课前案例导入

案例一：全国首单数据资产证券化产品发行（2025年7月）

2025年7月31日，全国首单获批的数据资产证券化项目（数据资产ABS产品）——"华鑫-鑫欣-数据资产1期资产支持专项计划"在深圳证券交易所正式发行设立。

这一里程碑事件的意义：数据要素领域金融创新取得实质性突破，改变了传统融资对实物资产的依赖路径，为轻资产数据企业开辟了全新的融资通道。该项目的核心流程包括：数据资源筛选→合规审查→资产定价→证券化发行→现金流结构化设计，形成了一套可复用的全链条流程。

案例二：全国数据市场交易规模突破1600亿元（2024年数据）

截至2024年，我国数据市场交易规模已超过1600亿元，其中场内市场数据交易（含备案交易）规模超300亿元。各主要数据交易所交易额：

数据交易所	2024年交易规模	累计/备注
深圳数据交易所	超150亿元（含跨境2.5亿元）	至2024年底累计
北京国际大数据交易所	近100亿元（累计备案交易）	累计数据交易规模2250TB
贵阳大数据交易所	超48.9亿元	2024年新增
上海数据交易所	40亿元级	2024年
广州数据交易所	超52亿元（累计）	截至2024年10月，13000笔

另据国家数据局发布的《全国数据资源调查报告（2024年）》，2024年全国数据生产总量达41.06泽字节（ZB），同比增长约25%，数据资源"产得出"与"流得动"之间的落差，正是数据要素市场建设要解决的核心问题。

案例三："数据二十条"发布两周年：制度体系从"四梁八柱"到全面落地

2022年12月19日，中共中央、国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》（简称"数据二十条"），这是我国数据领域里程碑式文件，确立了数据要素基础制度的"四梁八柱"：

• 数据产权结构性分置制度（持有权、加工使用权、产品经营权"三权分置"）
• 合规高效流通交易制度（数据交易场所规范化建设）
• 体现效率的收益分配制度（兼顾数据提供方、处理方、使用方利益）
• 安全可控的治理制度（政府监管+行业自律+社会监督）

案例四：数据交易所"洗牌潮"与功能转型（2026年）

截至2026年初，全国已建成各类数据交易机构超60家，但结构性分化明显：京沪广深贵五大头部交易所占比超70%交易额，剩余50余家区域性平台普遍陷入"有场无市"困境——部分省级交易所全年撮合交易不足50笔。2026年2月，国家数据局等部门发布《关于培育数据流通服务机构 加快推进数据要素市场化价值化的意见》，明确提出严控交易所数量、统筹布局、整合优化，推动数据交易所从"交易撮合"向"全链条生态服务"转型。

案例五：数据产品跨境交易与"国际专区"建设（2025年）

上海数据交易所于2023年4月启动国际专区建设，两年来已初步构筑具有全球辐射力的数据要素流通枢纽，汇聚近200个数据产品。2025年7月，上海数据交易所与哈萨克斯坦阿斯塔纳数据交易所签署合作协议，探索数据跨境双向流通路径，成为数据要素国际化探索的重要节点。

案例六：数据资产质押融资落地提速（2024—2025年）

数据资产能否像房产、设备一样用于贷款担保？2024年以来，这一设想在多地成为现实。

（一）光大银行"贵数贷"

2024年，光大银行贵阳分行联合贵阳大数据交易所推出数据资产融资产品"贵数贷"，以企业在交易所登记的数据资产为质押标的，经第三方评估机构估值后发放贷款。该产品打通了"数据资产登记→价值评估→银行授信→质押登记"的操作链条，成为全国数据资产质押融资的代表性实践。

（二）上海银行"数易贷"

上海银行与上海数据交易所合作推出"数易贷"产品，依据企业在上数所的数据产品登记凭证和挂牌交易记录进行授信，落地全国首单基于数据资产登记凭证的质押融资。此后，北京、深圳、杭州等地多家银行相继推出"数据资产贷""数信贷"等同类产品，数据资产质押融资从个案试点走向批量化探索。

（三）教学观察点

数据资产质押融资的法律本质是什么？质押登记在哪个机构办理才具有对抗效力？贷款违约时银行如何"处置"数据资产？这些问题目前均无明确法律答案，正是本讲模块五要深入讨论的内容。

案例七："数据要素×"大赛：场景驱动数据价值释放（2024—2025年）

2024年5月，国家数据局等部门启动首届"数据要素×"大赛，围绕工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳等12个赛道征集数据要素开发利用方案，总决赛于2024年10月在浙江杭州举行。2025年，第二届大赛继续举办，参赛项目数量和落地转化率进一步提升。

大赛释放的政策信号十分明确：数据要素的价值不在"持有"而在"使用"，不在"通用"而在"场景"。大量获奖项目的共同特征是将分散的公共数据、企业数据在特定场景中融合复用——例如气象数据与农业保险定价结合、交通数据与城市治理结合、医疗数据与药物研发结合。这提示我们：数据交易制度的设计必须以"场景"为中心，而非以"数据"为中心。

案例八：数据资产交易市场与全国一体化登记体系启动（2025—2026年）

2025年以来，数据要素市场基础设施建设明显提速：上海数据交易所在数据产品交易市场之外，启动数据资产交易市场建设，推动入表后的数据资产进行专业化、规范化流通；国家数据局统筹推进全国一体化数据产权登记体系，推动各地登记机构规则互认、凭证互通，解决长期存在的"一地登记、他地不认"问题。与此同时，数据知识产权登记试点已扩展至全国17个地方，为数据资产入表、质押、出资提供了权利外观基础。

---

模块一："数据二十条"：数据基础制度的"四梁八柱"

一、"数据二十条"的制度创新

"数据二十条"是我国数据要素市场化的顶层设计文件，在产权规则、流通规则、收益分配和治理体系四个方面实现制度创新：

（一）数据产权结构性分置制度

"数据二十条"创造性地提出数据产权"三权分置"结构性分配制度，区分数据资源性持有权与数据产品经营权：

权利类型	内涵	法律性质
数据资源持有权	对"相关主体在依法收集、生成、加工、管理数据过程中的各类数据"享有的权利	新型财产性权利，不等同于所有权
数据加工使用权	对数据资源进行加工、分析、挖掘等活动并获得收益的权利	用益性权利
数据产品经营权	对经加工、分析等形成的数据产品依法进行经营并获得收益的权利	独立经营权

这一制度设计的核心逻辑：数据不同于传统生产要素，其价值主要通过"加工"而非"静态占有"实现。因此，产权分配的核心不是"谁拥有数据"，而是"谁有权以何种方式使用数据"。

（二）合规高效流通交易制度

"数据二十条"明确：统筹构建规范高效的数据交易场所，培育数据要素流通和交易服务生态，建立数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范的数据可信流通体系。

（三）体现效率的收益分配制度

"数据二十条"确立"谁投入、谁贡献、谁受益"原则，建立基于数据价值贡献进行收益分配的机制：

收益分配机制图示：
┌──────────────────────────────────────────────────────┐
│                    数据价值实现                        │
│                                                      │
│   数据提供方 ──→ 持有权收益 ──→ 合理回报              │
│                                                      │
│   数据加工方 ──→ 加工使用权收益 ──→ 投入回报           │
│                                                      │
│   数据产品运营方 ──→ 经营权收益 ──→ 商业回报           │
│                                                      │
│   公共数据 ──→ 收益用于公共服务 ──→ 社会回报           │
└──────────────────────────────────────────────────────┘

（四）安全可控的治理制度

建立政府、企业、行业多元共治的数据治理格局，明确监管权责边界，形成数据安全与发展并重的治理逻辑。

二、"三权分置"的学理基础：与物权法所有权理论的对话

（一）传统所有权理论的"四项权能"结构

《民法典》第240条规定，所有权人对自己的不动产或者动产，依法享有占有、使用、收益和处分的权利。传统物权理论以"有体物"为原型：物具有排他性（一物一权）、可消耗性（消费后灭失）、可独占性（占有即控制）。所有权是"完全物权"，权能可以在一定条件下分离出去形成用益物权（如土地承包经营权）和担保物权（如抵押权），但所有权本身保持"弹力性"——分离的权能消灭后，所有权恢复圆满状态。

（二）数据为何无法套用所有权范式

对比维度	有体物（所有权客体）	数据
存在形态	有体、独占空间	无体、可复制、可多主体同时控制
排他性	天然排他（占有即排除他人）	技术排他（需依赖访问控制措施）
消费方式	消耗性使用（物随使用而损耗）	非消耗性使用（使用不减损数据本身）
价值来源	物的效用与稀缺性	加工、关联、场景化应用
权能分离逻辑	占有、使用、收益、处分纵向分离	持有、加工使用、经营横向分置
权利消灭	物灭失则权利消灭	数据可复制，"灭失"几乎无意义

