业务拓展至金融服务（除资管外）、城市管理、生产管理及电信等多元化行业 [11][24][42] - **收入结构演变**：多元化行业收入贡献占比从2022年的26%攀升至2024年的61% [42] - **客户与ARPU**：2022年至2024年，付费客户总数从182家增加至232家，ARPU值从158万元增长至272万元 [46] 行业市场分析 - **市场空间**：我国企业实时数据处理市场渗透率不足4%，仍处于蓝海市场 [11][65] - **市场规模**：中国实时数据基础设施及分析市场规模从2020年的41亿元增长至2024年的187亿元，CAGR达46.1%，预计2029年将达到505亿元，2024-2029年CAGR为22.0% [11][62] - **增长驱动力**：在AI大模型和应用的催化下，企业对数据处理平台的要求日益提高，传统数据技术与企业需求不匹配，催生了实时数据基础设施市场 [11][58] - **政策支持**：数据被列为第五大生产要素，相关政策（如“数据二十条”、数据资产入表）助推企业加大数据基础设施投资，释放数据价值 [51][53][55] - **AI催化需求**：我国人工智能应用日均Token消耗量激增，从2024年初的1000亿增至2025年6月底的超30万亿，增长超300倍，催生巨大数据市场缺口 [56] - **资管子市场**：资管行业是最适于实时数据基础设施落地的行业之一，其市场规模从2020年的3亿元快速攀升至2023年的26亿元，2020-2023年CAGR达105% [68][69] - **多元行业需求**：除资管外，金融服务、城市管理、制造管理、电信、零售、物流、公共部门等多个行业在AI催化下对实时数据基础设施的需求显著增长 [75][76]

政策核心目标 - 国家四部门联合发布意见，旨在培育数据流通服务机构，加快推进数据要素市场化与价值化 [1] - 核心目标是到2029年底，显著提升数据流通服务机构能力，丰富数据产品和服务，增强各类主体供数用数意愿，明显提高全社会数据流通利用水平 [1] 数据流通服务机构定义与作用 - 数据流通服务机构是链接数据供需双方、促进流通交易的重要主体，包括数据交易所（中心）、数据流通服务平台企业、数据商等 [1] - 其作用是降低数据流通交易成本，促进更大范围的数据流通交易 [1] 数据流通交易模式创新 - 探索多样化流通交易模式，鼓励拓展数据换数据、换订单、换服务、换模型、换场景等交换方式 [1] - 探索数据作价出资等数据价值实现新路径 [1] - 支持经营主体依托数据交易所等第三方开展数据供需对接和交付结算 [1] 数据产品与服务形态创新 - 支持加大数据集等资源型数据产品和服务的供给 [2] - 创新开发核验查询、数据分析报告、数据指数、数据可视化等分析决策型数据产品和服务 [2] - 面向行业应用场景探索发展智能体服务等新业态 [2] - 支持提供数据资产合规化、标准化、增值化服务，积极推进数据资产入表，探索数据资产运营与收益分成新模式 [2] 人工智能相关数据发展 - 拓展适应人工智能发展的高质量数据集流通交易方式 [2] - 支持数据流通服务机构协同产业链链主企业等，面向服务人工智能发展建设高质量数据集 [2] - 支持加强与人工智能企业合作，依托数据基础设施提供数据汇聚、治理、模型训练等服务 [2] 数据基础设施保障 - 积极利用现有资金渠道对符合条件的数据流通服务机构的数据基础设施建设予以支持 [2] - 鼓励各类数据流通服务机构充分依托数据基础设施开展数据流通交易 [2] - 引导加强交易凭证、身份认证等互认互通，促进数据跨主体、跨行业、跨领域融合利用 [2]

