文章核心观点 - 美国研究员库肯指出，美国在数据治理和估值方面严重滞后，拒绝正式承认数据的巨大经济价值并将其列为资产，而中国已率先将数据列为生产要素并推进资产化实践，两国数据战略存在巨大差异 [1][5][6] 中国数据资产化实践与进展 - 中国是全球首个将数据列为生产要素的国家，并于2024年施行《企业数据资源相关会计处理暂行规定》，允许企业将符合条件的数据资源确认为无形资产或存货并纳入资产负债表 [1] - 作为实践案例，中国联通在新规实施后首次申报中，将价值2.04亿元人民币的数据资产入账 [1] - 中国已建立相应的数据管理机构，并积极开展数据资产化的实践探索 [5][6] 美国数据治理现状与问题 - 美国官方机构（如美中经济与安全评估委员会）认为数据资产的实际市场价值“难以确定”，拒绝正式承认其资产地位 [1] - 美国数据经纪行业每年通过买卖企业资产负债表未体现的信息，创造超过2000亿美元的营收 [2] - 当前美国公认会计准则下，海量数据的价值未被量化，仿佛不存在，导致经济现实与会计处理之间存在巨大鸿沟 [2][6] - 美国联邦数据政策体系杂乱、实操标准不一，缺乏系统化的数据估值框架和保护规则 [5] 数据的经济价值体现 - 每个美国人的“隐形数据档案”对广告商、保险公司和政治竞选团队而言价值数百美元，影响着信贷审批、保险保费定价和网络广告投放 [2] - 在破产案例中，客户数据常是企业最具价值的资产，例如无线电小屋（RadioShack）破产时，其1.17亿条客户记录的所有权引发了法律纠纷 [2] - 数据是人工智能的核心生产原料，其价值亟待量化 [4] 改进建议与呼吁 - 提议美国财务会计准则委员会制定数据资产确认标准，美国证券交易委员会出台重大数据资产持有情况的信息披露要求 [6] - 呼吁美国国会强制联邦各机构对其数据资产进行价值评估，州和地方政府也应跟进 [6] - 强调美国应学习中国，正视差距，将数据列为资产并量化其价值，否则将错失巨大经济机会 [1][6]

核心观点 - 《中华人民共和国国有资产法（草案）》已于2026年1月25日结束公开征求意见，这是国家基本法律层面首次将数据明确定义为“资产”，为数据的估值、入表、交易、抵押提供了根本大法依据，解决了长期制约数据要素市场发展的“产权之困” [1][3][11] - 该草案标志着数据要素从理论概念、政策对象向法定权利客体的关键一跃，其影响深远，意味着国家的资产观从工业时代的“有形实体”跃迁至数字时代的“无形要素”，为中国抢占全球数字经济制高点筑牢了制度基座 [4][6][16] - 草案通过多项关键条款构建了国有数据资产管理的治理闭环，为数据要素安全、高效参与国民经济循环注入制度动力，标志着中国数字化建设正从分散的政策推动迈向法治化、规范化的新阶段 [7][10][20] 制度演进与法律定位 - 数据资产的法律地位实现历史性突破：从2019年被列为生产要素，到2026年《国有资产法（草案）》在国家立法层面首次正式确认其“资产”属性并纳入法律监管范畴 [1][3][14] - 草案第八条创造性地提出包容性的“其他国有资产定义”，为数据等新型资产预留了法律接口，体现了立法的前瞻性与系统性 [4][15] - 草案第六十一条明确赋予数据资产与其他类别资产（如不动产、动产、金融资产）并列管理的法律地位，实现了从“数据要素”到“数据资产”的关键一跃，为后续市场化操作扫清了根本性法律障碍 [4][9][15][19] 关键条款与管理框架 - **明确管理责任（第十八条）**：首次在法律层面明确国家机关和事业单位负有主动管理其履职形成的数据资产的职责，将社保数据、地理信息、交通流量、政务服务记录等公共数据升格为需严格管理的国有资产，改变了以往权责模糊的状态 [7][17] - **升级监管手段（第四十一条）**：要求国务院和地方政府统筹建设国有资产数字化监管体系，实现对资产存量、流量、价值与风险的实时感知与智能分析，推动监管从事后反映走向事前预警、事中干预的动态精准治理模式 [8][9][18][19] - **确立平等地位（第六十一条）**：作为支柱性条款，确保数据资产在统计、登记、收益上缴、转让、责任追究等所有管理环节适用与实物及金融资产相同的法律规则与标准 [9][19] 市场影响与产业意义 - 为构建统一规范的数据要素市场提供了不可或缺的前提，数据的估值、入表、交易、抵押、审计和责任追究将拥有根本性的法律依据 [1][5][11] - 推动公共数据管理思维从简单的信息保管向系统的资产运营转变，为数据的安全共享与高效利用奠定基础，并与“数据资源持有权、加工使用权、产品经营权”三权分置的产权框架形成深度呼应 [7][8][17][18] - 在国际上属于首创，目前国际上尚无相关法律明确将数据作为资产，此举将在全球数据要素制度建设方面迈出重要且关键的步伐 [11][20]

核心监管政策 - 财政部、国务院国资委、国家金融监督管理总局、中国证监会四部门联合发布通知，要求严格执行企业会计准则，规范企业2025年年报工作 [1] - 政策核心在于要求企业以成本计量内部形成或外购的数据资源，不得将以评估等方式得出的金额直接作为入账和调账依据 [1] - 此举旨在为数据资产估值乱象戴上“紧箍咒”，重塑数据资产的估值逻辑与体系，实现数据资产价值的有效治理 [1] 数据资产入表现状 - 自2024年《企业数据资源相关会计处理暂行规定》落地以来，A股数据资产入表热情持续高涨 [1] - 2025年三季报显示，101家A股上市公司披露的数据资产规模合计达29.71亿元 [1] - 入表公司数量和规模同比增幅均接近翻倍 [1] - 热潮之下，数据资产估值缺乏统一行业标准，加大了资产泡沫风险 [1] - 例如，不同企业对同一类数据资产的评估差异巨大，上市公司披露的摊销年限从2年到15年不等，主观判断空间极大 [1] 监管关键举措：严格成本计量与信息披露 - 严格成本计量：规定数据资产入账价值以实际发生的、可直接归属于该资产的支出为依据，彻底摒弃对未来价值的虚幻预期 [2] - 此举将数据资产价值锚定在历史成本上，从源头上遏制资产泡沫滋生 [2] - 新规封堵了将评估价值直接计入资产负债表的路径，但允许企业在财务报告附注中详尽披露数据资产的评估方法、关键假设和估值模型 [2] - 强化信息披露：要求企业详细披露数据资产的分类、计量方法、使用寿命、减值情况等关键信息 [3] - 这增加了透明度，减少了信息不对称，便于投资者和监管机构了解数据资产真实状况 [3] 监管关键举措：禁止追溯调整与年度减值测试 - 禁止追溯调整：规定不得将前期已经费用化的数据资源重新资本化，堵住了企业翻旧账的口子 [2] - 此举有效保障了财务数据的真实性和可比性 [2] - 年度减值测试：要求无论数据资产是否存在减值迹象，每年都必须进行测试 [2] - 若数据因过时、实用性下降等原因导致价值贬损，则必须计提减值，下调账面价值 [2] - 此举确保数据资产的价值能够动态、真实地反映其当前实际效用 [2] 政策影响与市场意义 - 四大举措精准发力，将彻底挤出数据资产估值中的水分与泡沫 [3] - 对投资者是重大利好，财报“水分”被挤干，财务数据真实性和可比性得到保障，投资决策时踩中估值虚高陷阱的风险大幅降低 [3] - 对会计师事务所等中介机构，新规提供了清晰、可执行的操作指南，使其审计工作有章可循，能更有效地履行“看门人”职责 [3] - 政策将引导市场形成对数据资产价值的理性认知，推动行业从“估值狂欢”转向“价值创造”的健康发展轨道 [3] - 最终有助于实现数据要素在资本市场中的良性循环和有效配置 [3]

