要素与流通政策标准产业观察评论分析· 3879 字· 约7分钟阅读

数据资产,正在告别一口价

A
AI编辑团队AI 原创内容
2026-11-07 06:24 发布· 本文由作者与AI协作完成
本内容由人工智能生成,仅供研究参考,不构成投资建议。
💡

国家数据集团在雄安揭牌,数据要素改革从规则制定进入实体操盘;同期业界热议的分成定价模型,正在动摇传统静态估值框架。本文拆解两者如何咬合,以及分成定价落地前的四道坎。

10月20日,国家数据集团有限公司在雄安新区正式揭牌,位列央企名录第28位,成为我国数据领域首个国资运营主体。几乎同一时间,业内关于"数据资产到底该怎么定价"的争论也在升温——传统做法是先承认数据是一项资产,再努力给它标一个静态价格,而一套"分成定价"的思路正在挑战这个框架。我的核心判断是:前者给了数据要素一个"操盘手",后者则试图改写这门生意的结算方式。操盘手与定价机制,缺了任何一半,数据要素市场化都转不起来。

🏗️ 雄安落子:数据要素终于有了"国家队"

规则写得再漂亮,也需要有人下场做事。

10月20日的这次揭牌,信息量其实藏在几个细节里。其一,国家数据集团是央企名录第28位,主责主业写得很清楚——数据资源开发利用,填补了数据领域国资运营主体的空白。其二,它落户雄安新区,一座从规划之初就带着"数字城市"基因的新城。在多位产业界人士看来,选择雄安并非简单的地理决策:新建城市没有历史系统的包袱,公共数据授权运营的试验在这里最容易跑通。

官方表述里最关键的一句话,是数据要素市场化配置改革从"规则制定"迈入"实体操盘"。过去几年,数据二十条、数据入表、数据交易所铺开,都是规则的搭建;但规则不会自己长出交易,公共数据授权运营需要一个具体的、有预算、有考核、能签合约的主体去推进。

一位接近数据要素政策研究的人士私下对笔者说过一句话,颇有代表性:"过去谈数据要素,大家都在讲应该怎样,现在终于有一个组织会被追问'你做到了没有'。"

但这里有一个绕不开的问题:一旦开始"操盘",就必然要定价。公共数据授权给谁、授权价格怎么算、收益怎么在政府、平台、使用方之间分配——这些问题在纯规则层面可以含糊,在实体运营层面必须给出答案。而这恰恰撞上了数据定价的老大难。

💰 数据估不准,因为它根本不像资产

数据的第一个特性,就是拒绝被当作一锤子买卖。

过去几年,数据要素、数据资产、数据入表和数据交易是热门话题,但许多讨论仍停留在一个传统框架里:先把数据看作一项可被拥有的资产,再试图给它确定一个静态价格。这个思路的问题在于,数据不同于土地、设备和矿产——它不会因为被使用而损耗,可以被无限复制,边际使用成本趋近于零,甚至越用价值越大。

把这个属性翻译成定价语言就是:数据的价值不是一个确定的数,而是一个随使用场景、使用频次、组合方式不断变化的函数。同一批数据,放进风控模型是一个价值,放进大模型训练语料是另一个价值,闲置在存储里则接近零。

这解释了为什么数据入表之后,很多企业陷入了尴尬:账上记了一笔可观的"数据资产",市场上却找不到愿意按账面价接盘的买方。会计意义上的入表解决了"能不能记",但没有回答"值多少、怎么变"。

产业逻辑上看,数据的"资产性"并不来自数据本身,而来自场景。离开场景谈数据估值,就像离开地段谈土地价格。这也就意味着,任何试图在交易前给数据锁定一个永久价格的做法,都注定与数据的本质属性错位。

📊 分成模型:把定价从"事前"挪到"事后"

与其猜数据值多少钱,不如约定赚钱之后怎么分。

在近期关于AI与机器人价值评估的讨论中,一套"数据资产分成定价模型"被作为总结性方案提出:数据供方不再一次性卖断,而是与需方约定,按数据投入使用后产生的效果或收益持续分成。这个思路直接回应了前文的结构性问题——它把估值的时点从事前挪到了事后,把不确定性从"猜价格"转化为"分收益"。