（三）学界的三种理论进路

1. 数据用益权说（清华大学申卫星教授）：借鉴用益物权结构，在承认数据来源者（个人、企业）基础权利的前提下，为数据处理者设定"数据用益权"，以兼顾数据保护与数据利用。其核心是"所有权+用益权"的二元结构。
2. 数据新型财产权说（中国人民大学王利明教授）：数据确权不应照搬所有权模式，而应确认数据处理者对其合法收集、加工的数据享有一种有限制的、排他性受控的财产性权利，权利边界由法律规定而非由占有事实决定。
3. 行为规制说（对外经济贸易大学许可副教授等）：与其急于创设数据权利，不如沿用反不正当竞争法、合同法等行为规制路径，通过规制"获取、使用数据的行为"间接保护数据利益，避免过早确权带来的制度锁定效应。

"数据二十条"的"三权分置"实际上回避了"所有权归属"这一理论难题，采取功能性、结构性的产权安排：不问数据"归谁所有"，而问各方主体在数据价值链各环节享有何种权能。这被学界评价为"淡化所有权、强化使用权"的务实方案，与农村土地"三权分置"（所有权、承包权、经营权）的改革逻辑一脉相承。

三、马克思主义政治经济学视角：数据作为生产要素的特殊性

（一）生产要素理论的历史演进

马克思主义政治经济学将生产力的基本要素概括为劳动者、劳动资料和劳动对象。在不同历史阶段，生产要素的构成不断扩展：农业经济时代以土地和劳动为核心（配第名言"土地是财富之母，劳动是财富之父"）；工业经济时代资本成为主导性要素；知识经济时代技术、管理相继独立成要素。2019年党的十九届四中全会首次将数据列为参与分配的生产要素，2020年4月《关于构建更加完善的要素市场化配置体制机制的意见》将数据与土地、劳动力、资本、技术并列为五大生产要素，数据正式获得要素地位。

（二）数据要素的政治经济学特殊性

1. 数据是"数字劳动"的产物。 用户在平台上的点击、浏览、交易行为构成广义的无酬或低酬数字劳动，平台通过占有数据将分散的社会化劳动凝聚为可增值的资源，由此引发"数据租金"与"数字劳动补偿"的分配正义问题。
2. 数据兼具劳动对象与劳动资料双重属性。 在加工环节，数据是被分析、被挖掘的劳动对象；在应用环节，经过处理的数据产品又成为指导生产的劳动资料（如算法训练语料、决策支持系统）。
3. 数据的边际成本趋零与规模报酬递增。 数据复制的边际成本接近零，且数据聚合规模越大、关联维度越多，单位数据的价值越高（梅特卡夫效应），这与土地（边际收益递减）、资本（边际产出递减）形成鲜明对比。
4. 数据要素对传统地租理论的挑战。 平台凭借对关键数据资源的控制收取的"佣金""服务费"，在政治经济学上类似于"垄断地租"——并非来自价值创造，而是来自对稀缺流通位置的占有。如何防止"数据圈地"和数据垄断，是数据要素收益分配制度设计必须回应的问题。

四、"数据二十条"的地方落地：四地实施方案比较

"数据二十条"出台后，各数据要素改革前沿地区相继出台实施方案，呈现出明显的路径差异：

对比维度	北京	上海	深圳	贵州
核心文件	《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》（2023年，俗称"北京数据二十条"）	《上海市数据条例》（2022年1月1日施行）及数据要素政策体系	《深圳经济特区数据条例》（2022年1月1日施行，全国首个数据领域综合性立法）	《贵州省数据要素市场化配置改革实施方案》及大数据发展应用促进条例体系
制度侧重	数据基础制度先行区；数据产权登记试点	数据交易所与国家数据交易所定位；公共数据授权运营	数据要素权益确认与跨境流动（河套、前海）	全国一体化算力枢纽；数据要素综合试验区
特色机制	数据知识产权登记；数据资产登记凭证	数据产品登记与挂牌双轨；数商生态培育	数据权益"三权分置"地方立法化探索	数据要素价格形成机制探索；场景化交易专区
战略定位	全球数字经济标杆城市	国际数据枢纽与全球数据要素配置节点	全国数据要素市场化配置先行示范区	全国大数据综合试验区与"东数西算"枢纽

比较分析：四地方案代表了四种改革逻辑——北京侧重制度供给（以登记确权破解交易前提问题），上海侧重市场组织（以交易所为枢纽重构流通体系），深圳侧重权利法定（以特区立法权确认数据权益），贵州侧重资源转化（以算力基础设施承接数据要素落地）。这种差异化探索为全国统一制度提供了多样化的政策实验样本，但也带来规则碎片化风险，这正是2026年政策强调"统筹布局、整合优化"的背景。

五、"十五五"规划与全国一体化数据市场

2026年"十五五"规划纲要首次提出"建设开放共享安全的全国一体化数据市场"，充分肯定了数据市场的重要意义、核心要求和发展方向。

全国一体化数据市场的三大核心要求：

1. 开放：打破区域壁垒、行业壁垒，允许各类经营主体平等参与数据交易活动
2. 共享：多元数据互联互通，建立跨区域、跨行业数据共享协作机制
3. 安全：完善数据安全法律法规和标准体系，落实数据安全主体责任

---

模块二：数据要素市场的格局与主体

一、数据要素市场化发展历程

阶段	时间	标志性事件	核心特征
萌芽期	2014-2015	贵阳大数据交易所成立（2015年4月14日）	数据交易概念引入，地方先行探索
扩张期	2016-2020	各地数据交易机构陆续成立（2015-2021年新增11家）	平台建设热潮，但"有场无市"
政策期	2020-2022	国家层面明确数据要素市场化方向；国家数据局成立（2023年）	从地方探索上升为国家战略
制度期	2022-2024	"数据二十条"发布；数据资产入表规定实施（2024年1月1日）	基础制度体系建立
价值释放期	2025-	"数据要素×"三年行动计划全面落地；数据流通服务机构意见发布	从建制度转向建生态

二、数据要素市场的经济学理论基础

（一）科斯定理与数据产权界定

科斯定理的核心命题是：在交易成本为零的世界中，无论初始产权如何配置，市场交易都能实现资源的最优配置；而在交易成本为正的现实世界中，产权的初始配置直接影响经济效率。

将科斯定理应用于数据市场，可以得到三点启示：

1. 数据交易的交易成本异常高昂。 搜寻成本（找到需要的数据）、谈判成本（价值评估困难导致价格难以谈拢）、监督成本（买方是否按约使用难以追踪）都远高于普通商品交易。高交易成本意味着大量潜在的数据交易无法达成，市场"有场无市"在经济学上是可解释的现象。
2. 产权界定是降低交易成本的前提。 如果数据权利归属不清，交易双方首先要花费大量成本确认"卖方是否有权卖"，交易极易流产。"数据二十条"确立三权分置、各地推进数据产权登记，本质上都是通过降低"确权成本"来降低整个市场的交易成本。
3. 制度设计应把权利配置给最能降低交易成本的主体。 例如，将加工使用权配置给有能力加工数据的企业，将经营权配置给能够将数据产品化的数商，体现了"权利配置给最有效率使用者"的科斯式逻辑。

（二）阿罗信息悖论详解

经济学家肯尼斯·阿罗在1962年《发明的经济福利与资源配置》中指出信息商品的根本困境：信息的价值在购买之前无法确知；但一旦向买方充分披露信息以证明其价值，买方就已经免费获得了信息本身。

阿罗悖论在数据交易中表现得尤为尖锐：

阿罗信息悖论的交易困境：
┌────────────────────────────────────────────────┐
│ 卖方：不披露数据内容 → 买方无法估价 → 拒绝购买  │
│ 卖方：披露数据内容 → 买方已获知价值 → 无需购买  │
│                                                │
│ 结果：信息市场上"信任"成为稀缺品，              │
│       交易要么不发生，要么依赖制度化的           │
│       信任替代机制                               │
└────────────────────────────────────────────────┘

法律与制度的应对路径（丁晓东教授系统梳理）包括：

1. 有限披露与样本检验：卖方仅披露数据样本、元数据和统计特征，买方据此推断全量数据价值——交易所的数据产品说明书制度即为此设计。
2. 第三方信用中介：由交易所或评估机构对数据质量进行核验并背书，以机构信用替代买方对数据内容的直接验证。
3. 按效果付费与分期付款：将定价与数据使用效果挂钩（如按API调用次数、按模型精度提升分成），把价值不确定风险在双方之间重新分配。
4. 法律责任兜底：通过合同中的质量担保条款和违约责任，使卖方虚假披露在法律上付出代价。

