工业数据资产化:确权、分级与流通的制度博弈

  • 发布日期:2026-11-16
  • 浏览器次数:0

工业数据资产化:确权、分级与流通的制度博弈

工艺参数、设备运行与质量数据的要素化路径及其跨境监管约束

泷澹实业(上海)有限公司 泷澹工业研究院 泷澹工业互联网中心研究部

研究基准日:2026年11月16日

 

报告摘要

本报告的核心判断是:中国工业数据资产化的主要障碍已经从技术侧转移到制度侧,而制度侧的问题不再是"有没有规则",而是"四套规则之间的接口没有对齐"。2026年是这一转折的年份——数据产权登记、数据资产入表、场内交易机构定位、跨境流动负面清单四条制度线,在同一年内先后从局部试点转为全国通用规则,但四条线各自回答的是不同的问题:确权回答"归谁",入表回答"算不算资产",场内交易回答"能不能卖",跨境监管回答"能不能出去"。这四问在消费品数据、金融数据上已经基本闭合,在工业数据上却彼此冲突,因为工业数据同时具备高安全敏感性、高情境依赖性和高主体共生性——它既是生产要素,也是工艺秘密,还是出口管制对象。

支撑这一判断的关键事实有五项。其一,产权端已经具备可操作的工具:国家数据局于2026年7月1日印发《数据产权登记工作指引(试行)》(国数综政策〔2026〕35号),共6章42条,统一了登记对象、类型、流程、审查标准与效力;9月11日国家数据产权登记服务系统上线试运行,北京国际大数据交易所、上海数据交易所、深圳数据交易所被纳入全国登记机构目录,上线首日即有56份登记凭证公示,实现"一次登记、全国通用"。其二,资产端开始出现规模但极为有限:截至2026年4月底,A股披露数据资源入表的上市公司134家,入表金额合计38.6亿元,其中计入无形资产31.92亿元、开发支出6.46亿元、存货仅0.22亿元;非上市公司层面截至2025年9月底已有375家披露,其中地方国企310家、民营企业51家。相对于2025年全国52.26泽字节的年度数据生产总量,这一入表规模说明会计确认的门槛仍然很高。其三,供给端扩张迅速:截至2026年6月,全国建成高质量数据集超过12万个、总体量超过1565拍字节;2025年企业数据产品和服务数量同比增长29.29%,交易额同比增长39.8%;数据产业规模已超过6万亿元,数据企业超过48万家。其四,跨境端的规则供给从"原则"转向"清单":至2026年3月,天津、北京、海南、上海、浙江、广西、江苏、重庆、福建等9地自贸试验区(港)数据出境负面清单完成备案发布,覆盖22个领域;上海在2026年4月将负面清单适用范围从自贸区及临港新片区扩展至全市;广东自贸区负面清单直接切入智能装备制造业与个人征信服务业两个领域,涉及7个业务场景、67个数据项。其五,域外规则同步收紧:欧盟《数据法案》自2025年9月12日起适用,赋予了联网产品用户对产品生成数据的法定访问与共享权;美国则在2026年1月由众议院通过《远程访问安全法》草案,把出口管制从"物项所在地"扩展到"远程访问行为",并对模型权重与训练数据实施限制。

最主要的约束是一个结构性悖论:工业数据的价值密度与其可流通性呈反向关系。安全分级越高、越接近工艺机理与核心参数的数据,价值越高,但可流通性越差;而安全等级低到可以自由流通的数据,往往已不具备资产定价意义。真正处在"既高价值又可流通"中间带的数据,比政策文本假设的要窄得多。这一悖论使得"分级分类—确权登记—场内交易—资产入表"的线性链条在工业场景中不断中断。与之并行的第二个约束是定价方法的失效:成本法无法反映数据的复制成本趋零特征,收益法缺少可比的收益归因口径,市场法又因场外交易不公开而缺乏可比样本。

据此,本报告提出的行动建议是三条并行而非串行的路线。企业侧应当放弃"先确权、再入表、后交易"的线性路径,改为"场景先行、权利后置":先锁定一个可闭环的高价值场景(例如关键工序的质量追溯、设备预测性维护、出口机型的合规数据包),在场景内完成数据盘点、分级、脱敏与价值验证,再将验证过的数据集反向申请产权登记与会计确认;登记与入表是结果,不是起点。地方与园区侧应当把政策资源从"建平台"转向"建接口",即把行业数据联合体、可信互联平台与负面清单的场景条目对齐,使同一份数据集在安全审查、产权登记、交易所挂牌、出境申报四个环节复用同一套元数据与分级结论。监管衔接侧应当推动"分级结论互认",使工信部门的安全分级、网信部门的出境判定、财政与会计口径的资产分类三者可换算,否则企业将为同一份数据重复做三次性质相近的合规工作。

