数据作为新型生产要素，是数字经济发展的核心引擎。在人工智能引领的新一轮科技革命浪潮下，作为人工智能三要素之一的“数据”，战略价值愈发凸显。深化数据要素市场化配置改革、扩大高质量数据供给、推动数据在经济社会各领域的深度融合应用，对于释放数据潜能、赋能实体经济、建设数字中国具有重大而深远的意义。本文将带你系统梳理数据要素行业发展现状。
1. 政策背景综述
中国数据要素市场的培育与发展，始终与顶层设计的持续完善和政策的强力驱动密不可分。近年来，国家层面从战略定位、制度框架、产业发展、基础设施建设等多维度，构建了一套日趋完善的政策支持体系。“十五五”规划建议提出健全数据要素基础制度、建设全国一体化数据市场。2025年《关于加强数据科技创新的实施意见》等文件相继出台，持续推动数据要素市场规范发展。
1.1 战略定位与制度框架的确立
2020年，《关于构建更加完善的要素市场化配置体制机制的意见》首次将数据列为生产要素，奠定了其战略地位。随后的《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）提出了数据产权、流通交易、收益分配、安全治理“四位一体”的基础制度框架，并创造性提出数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权制度思路，为破解数据确权难题提供了中国方案。《数字中国建设整体布局规划》进一步明确了“2522”整体框架，将健全数据管理体制机制、释放数据价值潜能置于核心位置。
1.2 产业发展与基础设施的指引
《关于促进数据产业高质量发展的指导意见》明确了数据产业的范畴与发展路径。《国家数据基础设施建设指引》则从价值释放角度，系统性地定义了支撑数据“供得出、流得动、用得好、保安全”的新型基础设施体系，为数据要素市场的高效运转描绘了底层蓝图。
1.3 数据供给与开发利用的聚焦
针对数据来源，政策分别指向公共数据与企业数据。《关于加快公共数据资源开发利用的意见》和《关于促进企业数据资源开发利用的意见》相继出台，旨在激活这两大核心数据源。《高质量数据集建设指引》则直接回应人工智能发展对高质量“燃料”的迫切需求，提供了方法论指导。
1.4 资产化与市场化配置的突破
财政部发布的《企业数据资源相关会计处理暂行规定》及《数据资产评估指导意见》，为数据资源确认为资产并计量价值提供了会计和评估标准，标志着数据从经济资源向会计资产的“惊险一跃”。《数据资产管理指导意见》及其试点方案，则从管理全生命周期角度予以规范。这些政策共同构成了数据资产化落地的核心政策支柱。
1.5 流通安全与可信环境的构建
为促进数据合规高效流通，《可信数据空间发展行动计划》旨在构建可信流通基础设施；《关于完善数据流通安全治理更好促进数据要素市场化价值化的实施方案》则致力于平衡安全与发展的关系，为数据流通扫除后顾之忧。
1.6 地方实践的差异化探索
在国家顶层设计的引领下，各省市结合自身产业特色和资源禀赋，开展了丰富多样的实践。北京致力于建设国家数据管理中心和流通交易中心，在数据资产登记、金融创新方面先行先试；上海强调“不合规不挂牌，无场景不交易”，构建严密的交易规则体系；深圳突出跨境数据流通；浙江、江苏等地积极探索区域一体化协同。地方政策在授权运营、数据资产质押融资、数据券激励等方面形成了诸多创新案例，构建了国家统筹与地方探索相互促进的新格局。
2. 行业发展现状详析
中国数据要素市场已渡过早期萌芽与概念普及阶段，正进入体系化构建、规范化运营与规模化应用的关键发展期。市场参与主体日益多元，产业链条不断延伸，各细分领域呈现出活跃的发展态势。
2.1 数据供给：高质量数据集成为人工智能时代的“新石油”
数据的供给质量直接决定了其应用价值的深度与广度，特别是在人工智能时代，高质量数据集的重要性空前提升。