（三）柠檬市场与逆向选择

阿克洛夫的"柠檬市场"理论进一步揭示：当买方无法区分数据质量高低时，只愿意按平均质量出价；高质量数据的卖方因价格低于心理预期而退出市场，市场上留下的是低质量数据，买方出价进一步降低，形成"劣币驱逐良币"的恶性循环。数据交易所的质量评估、分级分类、登记存证制度，在经济学功能上就是对抗逆向选择的"信号传递机制"——让高质量数据能够被识别、卖出好价钱。

三、数据要素与四大传统生产要素的对比

对比维度	土地	劳动力	资本	技术	数据
稀缺性	强稀缺（总量固定）	有限供给	可积累但稀缺	稀缺（创新门槛高）	近乎无限供给（边际成本趋零）
竞争性	完全竞争（一地一用）	完全竞争	完全竞争	部分竞争	非竞争性（多用不减损）
排他性	天然排他	天然排他	天然排他	需法律保护（专利）	需技术与法律双重排他
产权制度成熟度	高度成熟	高度成熟	高度成熟	较成熟（知识产权）	初创期（三权分置探索）
价值实现方式	使用与出租	劳动过程	投资增值	许可与产业化	加工、关联、场景复用
边际报酬	递减	递减	递减	递增或递减	显著递增（规模效应）
流通市场形态	土地交易市场	劳动力市场	资本市场	技术交易市场	数据交易所+场外交易
对经济增长贡献	农业经济主导	工业经济主导	工业经济主导	知识经济主导	数字经济主导

教学要点：数据要素的特殊性决定了数据市场不能简单复制土地、资本市场的制度模板。例如，土地的"招拍挂"以稀缺性为前提，数据却因可复制而不适用；证券市场的标准化以权利同质为前提，数据产品却因异质性而难以标准化。理解这种差异，是理解后续所有制度设计的基础。

四、国际数据交易市场比较

（一）欧盟：规则先行的"数据中介"模式

欧盟2018年实施《通用数据保护条例》（GDPR）确立严格的数据保护底线后，转向以立法培育数据流通市场：

制度工具	核心内容	市场功能
《数据治理法》（DGA，2023年9月适用）	建立数据中介服务制度：数据中介须在欧洲层面登记，保持中立，不得将经手数据用于其他目的	以法定中立中介降低数据供需双方的信任成本
《数据法案》（Data Act，2024年1月生效，主要条款2025年9月适用）	赋予联网设备用户对设备生成数据的访问和共享权；规制云服务商切换；建立B2G数据调用机制	打破数据锁定，强制打开企业间数据流通通道
共同数据空间（Gaia-X等）	在农业、医疗、能源、金融等行业建设主权可控的数据共享基础设施	以行业共同体方式实现"数据可用、主权可控"

欧盟模式的特点：先立规则、再建市场，用高标准的权利保护换取数据流通的信任基础，市场组织形态以"行业数据空间+登记制中介"为主，而非集中式交易所。

（二）美国：市场先行的"数据经纪商"模式

美国没有联邦层面的统一数据立法，数据交易长期由市场化的数据经纪商（Data Broker）主导：Acxiom、Experian、CoreLogic等大型经纪商从公开记录、商业渠道、网络追踪等来源汇集消费者数据，加工形成画像产品出售给广告商、金融机构、保险公司。该模式的特点是：

1. 市场发达但保护薄弱：数据经纪产业规模庞大（年产值以百亿美元计），但消费者对自身数据被收集、出售通常不知情、无控制。
2. 州法填补联邦空白：佛蒙特州2018年出台全国首部《数据经纪商登记法》，要求数据经纪商向州政府登记并披露业务信息；加利福尼亚州《删除法案》（Delete Act，2023年）要求数据经纪商在州隐私保护局登记，并将自2026年起建立"一键删除"机制，允许消费者要求所有登记经纪商删除其数据。
3. 监管逻辑差异：美国模式以"行业自律+事后救济"为主，联邦贸易委员会（FTC）依消费者保护职权进行个案执法；这与欧盟"事前登记+事中监管"的规制路径形成鲜明对照。

（三）对中国的启示

中国选择了介于两者之间的道路：以"数据二十条"确立基础制度（类似欧盟的规则先行），同时保留场外交易的广阔空间（类似美国的市场自由），并以数据交易所这一组织化的场内市场作为制度创新的核心载体。这种"第三条道路"能否成功，取决于交易所能否真正解决科斯式交易成本和阿罗式信任问题。

五、数据要素市场"1+N+X"多层次体系

研究提出"1+N+X"的多层次数据交易场所布局构想：

层级	定位	典型代表
国家级（1）	全国性数据交易核心枢纽，承担统筹配置、标准制定、国际合作功能	上海数据交易所（目标：国家数据交易所）、北京国际大数据交易所
区域级（N）	服务区域数据流通，辐射带动周边省份	深圳数据交易所、广州数据交易所、杭州数据交易所
行业级（X）	聚焦特定行业数据流通需求，行业协会或龙头企业牵头	贵阳大数据交易所（大数据综合试验区）、各行业数据交易平台

六、三类数据流通服务机构的功能定位（2026年最新政策）

2026年2月，国家数据局等部门发布《关于培育数据流通服务机构 加快推进数据要素市场化价值化的意见》（四部门联合），首次对三类数据流通服务机构进行明确定位：

机构类型	核心定位	发展方向	典型代表
数据交易所（中心）	综合服务	探索完善数据流通交易规则和标准，强化合规保障、供需匹配等基础服务，增强价格发现、产品开发、生态培育等综合服务，构建全链条数据流通交易服务体系	上海数据交易所、北京国际大数据交易所、深圳数据交易所
数据流通服务平台企业	专业化服务	围绕产业链、供应链和平台生态，促进数据流通利用和价值共创	各类专业化数据流通服务平台
数据商	产品开发	开发更多的优质数据产品和服务	数据产品开发商、数据服务商

七、场内交易 vs 场外交易

对比维度	场内交易	场外交易
规模占比	约20%（2024年数据）	约80%（2024年数据）
增长速度	年均增长率92.6%（2020-2024年）	增速相对平稳
数据产品标准化程度	高（经交易所合规审查）	低（点对点直接交易）
定价机制	公允透明（交易所定价机制）	灵活但不够透明
合规保障	强（交易所合规审查）	弱（依赖双方合同）
公信力	高	参差不齐
发展趋势	快速增长，有望与场外交易协同发展	规模大但需规范提升

补充分析：场外交易占比80%并不意味着场内交易失败。在成熟金融市场中，场外衍生品市场规模同样远超场内市场。关键问题是场外交易是否"可控、可溯、可救济"。当前场外数据交易大量游离于合规框架之外，数据来源合法性、个人信息保护义务均依赖双方自觉，一旦发生纠纷，举证和追责都极为困难。政策的方向不是消灭场外交易，而是通过登记备案、标准合同、合规指引将其"阳光化"。

---

模块三：数据交易所的运行实践

一、五大头部数据交易所对比

对比维度	上海数据交易所	北京国际大数据交易所	深圳数据交易所	广州数据交易所	贵阳大数据交易所
成立时间	2021年11月25日	2021年3月	2021年11月8日	2022年9月30日	2015年4月14日
定位	国家数据交易所，打造全球数据要素配置枢纽节点	北京市数据产业核心平台，建设国家级数据交易所	全国性数据交易平台，"深圳方案"	广东省级数据交易场所，"省市共建、广佛协同"	国家大数据综合试验区核心平台
特色机制	数据产品登记+挂牌双轨制；国际专区；数纽联盟	"数据可用不可见"新型交易范式；隐私计算+区块链	湾数通平台；开放群岛开源社区；数据资产ABS	"无场景不登记、无登记不交易、无合规不上架"；数据合规会审机制	高质量训练数据集；数据标注；低空经济数据
2024年交易规模	40亿元级	近100亿元（累计备案）	超150亿元（含跨境）	超52亿元	超48.9亿元
制度创新	发布数据流通制度体系（2025）；一体化数据市场标准体系	发布2024数据跨境实践探索白皮书	数据资产化发展趋势白皮书	数据资产登记+交易清结算全周期服务	农业数据RWA探索
技术创新	区块链跨链实验室；可信数据空间试点	隐私计算平台；区块链存证	开放群岛开源社区；联邦学习实践	行业数据流通枢纽建设	数据质量评估体系