文章核心观点 - 数据资产是制造业数字化转型的核心驱动力与战略资源，高质量、可治理、结构化的数据资产是企业优化生产、提升管理效率、实现智能决策和商业模式创新的基础[1] - 报告构建了数据资产从“业务数据化”到“数据资源化”再到“数据资产化”的三阶段演进路径，并系统阐述了其内涵、分类、关键技术与典型应用[1][8] - 以苏州制造业为例，数据资产的应用已带来显著效益，例如某服装企业实现“一人一版”定制后，订单响应周期和产能均提升50%[1] - 当前制造业在数据资产管理中面临数据孤岛、标准缺失、人才匮乏、安全顾虑及价值实现路径不清等挑战，报告提出了构建工业互联网生态、夯实数据质量、推动“经验驱动”向“数据驱动”转变等系统性对策[2][9] 数据资产概念、分类与特征 - 数据资产广义指企业生产经营中产生的各类数据，狭义指企业合法持有或控制、能带来经济效益的信息资源[16][17] - 按数据处理阶段可分为原始类、过程类和应用类数据资产[17] - 按来源和权属可分为公共数据、企业数据和个人信息数据[18][19] - 数据资产具有非实体性、可复制性、样式多样性、可加工性、价值易变性、多主体性、可共享性和隐私风险性等八大关键特征[21][22][23][24] - 数据资产价值评估主要采用收益法、成本法和市场法[24][25][26] 数据资产关键技术支撑 - 区块链技术是数据资产可信流通的基石，通过不可篡改、时间戳等技术确保数据安全与确权，跨链技术促进数据互联互通[27][28] - 人工智能技术（如AIGC）能生成文本、图像等数字内容，结合区块链可转化为高价值数字资产，其数据分析能力也应用于风险评估和决策支持[29][30] - 虚拟现实技术可用于构建高价值的数字化知识资产（如三维模型、设备运维手册），并提升其感知价值与市场价值[30] - 数字身份验证、物联网、加密计算等其他技术相互协作，共同构筑可信、安全的数据资产管理技术框架[30][31] 数据资产化阶段与实施路径 - 数据资产化过程分为三阶段：业务数据化（侧重数据采集）、数据资源化（侧重数据治理与价值挖掘）、数据资产化（推动数据确权、定价与流通）[32][33][36] - 业务数据化阶段的数据来源包括第一方数据（企业自身）、第二方数据（产业服务商处理）和第三方数据（从公开渠道获取）[34][35] - 报告总结了14步实施路径，涵盖数据生产采集、资源盘点、合规审查、分类分级、产品加工、质量评估、价值评估、合规登记、产品流通、存证流通、安全管理、资源入表、资本化应用及资产运营[39][40][41] 数据资产在制造业的典型应用场景 - **生产过程优化**：通过物联网与数据分析实现预测性维护，预计到2024年可为全球制造业节省约6300亿美元，目前采用率已达50%[42][43] - **生产过程优化**：构建数字孪生可优化产线与资源配置，预测到2025年超过60%的大型制造业将使用数字孪生，全球市场规模将达305亿美元，其中制造业占比超40%[43] - **生产质量提升**：通过全面收集分析质量数据，并借助人工智能视觉识别技术提升检测效率[43] - **生产质量提升**：借助社交媒体等多渠道用户反馈数据，分析产品性能与用户体验[44] - **柔性定制生产**：例如某服装企业依托工业互联网平台实现“一人一版”定制，使订单响应周期缩短50%，产能提升50%[1] - **供应链协同管理**：数据资产有助于实现供应链协同[12] 苏州制造业数据资产管理面临的挑战 - 普遍面临设备协议不统一导致的“数据孤岛”问题[13] - 