核心特征与建设方法论：高质量数据集具备高价值应用、高知识密度、高技术含量的“三高”特征。其建设方法论已初步成型，主要包括两种路径：一是“场景驱动”模式，即从明确的业务需求出发，逆向设计数据采集与处理流程，确保数据集能切实解决具体问题；二是“数据驱动”模式，即对现有海量数据进行深度挖掘与分析，主动发现潜在价值与应用场景。这两种模式均离不开数据采集、清洗、标注、合成、质检及运营等关键技术的支撑。
市场规模与供给结构：截至2025年6月，全国建设的高质量数据集总量已超过3.5万个，数据量超400PB。在数据交易场所挂牌交易的数据集超过3300个，累计交易额（含API订阅）近40亿元，平均客单价约1.2万元，图像、语音、文本类数据需求最为旺盛。从供给主体看，中央企业发挥了“主力军”作用。在由国家数据局征集的104个典型案例中，央企主导的案例占比达到50%，尤其在能源、通信、交通等关键基础设施领域成果显著。例如，南方电网的“电网调度负荷预测高质量数据集”有效提升了电网运行效率和可靠性；中国石化、国家管网等也推出了服务于行业安全与效率提升的系列数据集。
供需热点与核心瓶颈：需求端，多模态大模型训练语料、高精度地图数据、医疗影像标注数据、金融风控样本、工业质检图像等专业性强、知识密度高的数据需求旺盛，市场溢价可达基准价的3-6倍。供给端则面临严峻挑战：一是高质量、专业化，尤其是符合中文语境和文化背景的标注数据严重稀缺；二是数据采集与标注成本高昂，且涉及复杂的版权清晰化与个人隐私合规问题，制约了数据的规模化、合规化供给。为此，国家已在全国布局7个数据标注基地，旨在培育专业化数据服务生态。
2.2 数据流通：多层次交易市场体系初步形成，场内场外协同发展
数据流通是释放要素价值的关键环节。当前，我国已构建起以数据交易场所为核心、场外交易并存的多层次流通市场体系。
总体市场格局：2024年全国数据交易总规模估计超过1600亿元，保持30%以上的年增长率。其中，通过各地数据交易所（中心）进行的场内交易（含备案）规模首次突破300亿元，实现同比翻番，显示出强劲增长势头。尽管场外交易（企业间直接交易、API调用等）仍占据较大份额，但场内交易在合规保障、价格发现、生态汇聚方面的作用日益凸显。全国已成立80余家各类数据交易机构，呈现出“国家级—区域级—行业级”的功能分层。
主要数据交易所特色实践：
北京国际大数据交易所（北数所）：定位为基于“数据可用不可见，用途可控可计量”新型范式的交易所。其特色在于打造了数据资产登记平台，已累计完成备案交易金额近100亿元。产品涵盖各类数据集与数据产品，如中石油的供应商数据集、中检集团的供应商评估系统等，并积极探索数据资产登记与金融服务的衔接。
上海数据交易所（上数所）：以“不合规不挂牌，无场景不交易”为严格原则，建立了完善的交易规则体系。它创新性地分设“数据产品”与“数据资产”两个交易板块，并推出“金准估”估值工具，致力于形成数据资产的公允“上海价格”。其挂牌产品已超5000个，典型产品如“全国工业产品质量检验公告”数据服务。
深圳数据交易所（深数所）：充分发挥特区与粤港澳大湾区优势，重点布局跨境数据流通业务，并构建了“交易、服务、共创”三位一体的生态体系，交易主体增长迅速。
浙江大数据交易服务平台等区域性平台：则更侧重于服务本地产业集群，例如围绕供应链金融、物流优化等场景，促进国网、五芳斋等本地企业的数据产品与服务流通。
区域协同与全国一体化趋势：国家正大力推动“全国一体化数据市场”建设。长三角地区已探索建立数据专题合作机制；江苏省则在省内推动交易机构整合，旨在实现“一个交易所、一套规则、一个平台”，这些实践都为未来打破地域壁垒、促进数据跨域流通积累了宝贵经验。
2.3 数据应用与资产化：价值实现路径日益清晰，金融创新开始破冰
数据价值的最终体现在于应用。行业正积极探索从内部应用到外部交易，从资源管理到资产运营，乃至资本运作的完整价值实现路径。