二、头部交易所运营模式深度解析

（一）上海数据交易所：制度型交易所的样板

上海数据交易所自2021年成立以来，走的是一条"制度先行、生态跟进"的路线。其核心设计是数据产品登记与挂牌的双轨制：数据产品须先经合规评估完成登记，取得登记凭证后方可挂牌交易，登记信息上链存证，形成"登记—挂牌—交易—交付—结算"的全流程闭环。上数所把自身定位为"数据流通制度的生产者"，先后发布数据产品说明书规范、数据交易安全合规管理规范、数商管理办法等规则文件，构建了国内最完整的场内交易规则体系。在生态建设上，上数所培育"数商"群体（数据产品开发方、合规评估方、质量评估方、交付服务方等），以"数纽联盟"形式组织跨机构协作。2023年起建设国际专区，2024年起探索数据资产交易市场，形成"数据产品交易+数据资产交易+国际交易"三线并行的格局。其战略目标是成为与上交所、上期所并列的国家级要素市场基础设施。

（二）北京国际大数据交易所：技术型交易所的探路者

北数所最鲜明的标签是"数据可用不可见"的新型交易范式：依托隐私计算（多方安全计算、联邦学习、可信执行环境）和区块链技术，买方获得的是数据的计算结果或模型参数，而非原始数据本身，从技术层面化解"交易即失控"的风险。围绕这一范式，北数所建设了数据托管平台、隐私计算平台和区块链存证体系，并依托北京数据基础制度先行区开展政策试点。北数所的另一特色是数据资产登记凭证制度，凭证成为企业数据资产入表、质押融资的重要权利外观材料。在跨境方向上，北数所发布数据跨境实践探索白皮书，参与北京自贸区数据出境便利化机制建设。北数所的路径显示：当制度供给不足时，技术架构本身可以成为一种"制度替代"。

（三）深圳数据交易所：市场化与跨境的先行军

深数所是五大交易所中市场化程度最高、交易规模最大的平台。其经验可概括为三点：一是动态合规体系，针对数据产品全生命周期建立从主体合规、标的合规到流通合规的多层审查，并引入律师事务所、会计师事务所等第三方专业机构参与合规会审；二是跨境交易先行，依托粤港澳大湾区探索数据跨境交易，2024年跨境交易额达2.5亿元，在金融、贸易等场景实现境外数据产品的场内交易；三是生态开源化，发起"开放群岛（Open Islands）"开源社区，将隐私计算、数据空间等技术组件开源共享，降低中小数商的技术门槛。深数所还深度参与了全国首单数据资产ABS的底层资产组织，推动数据交易与资本市场衔接。其"深圳方案"的本质是：以高频、小额、多场景的活跃交易反哺规则的形成。

（四）广州数据交易所：场景导向的区域枢纽

广数所实行"省市共建、广佛协同"体制，其标志性规则是"无场景不登记、无登记不交易、无合规不上架"——数据产品必须对应明确的应用场景才能登记，从源头上防止为交易而交易的空转。广数所创新设立数据合规会审机制，联合监管部门、法律和技术专家对重点数据产品进行联合审查。在组织架构上，广数所采取"一所多基地多平台"模式，在佛山、湛江等地设立服务基地，并面向制造业、商贸业等广东优势行业建设行业数据空间，推动产业链上下游数据的场内流通。广数所的实践说明：区域交易所的生命力在于深度嵌入本地产业结构，而非复制全国性平台的通用模式。

（五）贵阳大数据交易所：十年探索的"老一代"

作为全国第一家数据交易所（2015年4月成立），贵数所经历了从狂热到沉寂再到重启的完整周期，其经验教训极具标本价值。早期贵数所采取会员制撮合模式，一度集聚大量会员但真实交易寥寥，暴露了第一代交易所"重挂牌、轻交付"的通病。2022年后贵数所重组升级，转向场景化专区运营：设立气象数据专区（依托贵州国家气象数据开放试点）、电力数据专区、高质量训练数据集专区，并探索数据要素价格形成机制，开发数据要素价格计算工具。依托贵州"东数西算"枢纽的算力资源，贵数所将数据交易与算力服务打包，形成"数据+算力+算法"的综合供给。贵数所的转型表明：交易所必须回答"数据从哪里来、交付到哪里去"的基本问题，否则牌照先发优势也会消耗殆尽。

三、数据交易所的运行困境与突围

复旦大学郑丁灏教授（2024年《科技进步与对策》）的研究指出中国数据交易所面临的四大困境：

困境类型	具体表现	深层原因
数据收集能力不足	交易所难以有效聚集高质量数据产品	数据提供方对数据价值认知不足，缺乏参与激励机制
数据转让动力不足	持有方担心数据共享后丧失竞争优势	数据产权不清晰，"数据孤岛"普遍存在
"三性"不确定	合规性（是否合法）、合价性（价格是否合理）、合质性（质量是否达标）均存在不确定性	缺乏统一标准，交易所规则参差不齐
职能定位模糊	交易所到底是"中介"还是"监管者"还是"服务商"？	制度供给不足，法律地位不明确

（一）"有场无市"困境的多角度解剖

1. 供给端：高质量数据"不愿进场"。 真正高价值的数据（如头部平台的用户行为数据、金融机构的风控数据）持有者议价能力强，倾向场外一对一谈判以获取更高对价并控制流向；愿意进场挂牌的往往是公共属性强、价值密度低的数据，形成"柠檬化"风险。
2. 需求端：真实需求"不成规模"。 数据需求高度场景化、碎片化，多数中小企业并不清楚自己需要什么数据、能出多少钱，需求培育本身需要时间；而大企业多已建立自有数据采购渠道。
3. 制度端：进场成本"高于收益"。 场内交易要求合规评估、质量评估、登记挂牌，直接成本和合规不确定性都高于场外；在违法成本低的现实下，理性主体会规避场内。
4. 技术端：交付方式"未标准化"。 数据交付涉及API、沙箱、隐私计算等多种技术路径，缺乏统一技术标准，不同交易所、不同产品的交付接口互不兼容。
5. 心理端：持有方的"数据窖藏"心态。 许多机构将数据视为战略性储备，"宁可闲置、不可外流"，担心交易后丧失竞争优势或承担泄露责任。

（二）突围路径（学者观点）：

• 数据信托机制重构（厦门大学姜宇，2023年）：通过数据信托对数据权益进行解构与重组
• 明确交易所"综合服务商"定位：一个前提（合规）、两种动力（供给动力+需求动力）、三大功能（撮合+服务+治理）
• 2026年政策给出的官方答案：推动交易所向"全链条数据流通交易服务体系"转型，把合规保障、价格发现、产品开发、生态培育都纳入交易所功能，让交易所从"收摊位费的市场"变为"创造价值的服务商"。

四、数据交易所的治理三边模型

武汉大学张阳副教授提出数据交易所"治理三边模型"（2024年）：

维度	核心内容
组织维度	数据交易所的定位和责任：自律性数据交易所不能混同为数据商、数据中介或数据平台，责任范围不可止步于中间人义务
行为维度	数据交易所的模式和机制：探索建立分类分层的交易机制、合规审查机制、价格发现机制
结构维度	数据交易所的布局和联动：国家级+区域级+行业级的多层次联动体系

五、新型流通模式：数据信托、数据银行与可信数据空间

（一）数据信托

数据信托是借鉴信托法理构建的数据流通机制：数据来源者（委托人）将数据权益委托给专业受托机构，由受托机构按照信托目的（受益人利益最大化）对数据进行管理、运营和授权使用。其制度优势在于：

1. 以信义义务约束数据处理者：受托人对受益人负有忠实义务和谨慎义务，比普通合同义务更严格，可以约束受托方滥用数据；
2. 以受托机构的专业性弥补个体议价能力：分散的个人或小企业无法与大型数据使用方谈判，信托受托人可以集中行使权利；
3. 以信托财产的独立性实现风险隔离。

域外经验方面，英国开放数据研究所（ODI）曾于2018—2019年开展数据信托试点（如格林威治市政数据、食物浪费追踪等项目），验证了"独立受托人治理数据访问"的可行性。国内学界（姜宇等）主张以数据信托重构数据权益结构，实务界已有慈善信托、知识产权信托的近似经验，但专门的数据信托产品尚处于探索初期，其法律障碍主要是《信托法》对"信托财产"确定性的要求与数据可复制性之间的张力。