本报告的分析范围限于工艺数据、设备运行数据与质量数据集三类,兼顾汽车、智能装备、电子信息三个行业的公开案例;不涉及个人数据处理的具体合规技术方案,也不对具体企业的资产价值作出评估结论。

 

工业数据不是石油:三类数据的价值结构决定了它难被确权

把数据比作石油,是过去十年最流行也最误导的隐喻。石油有明确的物理边界、可计量的储量、可交割的所有权,开采出来就能进入定价体系。工业数据恰恰在这三点上全部相反:它没有物理边界,边界由采集系统的架构决定;它没有稳定储量,每天都在生成也每天都在失效;它无法整体交割,因为交割意味着复制,而复制不转移占有。理解工业数据资产化的困难,必须从这三类数据各自的生成机理出发,而不是从制度文本出发。

工艺数据:价值藏在参数之间的约束关系里

工艺数据是最容易被误读的一类。单看某一道工序的温度曲线、压力设定、进给速度,这些数值本身几乎没有交易价值,任何一本工艺手册都能给出区间。真正构成价值的是参数之间的耦合关系:在特定材料批次、特定设备状态、特定环境条件下,哪几个参数的组合能稳定产出合格品,哪些组合会触发缺陷。这种关系不是被"记录"下来的,而是被"反演"出来的,它寄生在长期积累的运行记录之上,需要大量试错样本才能浮现。

这一特征带来两个直接后果。第一,工艺数据的价值无法按条计价,只能按"能否解决某个具体良率问题"计价,因此它的定价天然是项目制、结果制的,与交易所按数据集打包挂牌的标准形态不兼容。第二,工艺数据与商业秘密高度重叠。参数耦合关系一旦完整披露,等于交付了企业的核心竞争能力,这使得任何以"登记—公示"为特征的产权制度在工艺数据上都面临一个尖锐问题:产权登记的公示性要求与商业秘密的保密性要求,在同一个客体上直接冲突。现行的处理方式是把登记对象从"参数本身"上移到"数据集的描述与权利状态",即登记"某企业持有某产线某时段的工艺参数数据集,权利状态为持有权与使用权,经营权受限",而不登记参数内容。这一处理在法理上成立,但在商业上留下了一个缺口:买方看到的是一份权利证明,买不到对价值的判断依据。

设备运行数据:权属在设备制造商与使用者之间被切开

设备运行数据的权属问题比工艺数据更复杂,因为它从一开始就涉及两个以上主体。一台数控机床的运行数据,由使用者的生产活动触发,由制造商的传感器与控制软件采集,存于制造商提供的边缘网关或第三方云平台,其价值同时服务于使用者的产能优化和制造商的远程运维与产品迭代。四个环节——触发、采集、存储、使用——分属不同主体,而传统所有权制度假设这些环节统一于一个所有者。

这正是"数据产权结构性分置"要解决的问题。按现行制度框架,数据产权被拆为持有权、使用权、经营权三项:持有权侧重合法持有与自主管控,使用权聚焦特定目的下的内部处理与价值挖掘,经营权指向对外转让、许可、担保等流通行为。清华大学汤珂等学者的分析进一步指出,数据要真正成为会计意义上的资产,仅有权属清晰还不够,还必须满足会计"控制"的三项要件——物理控制(能否实质管控存储、访问与运维)、收益控制(能否主导使用并获取经济利益)、控制的排他性(能否阻止他人主导该资源的使用)。三者之中,物理控制对应持有权,收益控制对应使用权或经营权,而排他性则要求持有权与使用权、经营权中的至少一项相结合。

把这个框架套到设备运行数据上,问题立刻显形。设备使用者通常拥有物理控制(设备在厂内、网关在自己机房),但不拥有排他性——制造商通过远程运维通道保留了访问能力;设备制造商拥有收益控制(数据用于产品迭代与增值服务),但物理控制往往被使用者的厂区边界所阻断。双方各自持有部分权利,任何一方单独申请登记都难以满足"三权合一"的最优状态,而双方共有又会在经营权行使时互相否决。实践中已经出现三种变通安排:一是合同前置,在设备销售合同中明确数据权属分割,把远程运维访问权限定为"服务必要范围内的读取",并约定衍生数据归使用者;二是技术前置,在边缘侧完成数据脱敏与特征提取,只把不含原始波形的特征值上传,使制造商得到"可用于建模但不含工艺秘密"的数据;三是主体前置,由第三方工业互联网平台作为受托处理者统一汇聚,以协议约定根密钥与最高权限归使用者,从而在使用者一侧重建物理控制。三种安排都不是法律意义上的确权,而是通过合同与技术把"事实控制"做成可登记的状态。