存在标准缺失引发的“一物多码”现象，数据质量参差不齐[2][13] - 缺乏专业的数据管理人才，制约数据资产管理体系建设[2][13] - 存在数据安全与隐私保护顾虑，阻碍数据共享[2][13] - 多数企业尚未厘清数据资产的价值实现路径[2][13] 对苏州制造业数据资产管理的对策与建议 - 构建工业互联网生态，系统性破解转型瓶颈[2][15] - 夯实数据质量基础，推进DCMM（数据管理能力成熟度模型）贯标[2][15] - 推进智能制造与自动化，打造行业垂直领域语料库[15] - 推动企业从“经验驱动”向“数据驱动”转变[2][15] - 提升数据管理能力，打通数据资产价值实现路径[15] - 以标准为引领推动智能工厂标准化，并强化数据安全与隐私保护[2][15] - 通过数据资产入表等创新举措，促进数据资源赋能制造业[2][15]

数据资产入表总体情况 - 截至2025年三季度，国内已有375家非上市公司披露数据资源入表情况，获得融资金额18.99亿元 [1] - 截至2025年8月31日，A股109家上市公司披露数据资源入表事项，涉及入表金额26.40亿元，总体规模稳健增长但增速环比有所放缓 [3] - 非上市公司数据资产入表工作整体平稳推进，但增速明显趋缓，企业实践和信息披露行为变得更加审慎 [1] 非上市公司数据资产入表详情 - 地方国企是数据资产入表主力军，310家地方国企占累计入表企业总数82.67%，累计融资额达17.10亿元 [2] - 民营企业入表数量为51家，央企为10家，事业单位和中外合作企业分别完成3家和1家 [2] - 非上市公司业务类型广泛，信息传输软件和信息技术服务业、租赁和商务服务业、交通运输仓储和邮政业、电力热力燃气及水生产和供应业四大行业占企业总数75.50% [2] - 数据类别以交通运输类、政府数据和公用事业类入表数量位居前三，交通运输类数据领先优势突出 [2] - 企业区域覆盖面持续扩大，全国27个省级行政区实现非上市公司数据资产入表突破，山东和江苏保持领先 [2] 上市公司数据资产入表详情 - 上市公司主要将数据资源计入“无形资产”科目，101家公司计入无形资产金额达17.06亿元，3-5年直线法摊销占主流 [3] - 金融业上市公司入表数量显著增长，较2024年末增加33%，涉及金额0.54亿元，主要集中在银行和证券公司 [3] - 三大电信运营商贡献突出，入表金额合计达16亿元，占市场总规模60.7% [3] - 上市企业区域覆盖度持续提升，已覆盖25个省级行政区，高市值上市企业入表数量持续增多，国资背景企业入表数量反超民营企业 [3]

企业数据资产入表总体进展 - 上市公司和非上市公司数据资产入表总体规模稳健增长，但增速有所放缓 [1] - A股上市公司数据资源入表公司数量由2024半年度的40家、2024年度的100家增加至2025半年度的109家 [1] - A股上市公司入表总额由2024半年报的13.61亿元、2024年度的21.64亿元增加至2025半年度的26.40亿元 [1] 上市公司入表情况 - 101家公司将数据资源计入无形资产，金额达17.06亿元，3至5年直线法摊销仍占主流 [1] - 上市公司无形资产中的数据资源产生方式以自行开发为主 [1] - 金融业入表企业数量较2024年末显著增长33%，共涉及金额0.54亿元，主要集中在银行和证券公司 [2] - 三大电信运营商入表金额合计达16亿元，占市场总规模的60.7% [2] - 数据资产入表的上市企业已覆盖25个省级行政区，高市值上市企业入表数量持续增多 [2] 非上市公司入表情况 - 截至2025年9月30日，国内已有375家非上市公司披露数据资源入表情况 [2] - 