（二）数据银行

数据银行借鉴货币银行的经营逻辑：数据主体将数据"存入"数据银行，数据银行向数据需求方提供"贷出"（授权使用）服务，存数方获得"利息"（收益分成）。贵阳等地曾提出数据银行构想，其本质是一个数据权益的集约化托管运营机构。数据银行的法律难点在于：数据能否作为"存款"形成可返还的债权关系；数据银行"挤兑"（大量用户同时要求删除数据）时如何运营；以及数据银行的准入应当参照金融机构实行牌照管理还是一般商事登记。目前数据银行更多停留在概念验证层面，但其在个人数据收益分配领域的想象空间值得关注。

（三）可信数据空间

可信数据空间（Trusted Data Space）是基于共识规则，联接多方主体，实现数据资源共享共用、价值共创的技术与制度综合体。与交易所的"集中撮合"不同，数据空间强调分布式协作：数据不离开持有方的控制域，通过统一的使用控制策略、身份认证和存证审计实现"可用不可见、可控可计量"的流通。国家数据局2024年11月印发《可信数据空间发展行动计划（2024—2028年）》，提出到2028年建成100个以上可信数据空间的目标。数据空间与交易所的关系不是替代而是互补：交易所解决"发现交易对手"的问题，数据空间解决"跨主体安全协作"的问题。

---

模块四：数据交易模式与定价机制

一、数据交易的主要模式

模式类型	特点	优势	劣势	典型应用
数据撮合交易	交易所仅提供信息匹配平台	流程简便、灵活性高	合规保障弱，定价不透明	早期场外交易
数据增值服务	交易所提供数据加工、清洗、增值服务	提升数据价值，提供增值服务	运营成本高	当前主流模式
数据产品交易	将数据加工成标准化数据产品进行交易	质量可评估，定价更透明	前期加工成本高	上海数据交易所等场内交易
数据换数据	数据交换而非货币交易	零货币成本	需精确匹配需求	企业间数据协作
数据换订单/换服务	数据换取商业机会或服务	灵活多样	价值评估困难	新型交换模式
数据作价出资	以数据资产出资设立企业	激活数据资本价值	估值困难，法律不明确	试点探索阶段

二、数据定价的博弈论分析

（一）一次性博弈中的报价困境

数据交易在很多场景下是"一锤子买卖"。在一次性讨价还价博弈中，买方不知道数据的真实价值（阿罗悖论），卖方不知道买方的支付意愿，双方的报价策略必然包含虚报成分：买方压价、卖方抬价，成交区间收窄甚至消失。博弈论告诉我们，信息不对称越严重，交易达成的概率越低——这正是大量数据交易"谈不拢"的理论根源。

（二）重复博弈与声誉机制

如果交易是重复进行的（例如长期API调用、持续数据服务），博弈结构发生根本变化：卖方为维持长期合作会控制数据质量，买方为维持数据供给会支付合理价格，声誉成为可积累的资产。数据交易所的重要作用之一就是把场外的一次性博弈"改造"为场内的重复博弈——交易记录上链、违约信息公开、会员信用积分，使机会主义行为在未来交易中付出代价。这解释了为何交易所普遍建立数商信用评级体系。

（三）纳什谈判解与收益分成定价

在合作博弈框架下，纳什谈判解要求按双方的"谈判力"和"破裂点收益"分配合作剩余。数据分成式定价（如按数据使用产生收入的一定比例分成）本质上就是纳什谈判解的市场化实现：双方不纠结于数据的绝对价格，而是约定对未来收益的分配比例，把价值不确定性转化为共同承担的风险结构。实践中常见的"保底+分成""按调用量阶梯计价""按效果付费"均可视为谈判解的不同参数化形式。

（四）拍卖机制与双边叫价

对于高价值、稀缺性强的数据产品（如独家行业数据库），拍卖机制可以通过竞买者之间的信息竞争逼近真实价格；对于买卖双方均不确定价值的情形，双边拍卖（双向叫价）机制可以部分缓解信息租金问题。但数据产品的异质性决定了拍卖只能用于少数标准化程度高的品类，无法成为主流定价方式。

三、数据资产定价的学术研究

（一）数据资产价值的不确定性

数据资产具有以下独特属性，导致定价困难：

• 非稀缺性：同一数据可被多方同时使用，边际成本接近零
• 异质性：数据价值高度依赖具体应用场景，无法统一估价
• 价值不确定性（阿罗信息悖论）：数据买方在交易前无法确知数据价值，需要通过信息披露评估，但披露即意味着价值损失
• 时效性：数据价值随时间递减，过期数据价值大幅下降

（二）主流定价模型

定价模型	原理	适用场景	局限性
成本法	基于数据采集、加工、存储成本定价	成本可明确计量的场景	无法反映数据的市场价值
市场法	参考同类数据产品近期成交价格	标准化程度高的数据产品	参照数据有限，市场不成熟
收益法	基于数据使用带来的未来收益折现	数据对业务决策有明确贡献的场景	收益归因困难，多因素交织
智能合约定价	基于区块链智能合约跟踪交易并动态定价	实时数据交易场景	技术要求高，适用范围有限
拍卖定价	通过竞拍方式发现价格	高价值稀缺数据	效率较低，不适合大规模交易

四、数据资产评估国家标准解读（GB/T 47949—2026、GB/T 47950—2026）

数据资产入表、质押、证券化的爆发式增长，倒逼评估环节的标准化。2026年发布的GB/T 47949—2026与GB/T 47950—2026两项国家标准，分别从数据资产评估框架和评估实施操作层面构建了统一规范，标志着数据资产评估从"各说各话"走向"有标可依"。其要点可归纳为：

规范要点	核心内容	对交易制度的意义
评估对象界定	明确作为评估对象的数据资产须满足合法拥有或控制、能带来经济利益、成本或价值可计量三要件	与会计确认、产权登记制度衔接，避免"伪数据资产"进入金融链条
评估方法体系	规范成本法、收益法、市场法在数据场景下的适用条件、参数选取与修正规则	遏制评估机构随意选用方法抬高估值的道德风险
质量维度指标	将数据的准确性、完整性、一致性、时效性、稀缺性等质量因素纳入价值修正	使"数据质量"从技术指标转化为法律上的价格抗辩事由
合规审查前置	要求评估前对数据来源合法性、个人信息处理合规性进行核验	评估报告可成为交易合同中的合规证明文件
评估报告要件	统一评估报告的披露要素，包括评估假设、限制条件、有效期	为监管审查和司法认定提供统一证据形态

教学提示：两项国标属于推荐性国家标准（GB/T），不具有强制约束力，但在司法实践中，是否符合国家标准将成为法院判断评估机构是否勤勉尽责、当事人是否构成"评估不实"的重要参照，其实际法律效力不可低估。

五、数据交易所的合规交易流程

环节	内容	责任主体
① 数据来源合规	确认数据来源合法，持有权清晰	数据提供方
② 数据质量评估	对数据的准确性、完整性、时效性进行评估	数据交易所/第三方评估机构
③ 数据分类分级	依据《数据安全法》进行分类分级	数据提供方+交易所
④ 合规审查	审查数据处理活动是否合法，是否涉及个人信息	交易所合规审查部门
⑤ 产品标准化	将原始数据加工为标准化数据产品（数据集/API/数据服务）	数据商
⑥ 登记存证	在交易所进行数据产品登记，区块链存证	数据交易所
⑦ 交易撮合	供需匹配，协商交易条件	数据交易所
⑧ 合同签订	签署数据交易合同，明确双方权利义务	供需双方
⑨ 交付与使用	数据交付，数据使用监督	供需双方
⑩ 争议处理	纠纷调解或仲裁	数据交易所/第三方仲裁机构

六、数据交易合同的核心条款解析

数据交易合同目前不是《民法典》规定的有名合同，属于无名合同，适用合同编通则并参照最相类似的有名合同（技术合同、买卖合同）。其核心条款的设计逻辑与普通货物买卖有本质差异：