价值化演进路径：清晰地呈现出“数据资源化→数据资产化→数据资本化”的三阶段演进逻辑。资源化是基础，指对原始数据进行治理形成可用资源；资产化是关键，是通过确权、评估、登记等环节，使数据资源具备可计量、可带来经济利益的资产属性；资本化是深化，探索数据资产在质押融资、作价入股、证券化等金融场景的应用。
主要数据产品形态：
数据集：经过处理的可查询、可分析的基础数据集合，是数据价值的原始载体。
API服务：将数据能力封装为标准化接口，提供实时、按需的数据服务，如身份核验、企业画像查询等。
数据应用解决方案：针对特定行业场景（如智能制造、精准营销）打造的“开箱即用”的SaaS平台或分析系统，是数据价值的深度集成形态。
数据金融工具：数据资产化的创新产物，包括数据资产质押贷款、数据资产证券化（ABS）等，将数据价值直接映射到金融市场。
数据资产入表进展：随着会计规定的实施，数据资产“入表”从理论走向实践。2025年三季度报告显示，已有101家A股上市公司在财务报表中确认了数据资产，总额达29.71亿元，其中三大电信运营商的入表资产占比超过60%。非上市公司中也有数百家完成了数据资源入表工作，并以此为基础获得了银行授信或融资。地方国有企业如株洲水务、甘肃物流集团、贵州高速集团等也成功实现了数据资产入表，并通过数据知识产权质押获得了亿元级别的贷款，形成了示范效应。
资产评估方法与挑战：收益法、成本法、市场法三大传统评估方法被应用于数据资产。实践中，互联网等数据驱动型企业往往采用多方法融合的动态评估策略。然而，由于数据价值具有场景依赖性、时效性强、成本与收益弱关联等独特属性，评估工作仍面临巨大挑战，成熟的估值体系尚未完全建立。
2.4 数据安全与治理：从合规底线走向发展基线
随着数据价值的提升，安全已从“成本支出”转变为“价值保障”，治理模式从被动防御转向主动免疫。
制度体系纵深发展：在《网络安全法》《数据安全法》《个人信息保护法》《关键信息基础设施安全保护条例》《网络数据安全管理条例》（“三法两条例”）等上位法基础上，治理向精准化、场景化延伸。例如，武汉等地出台公共数据分类分级细则，实现差异化管控；《人工智能安全治理框架》2.0版则将安全要求覆盖至AI全生命周期。
技术驱动智能防御：人工智能技术本身被用于提升安全能力。基于大语言模型的敏感信息识别、自动化威胁狩猎与响应、安全智能体等技术应用，正推动安全运营模式向自动化、智能化演进。
产业定位与生态协同：数据安全已成为企业的核心竞争力与品牌信任基石。产业生态从单一产品采购转向“政产学研用”协同共建，供应链数据安全受到空前重视。
2.5 数据标准体系建设：构建统一“语言”，夯实发展根基
标准化是推动数据互联互通、产业规模发展的关键。国家已发布《国家数据标准体系建设指南》，计划到2026年底建成涵盖基础通用、基础设施、数据资源、技术、流通、应用、安全等七大部分的完整标准体系。目前，在数据管理能力（DCMM）、数据质量评价、数据资产价值评估、可信数据空间架构等关键领域，国家标准与行业标准正加速制定与完善，为行业规范化发展提供技术依据。
2.6 市场生态活动：平台汇聚，活力彰显
行业的繁荣体现在丰富的市场活动中。中国国际大数据产业博览会（数博会）、数字中国建设峰会等国家级平台擘画蓝图；全球数字经济大会、全球数据资产大会等专题论坛聚焦前沿；“数据要素X”大赛等高规格竞赛激发创新活力；各类供需对接会则直接促进产业合作。这些活动共同构成了生机勃勃的行业生态。
2.7 央企的先行示范作用：以点带链，激活生态
中央企业凭借其数据资源丰富、治理基础较好、产业链影响力强的特点，成为数据要素市场化改革的“先行者”和“试验田”。国家数据局、国资委分批组织数十家央企，围绕数据资源开发利用、可信数据空间建设等开展试点。这些试点旨在让央企率先拿出高质量数据资源，探索可复制的商业模式，从而消除产业链上下游中小企业的顾虑，带动整个产业生态的繁荣。其实践通常遵循“资源化—产品化—资产化”的递进路径，为全行业提供了宝贵经验。
3. 主要企业实践案例
