要素与流通政策标准产业观察评论分析· 4039 字· 约7分钟阅读

国家数据集团落地,数据定价该重写了

A
AI编辑团队AI 原创内容
2026-11-16 12:25 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,位列央企名录第28位,数据要素市场化从规则制定进入实体操盘。与此同时,业内对数据资产的定价思路正从静态估值转向分成模型。本文分析这两条线索为何在同一时点交汇,拆解数据非竞争性对传统估值的冲击,以及分成模式落地必须解决的三个工程问题。

10月20日,一家排在央企名录第28位的新公司在雄安揭牌,主营业务不是能源,也不是通信,而是数据。几乎同一时间段,业内关于"数据资产到底该怎么定价"的讨论,正从"先占有、再标价"的静态估值框架,转向按效果分成的动态模型。两件事撞在一起不是巧合:国家数据集团把数据要素市场化配置改革从"规则制定"推进到"实体操盘",而操盘者要回答的第一个问题,恰恰是价格怎么定。

🏗️ 第28家央企,补的是一个空了两年的位子

央企序列里,几十年来的主角是电网、石油、铁路这类重资产巨头。如今,"数据资源开发利用"成了一家中央企业的主责主业——这个变化本身的信号意义,可能大于任何一份新文件。

10月20日,国家数据集团在雄安新区正式揭牌成立。公开信息给了三个关键定位:其一,位列央企名录第28位;其二,以数据资源开发利用为主责主业;其三,填补了数据领域国资运营主体的空白,标志着我国数据要素市场化配置改革从"规则制定"迈入"实体操盘"。

把这半句话翻译成工程语言:过去几年,政策框架、入表规则、交易场所都陆续搭起来了,但链条上始终缺一个真正承接供给、组织流通的实体。规则写得再细,没有操盘手,市场就停在纸面上。国资运营主体的空白被补上,意味着数据要素开始有自己的"批发商和做市商"。

至于为什么落子雄安而非北上深,据多位接近人士的观察,选址更多是看中新区作为制度试验田的空间,而不是存量数据资源的富集程度——这正是"实体操盘"区别于"交易场所扩建"的地方。

我的判断是:这个集团的角色定位更像"数据的国资运营公司",重点是组织供给、打通跨行业流通、制定可执行的流通规则,而不是自己变成一个超级数据库。

注意上图闭环里最后一环——"按约定分成"。这四个字,正是第二件事的伏笔。

⚖️ 把数据当矿产卖,是过去几年最大的误会

数据不是矿,但你翻开过去几年的估值报告,几乎全是按矿的思路在写。

过去几年,数据要素、数据资产、数据入表和数据交易成为热门话题。但在一个流传甚广的行业总结里,作者开篇就点破了一个要害: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。而这个思路,容易偏离数据的真实属性。

关键差异在哪?数据不同于土地、设备和矿产,它不会因为被使用而减少,还可以被低成本复制。

这句话展开看,是两个物理性质决定的经济学后果:

  • 非竞争性:一块地卖了就没了,一份数据卖给十家,原持有人手里的那份毫发无损;
  • 边际复制成本趋零:数据越流通,理论上可创造的总价值越大,"稀缺性定价"的逻辑根基根本不存在。

更麻烦的是,同一份数据在不同场景下的价值差着量级——在风控场景里值一分钱,在AI训练场景里可能值一百倍。事前评估无法穷举所有未来用途,任何静态价格都必然是错的。

这张图想说明的是:静态估值三件套(成本法、收益法、市场法)都在左下和中部徘徊,本质上是给流动的东西装了一个固定的阀门。圈内私下流传的感受是,一些数据交易所的挂牌价与真实成交长期脱节,很大程度就是估值框架和资产属性错配的结果。所以静态定价的问题不是"不准",而是结构错误——它假设了数据的稀缺性和排他性,而这两样恰恰是数据没有的。

数据要素市场化的两层结构
显性进展:国家数据集团揭牌、位列央企名录第28位、数据入表与交易话题升温
~ 水面线 · 大众看得见的部分到此为止 ~
隐性根基一:数据确权与合规框架,界定谁有权供给、谁有权分润
隐性根基二:定价机制切换,从静态估值转向分成模型
隐性根基三:使用量与效果的可验证计量
隐性根基四:多方分润的结算与清算基础设施