条款类型	核心内容	风险提示
标的条款	以数据产品说明书形式界定标的：数据范围、字段结构、更新频率、交付形态（数据集/API/报告/模型）	标的描述不清是数据交易纠纷的首要来源，应避免"某领域数据一批"式的模糊表述
权利范围条款	约定使用目的、使用方式、使用期限、使用地域、可否转授权、可否用于模型训练	必须明确"授权使用"而非"所有权转移"；AI训练用途建议单列条款
合规陈述与保证	卖方保证数据来源合法、已履行个人信息保护义务、不侵犯第三方权益	该条款是买方事后追责的核心依据，也是交易所合规审查的合同化延伸
质量条款	数据准确性、完整性、时效性的量化标准及检验方法	可引用GB/T 47949—2026等标准的质量维度作为验收依据
交付与验收条款	交付方式（下载/API/沙箱/隐私计算）、验收标准与异议期	沙箱、隐私计算交付下的"验收"如何认定，需在合同中专门定义
保密与安全条款	双方的数据安全保护义务、泄露通知义务、安全事件责任	与《数据安全法》第27条的安全保护义务衔接
衍生权益条款	买方基于数据加工形成的衍生数据、模型、报告的权益归属	这是数据合同特有的条款，默认规则缺失，必须明示约定
退出与销毁条款	合同终止后的数据删除、返还义务及删除证明	数据的"返还"在技术上无意义，应约定删除核验与存证机制
违约与争议条款	违约金、损害赔偿计算方法（可考虑约定许可费倍数）、管辖与仲裁	数据泄露损失难以举证，建议预设违约金计算方式

---

模块五：数据资产入表与金融化

一、数据资产入表：从"资源"到"资产"的跨越

2024年1月1日，财政部《企业数据资源相关会计处理暂行规定》正式施行，数据资源正式可以计入企业资产负债表，标志着数据从"无形资源"转变为"可量化资产"。

入表路径：

会计处理方式	适用情形	示例
无形资产	企业自行研发或外购的数据资源，满足无形资产确认条件	数据平台软件、数据产品
存货	企业数据资源用于对外销售，符合存货定义	数据产品对外销售
费用化	研发阶段无法区分研究支出与开发支出，或不满足资本化条件	前期数据采集和探索性分析

2025年A股入表实况（上海数据交易所《上市公司数据价值化研究报告（2025）》）：

• 截至2025年半年度，A股5000余家企业中，有109家上市公司披露了数据资源入表相关事项
• 共涉及入表金额26.40亿元
• 数据资产正以"无形资产"或"存货"形式出现在企业资产负债表中

案例：中远海运科技股份有限公司（首家在表内披露数据资产并在上海数据交易所挂牌产品的企业）：

• 在上海数据交易所完成数据产品挂牌
• 数据交易所挂牌不仅帮助企业间接完成数据资源的合规治理，也满足了会计处理对数据来源合法性的要求
• 示范效应：为其他企业提供了"数据产品挂牌→合规治理→资产入表"的可复制路径

二、数据资产入表的会计处理详细流程

数据资源入表并非简单的"记账"动作，而是一条横跨法务、业务、财务的完整作业链条：

数据资产入表全流程：
┌────────────────────────────────────────────────────┐
│ ① 资源盘点：识别企业控制的数据资源，形成数据资源目录 │
│ ② 合规核验：确认数据来源合法、处理活动合规           │
│    （法务主导，可借助交易所登记凭证作为合规证明）      │
│ ③ 确认判断：是否满足"控制+经济利益很可能流入+        │
│    成本能可靠计量"三要件                            │
│ ④ 分类列报：自用→无形资产；日常持有以备出售→存货     │
│ ⑤ 初始计量：外购按购买价款；自研区分研究/开发阶段，  │
│    开发阶段满足条件的支出资本化                      │
│ ⑥ 后续计量：无形资产按寿命摊销并进行减值测试；        │
│    存货按成本与可变现净值孰低计量                    │
│ ⑦ 披露：表内列示+附注披露（强制披露+自愿披露并行）   │
│ ⑧ 动态管理：数据资产台账、价值跟踪、处置与终止确认   │
└────────────────────────────────────────────────────┘

实务难点：

1. 研究与开发阶段的划分：数据项目往往采集、清洗、建模交织进行，划分不清将导致该资本化的费用化（低估资产）或反之（粉饰报表）。
2. 摊销年限的确定：数据时效性强，摊销年限过长会虚增资产，过短则丧失入表意义，实务中多结合数据更新周期确定。
3. 减值迹象的判断：政策变化（如某类数据被禁止交易）、技术替代（更优数据源出现）都可能触发减值，需要建立常态化监测。
4. 审计证据的获取：数据来源合法性、控制关系的证明高度依赖登记凭证、合规评估报告等外部文件，这也是交易所登记制度与会计制度的隐性衔接。

三、数据资产金融化的多元突破

2025年是数据资产金融化的"突破年"，多元融资模式相继落地：

融资模式	首单/里程碑	核心机制	意义
数据资产证券化（ABS）	2025年7月31日，深交所"华鑫-鑫欣-数据资产1期"	将数据资产未来现金流打包为标准化证券	开创数据资产进入资本市场融资的全新阶段
数据资产质押融资	2024年起多地落地（光大银行"贵数贷"、上海银行"数易贷"等）	以数据资产作为质押物获取银行贷款	拓宽数据企业融资渠道
数据资产入股	逐步落地	以数据资产作价出资设立企业	激活数据资本属性
数据资产信托	学术讨论阶段，实务探索中	通过信托机制实现数据权益的分离与流转	为数据资产提供专业化管理
RWA（真实世界资产）代币化	农业领域（2025年，中农融信）	将土地、农产品等实体资产用区块链登记确权并生成数字化凭证	为数据资产通证化提供参考范式

2025—2026年数据资产证券化新进展：在首单产品破冰后，数据资产ABS进入扩容通道。据公开市场信息，深交所、上交所陆续受理多单以数据资产应收账款、数据产品收益权、公共数据授权运营收益权为基础资产的证券化项目，基础资产类型从企业自有数据扩展至公共数据授权运营场景，发行主体从数据科技企业扩展至地方数据集团。这一趋势的法学意义在于：证券化要求基础资产"权属清晰、现金流独立可预测"，倒逼前端的确权、登记、评估、合同标准化全面提速——金融需求正在成为数据基础制度落地的最强牵引力。

四、数据资产质押融资：操作流程与法律风险

（一）操作流程

数据资产质押融资流程：
┌────────────────────────────────────────────────────┐
│ ① 权利外观形成：在数据交易所或数据知识产权登记平台    │
│    完成登记，取得登记凭证                            │
│ ② 价值评估：第三方评估机构按国家标准出具评估报告      │
│ ③ 银行尽调：数据来源合法性、经营现金流、处置可能性    │
│ ④ 签订质押合同并办理质押登记（登记机关问题尚存争议）  │
│ ⑤ 放款与贷后管理：监测数据资产价值波动与合规状态      │
│ ⑥ 违约处置：变卖、拍卖或许可第三方使用以清偿债权      │
└────────────────────────────────────────────────────┘

（二）法律风险分析

1. 权利客体适格性风险：《民法典》第440条规定了可出质的权利类型（汇票、股权、知识产权中的财产权等），数据权益未被明确列入。数据资产质押目前只能依托"可以转让的注册商标专用权、专利权、著作权等知识产权中的财产权"条款通过数据知识产权路径勉强容纳，或诉诸第440条第七项兜底条款"法律、行政法规规定可以出质的其他财产权利"——而后者目前并无上位法明确授权，质权效力存在被否定的风险。
2. 估值与处置风险：数据资产价值波动剧烈、缺乏活跃的二级处置市场，一旦违约，银行面临"有价无市"的变现困境，这也是目前质押融资普遍额度小、期限短、依赖补充担保的原因。
3. 合规传导风险：质押期间若出质人发生数据安全事件或被认定数据来源违法，质押物价值可能瞬间归零，甚至牵连质权人；贷后合规监测因此成为必备环节。
4. 重复质押风险：数据可复制、可多点授权，同一数据资产可能被重复质押或已许可他人使用，登记系统的统一性和查询便利性不足时，质权人难以察觉。

五、数据资产作价出资的公司法问题

新修订《公司法》（2024年7月1日施行）第48条规定，股东可以用货币出资，也可以用实物、知识产权、土地使用权、股权、债权等可以用货币估价并可以依法转让的非货币财产作价出资。数据资产要满足出资适格性，须同时通过两道门槛：

要件	法律要求	数据资产的适配难点
可以用货币估价	价值可评估、可验证	已有GB/T 47949—2026等标准支撑，但估值波动性大，可能引发出资不实的后续争议
可以依法转让	财产权利可移转	含个人信息、公共数据成分的数据转让受《个人信息保护法》《数据安全法》限制，并非所有数据资产都"可依法转让"

配套法律问题：

1. 财产权转移手续：实物出资以交付、不动产以过户完成转移；数据资产的"交付"如何认定（移交数据副本？开放API权限？变更登记？），各地市场监管部门尚在探索，天津、北京等地已出现以数据资产作价入股设立企业的登记案例。
2. 出资不实的责任：若数据资产评估值虚高，按《公司法》第50条，发起人股东可能承担补足及连带责任；评估机构按第257条承担相应赔偿责任——这将评估机构的执业风险显著放大。
3. 公司资本维持原则的冲击：数据资产可能因政策或技术原因快速减值，如何在资本维持原则与数据资产特性之间协调，可能需要司法解释专门回应。