质量数据集:最接近可交易形态,却最难证明来源合法

质量数据是三类之中最接近"可交易资产"形态的。它经过检验、标注、判定,有明确的标签体系(合格与不合格、缺陷类型、批次归属),有可复现的判定规则,也有明确的用途(训练视觉检测模型、构建质量知识库、支撑供应链质量协同)。截至2026年6月全国建成的高质量数据集超过12万个、总体量超过1565拍字节,其中工业制造是重点领域之一,这与国家数据局会同行业链主单位分类推进数据集建设的部署直接相关;工信部在2026年3月启动的"工业数据筑基行动",明确到2026年底要培育行业数据合作联合体、建设重点行业数据可信互联平台,形成行业数据资源库、数据技术攻关库、工业数据标准库、高质量行业数据集库四大资源库,并配合"模数共振"行动要求每行业梳理不少于5个行业通识高质量数据集。

但质量数据集的交易障碍不在质量,而在来源。一个缺陷样本集的训练价值,取决于它覆盖了多少真实工况;而覆盖度越高,越可能夹带可识别的客户信息、供应商信息与工艺特征。当数据集从"企业内部使用"转为"对外许可",来源合法性就必须逐层证明:图像是谁拍的、拍摄时设备属于谁、标注由谁完成、缺陷判定依据哪一版标准、样本中是否含第三方知识产权。这条证据链在多数工厂里是断裂的,因为采集发生在生产现场,标注往往外包,判定标准随车型或订单变更,而原始记录散落在MES、QMS、文件服务器与个人终端。产权登记要求申请人提交权利来源证明,恰好把这条断裂的证据链暴露出来。这也是为什么在首批公示的56份登记凭证中,行业分布集中在信息传输与软件信息技术服务、交通运输仓储邮政、科学研究与技术服务、卫生与社会工作,工业制造的身影相对有限——不是因为工业数据没价值,而是因为它的来源证据最难补齐。

一个被忽略的结构:原始层、情境层与证据层

把三类数据放在一起看,可以发现一个共同的三层结构,这一结构比"数据是资产"的笼统判断更能解释资产化的成败。最底层是原始层,即传感器与系统产生的信号,量大、价值密度低、复制成本趋零,几乎不具备独立交易价值。中间层是情境层,即把信号与工况、工艺约束、设备状态、批次归属绑定起来的信息,它的价值来自绑定关系而非信号本身,这一层的资产化取决于元数据体系是否健全。最上层是证据层,即能够支撑某个决策或责任认定的数据集,例如"某批次产品缺陷与某工序参数偏移的对应关系",它可以直接对应到良率提升、索赔归因、保险定价、监管合规等具体收益,是唯一具备稳定定价基础的一层。

三层结构的政策含义是清晰的:确权和入表应当瞄准证据层,而不是原始层;分级分类应当以情境层的元数据完备度为前提,而不是以数据量为标准;场内交易应当以证据层的数据产品为标的,而不是以原始数据包为标的。目前多数企业的资产盘点仍以原始层的存储量计量,这既解释了为什么入表金额相对于数据总量如此之小(38.6亿元对应52.26泽字节的年度生产量),也解释了为什么大量"数据资产"在审计与尽调中无法通过价值验证。

 

确权:三权分置已经落地,工业场景的权属纠缠仍未解开

2026年是中国数据确权从理念走向操作的一年。判断这一年的制度成色,不应看文件数量,而应看三个可验证的指标:是否有了统一的登记入口、是否有了可跨地互认的凭证、凭证是否已经在真实场景中被采信。三项指标在2026年都出现了实质进展,但也都在工业场景中遇到了具体的阻力。

统一登记体系的实际形态

《数据产权登记工作指引(试行)》于2026年7月1日印发,共6章42条,系统回答了"谁来登、登什么、怎么登、登了有什么用"四个问题。其制度设计的关键不在于新增了一种权利,而在于把此前并存的多种登记(数据知识产权登记、数据产品登记、数据资产登记)收敛为一种统一的产权凭证,并规定登记类型、流程、审查标准、登记效力与登记系统的"五统一"。9月11日国家数据产权登记服务系统上线试运行,其功能定位是归集各地登记机构的登记结果,使企业在一地办好的登记在全国范围内被认可,无需重复登记。