数据资产入表的核心定义与价值 - 数据资产入表是企业将合法持有、可产生经济利益的数据资源，按照既定标准和会计框架，正式记录至资产负债表或专用管理系统，进行规范化管理、评估与披露的全过程 [3] - 其核心价值体现在四个维度：提升数据价值认知，将无形数据转化为有形资产，为投资决策提供依据；促进数据流通共享，为数据协同与交易奠定基础；强化合规与风险管控，遵循《数据安全法》等法规；优化企业资产结构，提升核心竞争力与投资者信心 [3] 数据资产入表的核心流程与实施要点 - 入表流程分为五大阶段，遵循“合规为先、分类准确、计量科学、披露规范”原则 [5] - 第一阶段为数据盘点与合规确权，核心是全面梳理数据资源形成《企业数据资源目录》，并依据法律法规和“数据二十条”进行合规与权属审查，产出《数据合规性与权属审查报告》，筛选可入表候选数据 [5] - 第二阶段为会计分类，根据业务模式将数据资产主要分为两类：用于内部运营、决策支持的数据确认为“无形资产”；以出售为目的的数据资源确认为“存货” [5] - 第三阶段为成本归集与计量，核心是将数据采集、加工到成型的投入货币化核算，需区分外购与自研数据成本，并严格区分研究阶段（费用化）与开发阶段（资本化）支出，产出《数据资产成本归集计算表》 [6] - 第四阶段为会计处理与列报，根据资产分类编制会计分录，并在资产负债表“无形资产”或“存货”项目下增设“其中：数据资源”二级科目单独列示 [6] - 第五阶段为后续计量与披露，确认为无形资产的数据需在使用寿命内摊销并每年进行减值测试，在财务报告附注中强制披露会计政策、成本构成等信息，并可自愿披露应用场景与贡献 [7] 企业面临的挑战与核心对策 - 当前企业普遍面临数据标准化程度低、估值难度大、合规边界模糊、跨部门协同不足等挑战 [9] - 核心对策包括：加强数据治理，建立统一标准提升数据质量；创新估值方法，探索适配的估值模型；强化跨部门协同，建立由财务部门牵头，数据/IT、业务、法务共同参与的专项工作组；培养数据资产管理、会计计量等领域的专业人才 [9] - 实施策略建议采取“先易后难，试点先行”原则，优先选择权属清晰、价值明显、成本易计量的数据作为试点；全程坚持“合规优先”，重点把控确权与合规审查；建立“长效管理”机制，将入表纳入常态化管理并持续优化 [10] 数据资产入表相关的行业人才发展 - 工业和信息化人才交流中心（IITC）提供“数据资产入表工程师”等岗位能力评价与认证 [12][27] - 相关测评专业覆盖数据、人工智能、安全等多个领域，例如首席数据官、数据资产入表保荐师、数据治理工程师、人工智能工程师等，并分为初级、中级、高级等不同级别 [27][28] - 数据管理与治理岗位负责建立和维护企业的数据标准、质量与安全体系，是数据资产的“管家”和“质检员”，学习对象包括IT技术人员、数据相关岗位、运营与产品人员及风控、合规、审计人员 [22]

文章核心观点 - 内蒙古数据交易中心联合保险机构推出自治区首单“数据资产入表费用损失保险”，旨在解决企业数据资产化过程中投入大、风险高的问题，为企业提供风险保障并激发参与积极性[1] - 内蒙古数据要素市场建设取得多点突破，包括首例行政事业单位及医疗行业数据资产入表、数据资产质押融资、农业数据产品挂牌交易等，展现了数据要素在不同领域和盟市的变现能力[2] - 内蒙古数据交易中心通过构建覆盖全区并延伸至外省的服务网络、壮大数商生态、打造多维度服务体系以及推动跨区域互认互通，为数据要素的全域流通和市场化配置奠定了坚实基础[2][3] 数据资产化金融创新与风险保障 - 成功签发自治区首单“数据资产入表费用损失保险”，填补了内蒙古数据要素金融保障领域的空白[1] - 该保险精准覆盖数据确权、成本归集、审计评估、合规审查等关键环节，若因权属纠纷、数据质量不达标、政策适配等问题导致入表失败，企业可获得前期审计费、评估费等支出的经济补偿[1] - 此举旨在为企业数据资产化减负兜底，打消企业在投入上的顾虑，是推动数据要素市场化配置的关键举措[1] 数据要素市场化应用与实践案例 - 在巴彦淖尔市，完成自治区首例行政事业单位（临河区人民医院）数据资产入表，也是首例医疗行业数据资产入表案例[2] - 在乌海市，一家新能源科技公司依托数据产权登记，成功获得300万元数据资产质押融资贷款[2] - 在赤峰市，内蒙古八爪智能科技有限公司的“农作物芽期、苗期高质量数据集”以230万元挂牌交易，实现农业数据变现[2] - 这些案例表明数据要素服务能力已延伸至全区各盟市及辽宁省朝阳市，推动数据变现在不同领域和地区多点开花[2] 数商生态建设与平台发展 - 内蒙古数据交易中心入驻数据服务商达1000余家，上架数据产品超800款[2] - 数商生态涵盖数据资源供方、价值需方、技术支撑方、专业服务机构及科研院所等，形成了供需闭环、服务完备、产学研协同的生态矩阵[2] - 平台通过定向邀约、实地走访搭建对接场景，并深化与广州、大连等地数据交易机构的互联互通[2] 交易中心服务体系与跨区域合作 - 打造多维度服务体系，包括简化企业注册流程、提供办公空间与共享设施、精准对接算力资源、协助对接融资及数据资产质押融资[3] - 建立数据产品审核与监管闭环，发布《数据交易合规指引》[3] - 加入国家数据局互认互通推进组，链接25家外地数据交易机构，实现数据产品“一地上架、全国互认”[3] - 组织交流活动以促进供需精准对接[3] 数据资产化进展与未来规划 - 全区已为超百家数商提供了资产登记等服务，完成近20笔数据资产入表[3] - 平台数据确权登记的权威性已得到市场认可[3] - 未来将推动数据要素全域流通，目标是将更多“沉睡数据”转化为发展动能，并在全国数据要素市场建设中发挥作用[3]