六、公共数据授权运营

2025年公共数据开发利用"1+3"政策体系逐渐完善：

• 《关于加快公共数据资源开发利用的意见》（中共中央办公厅、国务院办公厅）
• 《公共数据资源登记管理暂行办法》（国家发展改革委、国家数据局）
• 《公共数据资源授权运营实施规范（试行）》
• 《关于建立公共数据资源授权运营价格形成机制的通知》

"1+3"体系的核心要点：

公共数据授权运营体系：
┌────────────────────────────────────────────────────┐
│ 授权主体：各级政府或其指定的授权运营单位            │
│                                                    │
│ 运营模式：政府授权给运营机构，运营机构加工后提供    │
│                                                    │
│ 收益分配：建立合理的收益分配机制，兼顾供数方、      │
│ 运营方和用数方利益                                 │
│                                                    │
│ 安全监管：数据安全审查+日常监管+定期评估            │
│                                                    │
│ 典型案例：北京、上海、浙江等省市率先出台实施细则    │
└────────────────────────────────────────────────────┘

深入分析：公共数据授权运营在法理上面临一个基础追问——政府持有的公共数据能否"卖"？政策体系的回答是：授权运营不是数据所有权的让渡，而是有条件、有期限、有监督的开发使用权授予；价格形成机制区分公益用途（无偿或低偿）与经营用途（政府指导价或市场调节价），防止公共资源的资本化套利。这一制度实际上是在公共数据的"公共性"与"要素性"之间寻求平衡，其执行尺度将直接影响公共数据这一最大规模数据资源池的开放深度。

---

模块六：数据跨境流动的市场化路径

一、跨境数据流动的"多轨并行"合规框架

路径	条件	适用情形	主管机关
数据出境安全评估	通过国家网信部门组织的数据出境安全评估	关键信息基础设施运营者；处理100万人以上个人信息者；自上年1月1日起累计向境外提供10万人个人信息或1万人敏感个人信息者	国家网信办
个人信息保护认证	经专业机构认证	与境外接收方订立标准合同等情形	专业认证机构
个人信息出境标准合同	与境外接收方订立标准合同	安全评估和认证以外情形	—
免予申报情形	符合《促进和规范数据跨境流动规定》	跨境购物、跨境人力资源管理、境外数据加工等	—

二、各地数据跨境便利化实践

上海自贸区：依托自贸区探索数据跨境便利化机制，在保障数据安全前提下，为企业参与国际竞争与合作创造有利条件。

北京国际大数据交易所：发布《2024数据跨境实践探索白皮书》，聚焦跨境数据流通的合规路径与技术创新。

深圳数据交易所：开展跨境数据交易，2024年跨境交易额达2.5亿元。

三、数据交易所国际专区建设

上海数据交易所国际专区建设模式：

方向	内容
进口市场	先行构建数据进口市场，引入境外高质量数据产品
跨境双向流通	逐步推进跨境双向流通，探索数据出境合规路径
国际合作	与哈萨克斯坦阿斯塔纳数据交易所等签署合作协议

四、国际经贸规则对数据跨境交易的影响

数据跨境交易不仅是国内法问题，还受到我国参与的国际经贸规则塑造：

规则/协定	数据条款要点	对我国的影响
RCEP（区域全面经济伙伴关系协定）	电子商务章节允许数据跨境流动，但保留"公共政策目标"例外与"基本安全利益"例外	我国在RCEP框架下对数据流动承担有限承诺，例外条款为国内监管预留空间
CPTPP（全面与进步跨太平洋伙伴关系协定）	要求数据跨境自由流动、禁止数据本地化、禁止强制公开源代码，例外空间更小	我国已申请加入，数据条款是谈判难点；加入将倒逼国内跨境规则进一步明晰化
DEPA（数字经济伙伴关系协定）	模块化数字经济规则，涵盖数据流动、数字身份、数据创新沙盒等；我国2021年申请加入，已成立加入工作组	DEPA强调"数据可信任流动"的机制互认，与我国数据交易所、可信数据空间建设存在制度对接空间
WTO电子商务谈判	电子传输免关税暂禁令持续延期；数据流动条款尚在谈判	影响跨境数字产品和数据服务的关税与贸易规则预期

分析视角：国际规则博弈的实质是数据主权与数据自由流动两种理念的折冲。欧盟以GDPR的"充分性认定"输出保护标准，美国以"数据自由流动"维护其数字企业全球优势，我国则以"安全评估+负面清单"构建安全前提下的有序流动。数据交易所的国际专区、跨境数据通道建设，应理解为我国参与国际规则塑造的"制度试验田"——先在双边、区域合作中形成可互认的流通机制（如中哈数据交易所合作），再将其转化为多边谈判中的规则主张。

五、数据跨境交易的税务问题

数据跨境交易的税务处理目前处于规则模糊地带，主要问题包括：

1. 增值税定性：跨境提供数据服务属于销售服务还是无形资产转让？现行政策下，向境外单位提供的完全在境外消费的部分服务可适用增值税零税率或免税，但数据产品的"境外消费"认定标准缺乏细则，不同交易所、不同交付形态（API调用、数据集交付、模型输出）可能被不同对待。
2. 企业所得税与常设机构：境外企业通过API持续调用境内数据产品，是否构成在境内的"常设机构"从而负有纳税义务？数字化商业模式使传统的物理存在型常设机构规则失灵。
3. OECD"双支柱"方案的冲击：支柱一将部分跨国企业剩余利润重新分配给市场国（用户所在国），数据被视为价值创造的重要因素；支柱二确立15%全球最低税。虽然"双支柱"直接针对大型跨国数字企业，但其"价值创造地征税"的逻辑预示着数据要素收益的国际分配规则将长期演变，跨境数据交易的定价（转让定价）将受到更严格审视。
4. 关税问题：WTO电子传输免关税暂禁令目前覆盖以电子方式传输的产品，数据产品线上交付暂无关税负担，但该暂禁令在部分成员中存争议，长期稳定性存疑。

教学提示：税务规则的滞后性意味着数据跨境交易合同必须包含税负分配条款（如含税价/净价、税款代扣代缴安排），否则极易在履约中发生争议。

---

模块七：数据要素市场的未来趋势

一、"数据要素×"三年行动计划：从建市场到用数据

2024年1月，国家数据局等17部门联合印发《"数据要素×"三年行动计划（2024—2026年）》，标志政策重心从"建制度、建场所"转向"用数据、出价值"。行动计划部署12个重点行业和领域：

领域	数据要素赋能方向
工业制造	研发设计、生产优化、供应链协同的数据驱动
现代农业	遥感气象数据、农产品溯源、智慧种植养殖
商贸流通	消费数据洞察、供应链预测、跨境电商数据服务
交通运输	多式联运数据协同、智慧物流、出行服务优化
金融服务	数据增信的普惠信贷、保险精算、智能风控
科技创新	科研数据共享、AI训练数据供给、文献数据服务
文化旅游	游客行为分析、数字文创、智慧景区
医疗健康	临床数据科研应用、医保数据治理、药物研发
应急管理	灾害监测预警数据融合、应急资源调度
气象服务	气象数据产品化、气象数据与行业场景结合
城市治理	城市运行"一网统管"、公共数据赋能基层治理
绿色低碳	碳数据核算、能耗数据优化、环境数据服务

行动计划的政策逻辑是乘数效应：数据不同于土地资本的"一对一"投入产出，同一数据可以在多个场景反复使用、持续增值，因此政策工具从补贴建设转向场景开放，以真实需求牵引市场成长。

二、数据要素市场与新质生产力

新质生产力以高科技、高效能、高质量为特征，由技术革命性突破、生产要素创新性配置、产业深度转型升级催生。数据要素与新质生产力的关系可以从三个层面理解：

1. 要素重组层面：数据与土地、劳动力、资本、技术的组合方式发生质变。数据嵌入传统要素，可以显著提升其边际产出——精准农业以数据节约水土，智能制造以数据节约工时，普惠金融以数据节约风控成本。数据因而被称为"要素的要素"。
2. 效率提升层面：数据要素降低全社会的信息成本和交易成本（呼应科斯定理），使资源配置逼近信息充分状态，这是全要素生产率提升的重要来源。
3. 产业变革层面：数据要素催生了数据产业这一新产业门类（数据采集、标注、交易、安全、评估等），并支撑人工智能、低空经济、自动驾驶等未来产业，形成"数据要素×产业"的裂变格局。