非上市公司已获得融资（包括银行授信、作价入股等形式）金额18.99亿元，但增速明显趋缓 [2] - 地方国企继续担当主力军，310家地方国企占累计入表企业总数的82.67%，其累计融资额达17.10亿元 [3] - 民营企业以51家的数量紧随其后，央企入表数量刚满10家 [3] 行业与区域分布特征 - 非上市公司入表企业数量领先的行业是信息传输、软件和信息技术服务业，租赁和商务服务业，交通运输、仓储和邮政业，以及电力、热力、燃气及水生产和供应业，占企业总数的75.50% [3] - 从数据类别来看，交通运输、政府数据和公用事业类入表数量位居前三 [3] - 全国已有27个省级行政区实现非上市公司数据资产入表突破，山东和江苏保持领先 [3] - 超过半数非上市公司选择在本省市地方平台完成数据资产登记 [3] 入表企业特征 - 入表国资背景企业数量反超民营企业趋势 [2] - 非上市公司中入表地方国企的行政级别以地市级为主 [3] - 科技属性成为突出特征，入表科技企业数量占企业总数的33.60% [3] 入表工作面临的挑战 - 企业数据资产融资行为相对于数据资源入表有所滞后 [2] - 数据资产入表从相对容易的"单点突破"走向难度更高的"整体推广"，企业面临的挑战更高 [2] - 顶层设计与企业实践存在落差，具体的确权细则、估值标准、审计口径等仍存在大量空白或模糊地带 [4] - 企业投入与预期收益匹配存在不确定性，大规模入表后数据资产能否顺利实现其账面价值存疑 [5] - 信息披露与商业秘密之间需平衡，过度披露存在泄露商业秘密和削弱竞争优势的风险 [5]

制度创新成果 - 新疆自贸试验区挂牌两年已形成三批共72项省级制度创新成果 [1] - 制度创新成果覆盖贸易便利化、投资便利化、人员流动便利化、政府管理创新、金融开放创新、产业发展、营商环境、事中事后监管8大领域 [2] 贸易便利化与效率提升 - 打造国内首个关区内保税航油全流程监管体系，累计服务航班超9400架次，供给能力以月均18%的增速快速扩容 [2] - 实施自驾出口商品车"二维码"快速通关模式，使通关效率提升80% [2] 国际合作与产业发展 - 喀什片区与吉尔吉斯斯坦纳伦州自由经济区合作共建国际产业园，探索"平台+园区""机构+企业"的共享发展模式 [3] - 乌鲁木齐片区首创"商务+技术"模式推动飞机保税维修业务落地，并创新果蔬出口综合服务模式，使单箱成本降低15% [3] - 霍尔果斯片区试点中医药文化跨境服务、跨境旅游自驾单证服务等新模式，拓展医疗、文旅、数字领域国际合作 [3] 营商环境与金融创新 - 通过发放"红山英才卡"、实施积分制人才评价，为高层次人才提供百余项专属服务 [3] - 创新推出数据资产、"惠贸贷"等多种融资工具，有效缓解中小微企业融资难题 [3] - 搭建的跨境结算平台已支持包括卢布在内的18种货币交易 [3] - 建立"法智谷"涉外法律服务平台，为企业提供全方位法律支持 [4]

合作签约核心事件 - 人民数据与中国电子技术标准化研究院于11月2日正式签约，达成战略合作伙伴关系 [1] 合作内容与目标 - 合作将聚焦数据要素市场化配置核心需求，在数据基础体系与标准构建、数据应用与安全治理、数据生态培育与运营等多领域开展深度合作 [3] - 双方将依托各自在数据资源运营、标准化研究领域的核心优势，共同推动数据标准体系完善、数据价值释放及产业生态繁荣 [3] 合作方背景 - 中国电子技术标准化研究院是工业和信息化部直属事业单位，是国家从事电子信息技术领域标准化的基础性、公益性、综合性研究机构 [3] - 人民数据是人民网旗下平台，聚焦数据交易、数据资产、数据应用、数据研究四项核心业务，今年8月入选两项数据标准/技术文件验证试点典型单位 [3] 活动背景与未来规划 - 签约是“人民路演——数据赋能农业产业高质量发展专题交流”活动的重要成果，该活动是“人民网百日AI直播活动”的重要组成部分和延伸实践 [4] - 该专题交流作为2025年“人民财经论坛·企业家大会专场活动”的前奏，旨在搭建政企沟通平台，促进地方发展需求与行业优势资源精准对接 [4] - 人民数据将通过持续开展“数智赋能地方产业高质量发展”系列专题交流等活动，促进政产学研用资源深度融合，助力地方完善产业链布局 [4]