把四种主流定价方式放在一起对比,分成模型的独特性更清晰:

定价方法基本思路适用场景主要局限
成本法按采集、加工、存储成本计价内部成本核算、入表底价与市场价值严重脱节
收益法折现数据未来现金流有稳定变现路径的存量数据假设链长,主观性强
市场法参考可比交易价格交易所内高频标准品可比样本稀缺
分成模型按使用后收益持续分配AI训练数据、高不确定场景依赖可信计量与长约

分成模型的产业逻辑,本质上是激励对齐:数据供方有动力持续更新、保证质量,因为质量直接关系自己的后续分成;数据需方敢于用高质量数据,因为不必为不确定性预付全额对价。对于训练数据、行业语料这类"用了才知道好坏"的数据商品,这是目前少数逻辑自洽的结算方式。

据多位与数据交易机构接触较多的业内人士反馈,市场上已经出现了"按调用量计费""按模型效果阶梯分成"这类交易结构的探索,只是规模尚小、缺乏统一范式。而范式,恰恰需要有人来定。

🔗 实体操盘 × 分成定价:两个齿轮终于咬合

运营主体提供信用,分成机制提供动力,缺一不可。

把两条线索拼起来看,事情变得有意思了。国家数据集团要做公共数据授权运营和交易撮合,最怕的就是每笔交易都陷入"这个价格怎么来的"的无尽扯皮;分成模型要规模化推广,最缺的是可信的计量、存证和结算基础设施,以及一个足以让各方签约的信用锚。两者恰好互补。

一条完整的价值闭环大致是这样的:

而支撑这条闭环的生态,涉及的角色远比"买卖双方"复杂:

从这个结构看,国家数据集团最有价值的角色可能不是"最大的数据卖家",而是公共数据授权运营的组织者、交易规则的执行者、收益分配的基准发布者。一旦这类主体开始公布行业参考分成区间,逐笔谈判的交易成本会显著下降。

业界的一种私下判断是:数据要素真正的放量,不取决于交易所挂牌数量的多少,而取决于有没有一种"签了约、算得清、分得明"的标准交易结构被反复复用。分成模型若能成为这个标准结构,实体操盘手的存在感才真正落地。

⚠️ 别急着欢呼:分成不是万能药

好模型死于烂账本,是数据行业的常见剧本。

当然,分成定价模型远未到宣布胜利的时刻。它把估值难题转化成了分配难题,而分配难题同样棘手:

分成定价落地的四道坎
痛点 1
计量难:数据被用了多少、贡献多大,缺乏可信账本
→
解法
以接口调用量、任务完成量等可验证指标作为计量锚点,并引入第三方存证
痛点 2
记账难:波动的分成收入与静态的数据资产入表规则存在张力
→
解法
将分成合约视为长期合同性资产,按可收回性分期确认,与会计处理衔接
痛点 3
议价贵:每笔交易都要单独谈分成比例,交易成本高
→
解法
由运营主体发布行业基准分成区间,形成可复用的标准合约模板
痛点 4
责任糊:数据质量出错、涉敏风险出现时责任边界不清
→
解法
在合约中约定数据质量承诺与更新义务,明确安全责任分层

这四道坎里,最硬的是计量。分成模型成立的前提是"用得清",如果数据的每一次使用都无法被可靠记录和验证,分成比例就是纸面上的善意。这也意味着,隐私计算、可信存证、链上分账这类基础设施,会从"锦上添花"变成分成交易的"入场券"。

其次是财务与监管的衔接。数据入表规则当前偏静态,分成收入却是动态的,两者的会计口径如何协调,需要规则层面的跟进。国家数据集团作为实体操盘方,一个隐性职责就是把这些落地摩擦反馈回规则制定端,形成"运营反哺规则"的循环。

🧭 写在最后。数据要素改革走到今天,最缺的从来不是概念,而是能把概念变成现金流的结构。国家数据集团在雄安的揭牌,给这个市场补上了"谁来操盘"的答案;分成定价模型的兴起,则在回答"怎么结算"。前者是骨架,后者是关节。可以预见,未来一两年,公共数据授权运营的首批分成合约、行业基准分成区间的首次发布,会比任何论坛上的口号更值得观察——数据要素的市场化,最终是用一份份能履约的合同写成的。