从这一视角看，数据要素市场建设不是单纯的商业制度安排，而是国家生产力跃迁的基础工程；数据法学的使命，就是为这一跃迁提供稳定、可预期的制度容器。

三、数据要素市场的监管趋势

（一）监管体制：从分散走向统筹

国家数据局成立后，数据要素市场的宏观管理职能趋于集中，但"数据局—网信办—行业主管部门—市场监管部门"的多头格局仍将持续一段时间。可预期的方向是：数据局统筹市场建设与基础制度，网信办统筹安全与出境监管，行业主管部门管理行业数据，市场监管部门负责反不正当竞争与反垄断执法，形成"发展—安全—竞争"三条监管线的分工协作。

（二）监管方式：从审批走向穿透

数据交易链条长、主体多、技术复杂，传统的事前审批难以覆盖。监管重心正转向穿透式监管：依托登记体系、交易存证、区块链溯源等技术手段，对数据来源、流向、使用进行全链条追踪，实现"数据动、监管知"。全国一体化数据产权登记体系和交易所交易存证，本质上是监管基础设施。

（三）监管技术：以技术回应技术

可信数据空间、隐私计算、监管沙盒等"监管科技"工具被纳入监管框架（《可信数据空间发展行动计划（2024—2028年）》），监管者开始用技术架构替代部分行政管制：与其禁止数据流出，不如确保数据"可用不可见"；与其逐一审查，不如设定技术边界内的"沙盒豁免"。

（四）监管议题前瞻

新兴议题	核心问题
数据市场反垄断	数据集中是否构成必需设施？数据垄断行为如何认定？
AI训练数据合规	大模型训练语料的合法性、版权与数据权益冲突
数据交易中的劳动者权益	数字劳动（标注员、内容生产者）的收益分配保障
数据资产评估行业监管	评估机构准入、执业标准、虚假评估责任
数据金融风险	数据资产泡沫化、数据ABS违约传导、质押物处置机制

---

课堂互动环节

判断题（共6题，每题5分）

题目1："数据二十条"确立的数据产权"三权分置"是指将数据所有权分为持有权、使用权和经营权三项权利。（　　）

答案：✗ 错误。"数据二十条"确立的是"数据资源持有权、数据加工使用权、数据产品经营权"三项权利，并非传统意义上的所有权三分，而是对数据处理过程中不同阶段、不同性质权利的结构性分置。

题目2：2024年我国数据市场交易规模超过1600亿元，其中场内交易规模超过300亿元，说明场内交易已成为数据市场的主要交易模式。（　　）

答案：✗ 错误。场内交易规模虽超300亿元，但仅占总规模约20%，场外交易仍占约80%，场内交易虽增速更快（年均92.6%），但尚未成为主要模式。

题目3：数据资产证券化（ABS）是指将数据资产未来可预期的稳定现金流作为基础资产，在资本市场发行标准化证券进行融资的行为。（　　）

答案：✓ 正确。

题目4：2026年"十五五"规划纲要提出"建设开放共享安全的全国一体化数据市场"，意味着未来数据交易将全部在国家级数据交易所进行，区域性交易所将全部撤销。（　　）

答案：✗ 错误。"十五五"规划强调的是"开放、共享、安全"三大核心要求，目标是构建"国家级+区域级+行业级"多层次市场体系，并非撤销区域性交易所，而是推动各层级数据交易所错位发展、功能互补。

题目5：根据《民法典》第440条，数据资产已被明确列为可以出质的权利类型，企业以数据资产质押融资不存在权利客体适格性障碍。（　　）

答案：✗ 错误。《民法典》第440条并未明确列举数据权益为可出质权利，实务中数据资产质押多依托数据知识产权路径或兜底条款探索，质权效力仍存在法律争议，这也是数据资产质押融资普遍额度小、期限短的重要原因。

题目6：阿罗信息悖论揭示了数据交易中"不披露无法估价、披露即丧失价值"的困境，数据交易所的样本检验、第三方质量背书和按效果付费机制都是对该悖论的制度回应。（　　）

答案：✓ 正确。阿罗信息悖论导致信息市场上信任稀缺，有限披露、信用中介、效果付费和法律责任兜底是当前缓解该悖论的四类主要机制。

---

选择题（单选，每题10分）

题目1：某企业计划将自有的物流数据加工成数据产品在上海数据交易所挂牌交易。下列流程顺序正确的是（　　）：

A．数据采集→数据加工→交易所挂牌→合规审查→登记存证→合同签订→交付使用

B．数据采集→数据分类分级→数据加工→数据产品标准化→合规审查→登记存证→挂牌交易

C．数据采集→数据评估→数据产品开发→交易所申请→挂牌→合同签订

D．数据采集→数据清洗→直接上架交易所→定价→交易

答案：B

解析：数据产品挂牌的标准流程应包括：数据来源确认→分类分级→加工成标准化数据产品→交易所合规审查→登记存证→挂牌交易。数据分类分级是法定义务（《数据安全法》第21条），合规审查是交易所挂牌的必要前提，两者不可省略。

题目2：甲公司拟以其数据资产对乙公司作价出资。根据2024年7月1日施行的新《公司法》，该数据资产作为出资财产必须同时满足的条件是（　　）：

A．已在数据交易所挂牌且交易满一年

B．可以用货币估价并可以依法转让

C．已完成数据资产入表且账面价值不低于100万元

D．已经公证机构公证其权属

答案：B

解析：《公司法》第48条规定，非货币财产出资须满足"可以用货币估价并可以依法转让"两个要件。交易所挂牌、资产入表、公证均非法定出资要件。需注意，含有依法限制流通成分（如未取得合法授权个人信息）的数据资产可能因不满足"可依法转让"而不具备出资适格性。

---

延伸思考题（共6题，任选2题作答）

思考题1：2025年7月全国首单数据资产ABS发行，是数据要素金融化的里程碑。请从法律和金融双重视角，分析数据资产证券化相较于传统资产证券化的特殊风险，以及应如何设计相应的风险防控机制。

思考题2：当前全国60余家数据交易所中，超过50家陷入"有场无市"困境。请结合"数据二十条"的制度设计和市场规律，分析数据交易所应当如何实现从"交易撮合平台"向"全链条生态服务商"的功能转型。

思考题3：请对比分析"数据二十条"中"数据产权三权分置"制度与《民法典》物权编中所有权（占有、使用、收益、处分）制度的本质差异，并讨论数据产权制度创新对传统物权法理论带来的挑战。

思考题4：2026年"十五五"规划提出建设全国一体化数据市场。请结合单志广教授的研究，分析我国数据要素市场建设面临的主要挑战，并从"开放、共享、安全"三个维度提出制度优化建议。

思考题5：请运用科斯定理和阿罗信息悖论，分析为什么数据交易无法像股票交易那样实现高频标准化撮合，并据此评价"数据交易所+数据信托+可信数据空间"多元流通格局的合理性。

思考题6：甲银行接受乙企业以数据资产质押发放贷款500万元，贷款期间乙企业被监管部门认定部分质押数据来源违法并被责令删除。请分析：该质权的效力如何认定？银行的债权应如何救济？本案暴露了数据资产质押制度的哪些漏洞？

---

课后延伸阅读

1. 中共中央、国务院：《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"，2022年12月）。
2. 国家数据局：《关于培育数据流通服务机构 加快推进数据要素市场化价值化的意见》（2026年）。
3. 上海数据交易所：《上市公司数据价值化研究报告（2025年）》。
4. 郑丁灏：《中国数据交易所政策变迁、功能定位与规范配置》，《科技进步与对策》2024年第13期。
5. 丁晓东：《数据交易如何破局——数据要素市场中的阿罗信息悖论与法律应对》。
6. 单志广：《建设开放共享安全的全国一体化数据市场》（《经济》，2026年）。
7. 国家数据局：《2025年数字经济发展工作要点》。
8. 申卫星：《论数据用益权》，《中国社会科学》2020年第11期。
9. 王利明：《数据何以确权》，《法学研究》2023年第4期。
10. 高富平：《数据生产理论——数据资源权利配置思考》，《交大法学》2019年第4期。
11. 梅夏英：《企业数据权益原论：从财产到控制》，《中外法学》2021年第5期。
12. 国家数据局等17部门：《"数据要素×"三年行动计划（2024—2026年）》（2024年1月）。
13. 财政部：《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号，2024年1月1日施行）。
14. 国家数据局：《全国数据资源调查报告（2024年）》。
15. 国家数据局：《可信数据空间发展行动计划（2024—2028年）》（2024年11月）。

---