公司动态 - 北京三维天地科技股份有限公司中标中国—东盟信息港股份有限公司2025年系统平台建设服务采购项目，该中标代表客户对公司技术和产品实力的认可[1] - 公司计划通过完成项目积累实施经验，争取未来更广泛参与各地数据资产开发、流通、交易各环节的建设[1] - 深圳市宇顺电子股份有限公司拟通过支付现金方式购买中恩云（北京）数据科技有限公司等公司股权，以进入数据中心市场，扩展公司未来增长空间并提高盈利能力[4] 数据资产战略价值与行业趋势 - 数据资产的战略价值已成为企业核心竞争力的关键构成，数据要素市场化进程正在加快[1] - 企业对数据资产的开发与运用力度显著加大，应用领域从单一业务环节延伸至融资、产业整合、业务创新等多个关键领域[3] - 数据资产证券化进程加速推进，自今年4月份首单数据资产ABS成功发行以来，累计已有4单数据资产（赋能）ABS落地，合计发行规模达17.74亿元[3] - 在产业整合领域，数据资产已成为并购重组的重要标的，企业通过收购拥有稀缺数据资源的主体来快速补齐自身数据短板[3] 数据资产入表现状与进展 - 得益于政策支持与引导，企业数据资产入表进程显著加快，在披露规范性、计量标准化等方面不断优化[6] - 共有102家A股上市公司在2025年半年报中明确披露数据资产相关信息，涉及数据资产规模合计达56.37亿元[6] - 与去年同期相比，数据资产入表的上市公司数量及规模分别同比增长137.21%和74.79%[6] - 多数公司披露了数据资产的类别、入表金额、形成来源及合规性说明，并建立了成本归集、摊销计提等会计核算流程[6] 数据资产入表面临的挑战 - 数据资产入表面临数据合规性与权属界定模糊、成本与价值计量困难等现实阻碍[2] - 实践中仍面临资产权属问题、预期收入难以评估、数据资产核算规则尚待完善和数据资产管理制度不健全等难题[6] - 部分上市公司的数据资产入表存在"重形式、轻实质"的问题，仅将数据采集成本、存储费用等简单归集，未充分考虑数据清洗、治理、建模等环节的隐性成本[7] 政策支持与引导 - 各地通过"激励+指引"的双重政策发力，精准呼应企业在数据资产化进程中的实际需求[1] - 广东东莞推出现金奖励机制，引导企业主动攻克数据要素"首评估、首入表、首开放"过程中的关键难点[4] - 江苏省财政厅出台《企业数据资源入表指南》，为企业数据资源规范化梳理、合规化入表提供清晰的操作路径与专业指导[4] 专家观点与建议 - 数据资产入表是激活数据要素价值的必要前提之一，必须突破法律关、会计关与市场关三大核心关卡[2] - 需加快完善数据领域法律法规，明确数据权属规则，构建行业公认的评估框架并开发动态评估模型[2] - 企业自身应强化数据治理能力建设，建立数据资产台账与风险管控机制，确保入表数据的合规性与安全性[8] - 建议监管部门适度加强对上市公司数据资产披露的监督指导，对披露不规范、数据造假等行为加大惩戒力度[8]