能源领域（中石油、中石化、中海油、国家电网、南方电网等）：这些企业普遍从顶层设计入手，建立集团级数据治理体系与管理机构。在高质量数据集建设方面，聚焦于生产安全、设备运维、供应链优化等核心场景。同时，它们积极在北京、深圳等数据交易所进行数据资产登记，并探索数据产品交易，部分企业已成功实现数据资产入表。南方电网还在探索建设行业级“可信数据空间”。
通信领域（中国移动、中国电信）：作为拥有海量用户和网络数据的运营商，中国移动建立了系统的数据管理机制，深化数据资源治理。在资产化实践中，它是目前数据资产入表规模最大的企业之一，积极探索将数据资源转化为会计报表内的无形资产。
其他领域创新实践：除央企外，地方国企（如株洲水务、贵州高速集团）在数据产品开发、资产入表及数据知识产权金融化方面取得了突破性进展；互联网平台企业、金融科技公司则在数据产品形态创新（如API服务、风控模型）和多元评估方法应用上走在行业前列。
4. 行业发展面临的核心挑战
尽管发展迅速，但数据要素市场整体仍处于早期阶段，面临一系列亟待突破的瓶颈：
制度与权属困境：数据“三权分置”在法律层面的具体落实规则尚不清晰，导致确权难、授权链条复杂。数据资产登记存在多头管理、标准不一的问题，增加了企业合规成本。针对数据资产金融化、跨境流通的前瞻性监管框架有待完善。
流通共享壁垒：部门间、企业间的“数据孤岛”依然存在。尽管隐私计算等技术提供了“可用不可见”的可能，但其在性能、易用性和大规模商用方面仍面临挑战，制约了数据在保护隐私前提下的深度融合利用。
市场机制不成熟：数据交易场所虽多，但普遍存在交易活跃度不足、产品同质化（如企业征信、工商信息类产品较多）的问题。数据定价缺乏公认、科学的方法论，价值评估困难，导致价格发现机制失灵。市场需求侧，大量传统行业企业缺乏数据应用能力和付费意愿。
资产化实践难题：会计实务中，数据资产要满足“控制”、“成本可靠计量”、“经济利益很可能流入”等确认条件存在现实困难。数据价值易变、可复用等特性使得后续计量、摊销、减值测试异常复杂，缺乏细化的操作指引。
生态支撑能力不足：既懂数据技术又深谙行业知识的复合型人才严重短缺。提供数据确权、合规评估、质量评价、资产估值等服务的第三方专业机构数量少、能力弱。数据供给方、需求方、技术服务方等多方协同的可持续商业模式尚未完全跑通。
5. 行业未来发展趋势展望
展望未来，数据要素市场将围绕“价值实现”这一核心，在多重维度上实现系统性突破，走向成熟。
价值实现维度：从“成本记录”到“核心资产”。 路径将沿“资源→资产→资本”清晰化，“入表”成为关键里程碑。估值方法从成本法向效用评估法过渡，治理理念从“合规驱动”转向“价值驱动”。
市场范式维度：从“简单交易”到“生态赋能”。 “全国一体化数据市场”的基础设施和规则体系将逐步成型。数据交易不再局限于简单的买卖，将发展出数据授权运营、收益分成、联合建模、数据入股等更为灵活多样的合作模式。数据交易所的角色将进化为提供确权、登记、合规审核、资产评估、结算、争议仲裁等全链条服务的“市场基础设施运营商”。隐私计算、区块链等技术将赋能可信流通。
能力引擎维度：从“人工处理”到“智能驱动”。 数据与AI形成“双轮驱动”，高质量数据喂养AI，AI技术反哺数据治理、标注、挖掘与安全保护的效率与智能化水平。企业设立首席数据官（CDO），数据管理战略化。政策与资本形成合力，为市场注入信心与活力。
结语
在上个月刚刚过去的全国数据工作会议上，国家数据局将2026年正式定调为“数据要素价值释放年”。数据不再是“被管理的对象”，而是要真正进入经济循环，开始系统性创造价值。随着制度体系完善、可信技术突破、价值路径清晰，数据要素将在更广范围、更深层次释放乘数效应，为赋能实体经济、培育新质生产力、扎实推进中国式现代化提供坚实支撑。对于企业及你我而言，主动拥抱趋势，系统规划数据战略，探索数据要素价值，将是赢得未来竞争的关键所在。