文章核心观点 - 文章提出，通过“数据要素嵌入生产函数”模型来理解创新驱动，该模型强调从数据到知识的生产创造，以及知识技能在产业中的实践应用两个过程，政策应聚焦于构建创新环境和激励措施，以解决研发投入与经济增长不匹配的“规模效应悖论”，并加速科技成果向现实生产力转化 [1][2][3] 创新理论与模型 - 罗默的内生增长模型认为研发人员数量翻倍会导致经济增长率翻倍，但现实存在“规模效应悖论”，例如20世纪后半叶美国研发人员数量增长5倍以上，人均GDP增长率却保持相对稳定的约2% [1] - “数据要素嵌入生产函数”模型将数据作为新生产要素，其过程包含从数据到信息再到知识的生产创造，以及由知识形成的技能在产业中的实践应用 [2] - 新模型指出“罗默悖论”的一个主要原因是原模型假设知识产出与现有知识存量和研发人员数量成正比，而新模型通过“数据资产化函数”定义数据转化为知识技术的效果 [2] 知识生产与人才培养 - 知识生产与创造层面包括基础科学领域的理论创新和新技术，国家正在关键科技领域投入大量资源并扩大本、硕、博人才培养数量 [1] - 知识生产的核心是人力资本培育，关键是培养符合战略创新产业发展的高素质人才，而非仅看学历文凭，目前人力资本存在结构失衡、顶尖人才匮乏、论文数量多但原创少的问题 [2] - 教育科研政策重点应放在提高创新意识和能力培养，弥补创新环境短板，并辅以宽松少教条约束的管理体制 [2] 产业创新与技能应用 - 创新融合与实践层面是如何将知识应用于经济活动，需将科技创新转化为产业创新，视野应从传统“科技成果转化”拓展至“新生产函数”强调的广义技能 [3] - 企业家精神是激活管理技能、驱动产业创新的核心要素，创新政策应大力改善营商环境，为企业家松绑以释放其创新动能 [3] - 新生产函数构建了代表“无形资产投资”的函数，其包括了数字金融资本和数据资本，让第一阶段产生的数据产品等无形资产发挥投资功能是关键 [3] 数据资产与数字经济 - 数据资产入表体现了数据资本在企业经营中的投资作用，只有满足资本化条件的支出才能列入研发支出，这些数据资源将作为研发投入转化为商品和利润形式的投资收益 [4] - 越来越多的数据资产投入生产和研发，表明产业数字化程度提高，数据作为生产要素的角色越来越重要，这是数字经济的主要特征 [4] - 无形资产投资函数的另一维度是“数字金融资产”投资，数据要素将成为金融投资品的底层资产，金融投资品需适应其数据属性，主要以数据金融形式出现，如各类数字通证 [4] 数字金融与监管 - 从国际实践看，稳定币、RWA（真实世界资产）在一些国家发展速度很快，数字金融领域处在“跑马圈地”阶段 [4] - 那些具有大经济体量并已将数字金融纳入规范和监管的国家，有可能在数字经济时代率先取得先机 [4] - 未来预计将形成以数字金融资产为主的全球投资格局，金融监管政策应跟上潮流，稳步推进金融数字化以为数字经济发展提供动力 [4] 制度与政策影响 - 制度决定了资本投入的形式、方式和规模，进而影响知识创造和应用的广度、深度和速度，制度演进缓慢，但短期政策有可能突破现有边界 [5] - 可以在知识创造和生产方面进一步放松限制，鼓励自由思想和理论创新，同时在科技伦理方面加强对新技术应用的把关 [5] - 通过此类制度创新尝试，可以放大新生产函数的指数项，为创新驱动的新动能提供更强激励 [5]

文章核心观点 - 数据资产入表将驱动金融信息服务行业商业模式发生变革 该过程使数据在财务上“可见”和“可管” 并通过价值量化与产品创新 推动企业从数据资源管理者向数据资产价值运营者转型 从而强化企业核心竞争力 支撑行业在数字化竞争中持续发展 [1][2] 行业背景与现状 - 行业变革背景是数字经济有关政策的出台和人工智能等技术的发展 [1] - 当前金融信息服务行业以客户为导向的传统商业模式存在不足 [1] 商业模式变革动力与路径 - 数据资产入表为金融信息服务行业的商业模式变革提供了动力 [1] - 变革的具体操作路径包括：资产从隐性到显性、数据资产价值从定性到定量、产品创新从发散到聚焦 [1] - 中债估值中心的案例为行业提供了实践参考 [1] 未来展望与行业建议 - 随着数据要素市场不断成熟和相关管理制度持续完善 数据资产价值管理理论将进一步细化 更贴合行业特性与企业实际 [2] - 金融信息服务商应以数据资产入表为契机 构建长效价值增长机制 以助力行业在数字经济浪潮中实现更高质量的发展 [2]