核心观点 - 数据作为第五生产要素具有非竞争、可复制、无限增长特性 其价值挖掘需依赖政策框架与市场化体系 通过政产联动推动数据要素市场发展[1] - 国内数据要素市场预计以20.26%复合增长率增长 2028年突破3000亿元 其中数据处理环节规模达1440亿元[6] - 数据价值链流通涵盖合规确权、登记、评估、入表、交易、资本化及通证化七个环节 形成完整价值释放体系[11][13][16][19][21][23][25] 行业现状 - 政策指导与产业建设共同推动数据要素市场体系完善 行业向更高价值政产联动迈进[2] - 数字经济规模从2017年27.2万亿增长至2023年53.9万亿 复合增长率12.07% 2024年核心产业增加值达13.49万亿元 占GDP10%[6] 政策体系 - 数据二十条政策明确三大数据源分类分级确权制度 划分数据资源持有权、加工使用权与产品经营权[11] - 建立1+3政策体系推动公共数据资源管理 通过国家公共数据资源登记平台实现全国一体化登记[13] 市场规模 - 数据要素市场复合增长率20.26% 2025年达2000亿元 2028年突破3000亿元[6] - 金融业占比约三分之一 互联网产业占比20% 通讯、制造、政务、医疗、交通等行业持续提升规模[28] 价值链流通-合规确权 - 数据要素权属体系建设是价值链流通前提 数据二十条政策完善确权制度但实践仍存在公共数据开放不足、企业流通受阻等问题[11] 价值链流通-数据登记 - 数据资源由行政事业单位登记 数据产品及资产由交易机构登记 公共数据通过国家平台实现全国互联互通[13] 价值链流通-价值评估 - 2019年发布数据资产评估指引开启计量时代 2024年6月发布公共数据价值评价标准填补领域空白[16] - 数据价值易变性导致评估复杂 需阶段性评估调整 市场公允价值评估依赖信息透明度与专家主观判断[17] 价值链流通-资产入表 - 2024年会计处理暂行规定实施 数据资源以无形资产等形式入表 改善企业资产负债结构[19] - 上市企业数据入表数量提升 主要应用于对外服务、内部降本增效及AI开发 但交易流通活跃度不足[19] 价值链流通-资产交易 - 数据交易呈现内冷外热模式 场外交易占主导 政策调整为场内场外协调发展[21] - 五大头部交易所在交易规模、标准制定等领域发挥主导作用 但场外交易面临安全与合规问题[21] 价值链流通-资本化应用 - 数据资本化优化企业融资渠道 特别服务科技企业 实现科技-产业-金融循环[23] - 金融杠杆同步扩大数据价值属性与市场风险 需动态评估把控风险[23] 价值链流通-资产通证化 - RWA将实物资产转化为数字资产 RDA通过四大创新模式将数据转化为金资产[25] - DCB体系以交易底链、资产链与价值链组合保障通证化安全推进[25] 产业实践-金融业 - 多元数据融合提升风控、营销、投资业务表现 金融机构技术输出助力中小企业转型[30] - 金融数据要素规模以19.06%复合增长 2028年突破1000亿元 五大数交所上架2060款金融数据产品[31] 产业实践-工业制造业 - 可信数据空间与高质量数据集推动产业由规模红利向数据红利转型[34] - 工业数据要素规模以24.22%复合增长 从2025年157亿元增长至2028年302亿元[34] 产业实践-医疗健康业 - 医疗数据推动三医产业协同发展 提升资源配置与服务效率[36] - 医疗数据要素规模以23.69%复合增长 2028年突破250亿元 需关注个人数据安全合规[36] 行业趋势-高质量数据集 - 高质量数据集为AI产业提供关键要素 2025年行动方案将其作为重点布局对象[39] - 截至2025年上半年建设数据集524个 规模超29PB 服务163个大模型[39] 行业趋势-可信数据空间 - 可信数据空间实现数据可用不可见下的价值共创 2025年出台发展行动计划[42] - 首批试点63个项目涵盖13城市、22行业、28企业 2028年计划建设超100个可信数据空间[42]