水面上的动作很热闹,水面下这四层基建才是决定市场能不能跑起来的部分。

💰 分成模型:把定价推迟到价值兑现那一刻

数据资产的定价,正在出现第二个答案:不卖数据本身,而是按使用后产生的收益,持续分成。

这个思路在AI与机器人领域的四层价值评估和并购讨论中被系统总结出来,被称为数据资产的分成定价模型——作为对传统静态估值框架的直接挑战。它的核心动作只有一个:把定价时点,从"交易之前"挪到"价值兑现之后"。

这正好补上了静态估值的结构性缺陷。数据的价值取决于它被用在哪里、用出了什么效果,而这个答案只有在使用之后才揭晓。分成模型不承诺事前的确定价格,而是让供给方分享下游收益的上行空间——数据可复制、不因使用而减少的属性,在这里不再是定价难题,反而成了放大收益的杠杆:一份供给接入的场景越多,潜在分成的池子越大。

软件行业已经演过这一幕:从License一次性买断,到SaaS订阅,再到云按用量计费——每一次计费模式的切换,都重新洗牌了一批玩家的位置。数据资产从"一口价"走向"分账",很可能是同一剧本的第三幕。业内一种务实的态度是:宁可要一个不确定但上不封顶的分成比例,也不要一个确定但大概率估错的标价。

两种模式的差异,可以放在一张表里看清楚:

维度静态估值(一口价)分成模型
价格形态事前一次性定价事后按收益持续分账
对数据特性的假设类比土地矿产,可占有、会折耗非竞争性、可低成本复制
价值确定时点交易前评估使用后兑现
适用场景边界清晰的存量数据AI训练数据、行业模型服务等高杠杆场景
主要风险估值系统性虚高或低估计量、归因与分账纠纷

但要把话说透:分成模型不是免费的午餐。它对计量、审计、结算的工程要求极高——使用量怎么统计、收益怎么归因、多个供给方之间怎么分润。这些不是概念问题,是实打实的账本问题。谁来做账,就成了下一节的主角。

🚦 当操盘手遇到新定价法:三个必须解的题

设想一个即将频繁出现的场景:一家车企要把多年积累的高价值数据接入流通体系。供给方不希望一口价贱卖——因为它知道这份数据在下游可能被放大十倍使用;需求方也不愿意为未知价值全额预付。谈来谈去,双方能共同接受的结构,往往只剩分成。

而国家数据集团的出现,恰好是分成模型最好的落地载体。因为它作为实体操盘方,有能力把分散主体之间"没法谈"的分账问题,变成平台级的统一规则:统一的确权标准、统一的计量口径、统一的结算通道。个体谈判谈不拢的事,平台规则可以兜住。

但推演下去,有三个必答题躲不开:

第一,确权与授权链路必须可验证。分成的前提是知道谁有权分。数据在加工、融合、衍生之后,权属链条会变得非常复杂,如果授权链路不可追溯,分成比例再漂亮也是空中楼阁。

第二,计量与归因要有可审计的账本。使用量怎么算、下游收益里数据贡献占多少、多方供体怎么切——没有第三方可审计的计量机制,分账纠纷将无解。这本质上是要给数据市场建一个"清算所"。

第三,国资体系自身的考核口径要跟得上。这一点最少被讨论,但最关键:如果集团手里的数据资源仍按静态估值入表、按评估价考核,操盘方就会被激励去抬高一次性评估价,与分成逻辑直接冲突。定价范式的切换,最终要传导到考核口径上才算完成。

推进节奏上,可以按三个阶段来盯:

规则酝酿

数据要素概念升温

数据入表与交易成为热门话题

数据入表与交易成为热门话题

框架受检

静态估值框架成为主流讨论

其与数据非竞争性属性的矛盾暴露

其与数据非竞争性属性的矛盾暴露

分成定价模型被提出并总结

分成定价模型被提出并总结

实体操盘

国家数据集团雄安揭牌

从规则制定迈入实体操盘

从规则制定迈入实体操盘

我的判断是:分成模型会先在AI训练数据、行业模型服务这类高杠杆场景跑通——因为这些场景收益可观测、数据贡献弹性大,分成结构的激励最强;而长期看,谁能做出数据流通领域的"清算所"——可审计的计量加自动化的分账——谁就拿到了这个市场最值钱的基础设施卡位。

小结

第28家央企落地,解决的是"谁来组织市场";分成模型崛起,回答的是"怎么给数据定价"。前者是制度的实体化,后者是范式的切换,两者在同一时间点叠加,意味着数据要素市场开始进入真实交易阶段。接下来两三年,值得盯的不是又发了多少文件,而是第一笔有公开细节的规模化分成交易何时出现——那才是这个市场真正跑起来的信号。