登记机构的选择采用了"推荐加遴选"的方式,北京国际大数据交易所、上海数据交易所、深圳数据交易所三家进入全国登记机构目录,理由是这三地承担了相关改革任务、数字经济基础较好、前期已在登记流程规则与凭证场景应用上形成经验。上线首日56份凭证通过系统公示,行业分布与当前数据流通活跃领域基本吻合。此后上海数据交易所于10月底核发首批15份数据产权登记凭证,登记对象覆盖航运航空、金融服务、大宗商品、人工智能、智慧农业等领域,既包括成熟数据产品,也包括面向新技术新场景开发形成的数据集。

凭证的效力被设计为四种用途:作为交易双方数据权属的证明;作为数据入表、融资、入股时合法拥有或控制数据的证明;作为数据企业培育等支持政策中企业数据情况的证明;在争议中作为权属的初步证据。这一设计实际上把确权从"诉讼前置"变成了"交易前置"——凭证的主要消费者不是法院,而是买方、审计师与银行。这是理解2026年确权制度的关键:它的功能是降低交易成本,而不是解决所有权归属的哲学问题。

工业场景中四个尚未解决的权属问题

把统一登记体系放到工业场景中,至少有四个问题在现行框架内没有干净答案。

第一个是"数据生成者的权利缺位"。一条产线的运行数据由设备、操作者、工艺规程共同生成,操作者的经验判断往往体现在参数的手动微调上,而这类微调恰恰是数据中最有价值的部分。现行三权分置的权利主体是"数据处理者",即以自己名义处理数据并享有持有、使用、经营资格的组织,自然人操作者不在权利配置中被显式考虑。这在消费品数据中问题不大,在工艺数据中却会造成激励扭曲:越是依赖一线经验的企业,越难在数据资产的价值归集中体现经验贡献,从而导致数据采集的"形式化"——记录被填满,但真实的调试过程被隐去。

第二个是"衍生数据的权利归属"。设备运行数据经算法处理后形成健康度指标、剩余寿命预测、工艺优化建议,这些衍生数据的价值远高于原始信号。原始数据权利人是使用者,衍生数据由平台算法生成,权利应归谁,现行规则只提供了"约定优先"的原则,没有提供缺省规则。缺省规则的缺失在工业场景中代价很高,因为交易对手方常常是强势的装备制造商或平台方,中小制造企业缺乏议价能力去逐条约定。

第三个是"共有数据的行权僵局"。一条供应链上的质量数据天然共有:整车厂、一级供应商、二级供应商共同对同一批次的质量结果负责。共有状态下,任何一方行使经营权都需要其他方同意,而其他方往往是竞争对手或议价对手。这导致共有数据在实践中几乎不可能进场交易,只能停留在链内协同。可信数据空间被寄予厚望,正是因为它在技术上允许"数据不出域、可用不可见",从而绕开共有行权问题;但技术方案并不能替代权利安排,一旦发生收益分配争议,仍要回到书面约定。

第四个是"确权成本与确权收益的规模错配"。确权是一项固定成本:数据盘点、元数据治理、来源证据链补齐、合规审查、登记申请,任一环节都需要专业人力。对大型集团,这笔成本可以被多个场景摊薄;对年产值数亿元的中小制造企业,它可能超过数据本身可实现的年收益。这解释了一个看似矛盾的现象:入表的134家A股公司中,计入无形资产的达31.92亿元,而计入存货的仅0.22亿元——大企业倾向于把数据做成自用的无形资产(不必证明可对外销售),中小企业则因为缺乏可交易场景而根本不入表。确权在事实上是"规模友好"的制度,如果不出台面向中小企业的简化登记与批量登记机制,数据要素市场会出现"数据向大企业集中"的二次不均等。

 

分级分类:安全等级与资产价值是两套互不换算的坐标

中国工业数据的分级分类存在两套并行体系,它们的目标、依据与后果完全不同,却常常被混为一谈。一套是安全导向的分级,依据是《数据安全法》与工信部《工业领域数据安全能力提升实施方案(2024—2026年)》,目标是识别重要数据与核心数据,形成"1加N"的工业领域数据分类分级规范体系,持续迭代重要数据和核心数据目录,摸清行业重要数据的规模、分布与处理情况,明确重点保护对象。另一套是资产导向的分类,依据是财政部组织起草并于2026年7月发布的两项国家标准《资产管理 数据资产分类与代码》和《资产管理 数据资产登记指南》,目标是让数据资产嵌入资产管理信息化流程,形成可登记、可计量、可管理的资产条目。

两套体系在同一份数据上给出的结论可能完全相反。一套工序参数数据集,在安全坐标上是重要数据,越界流动需要申报安全评估;在资产坐标上则是高价值无形资产,越早确认越有利于估值。企业面对的实际问题是:安全等级越高,可流通性越差,而会计确认又要求证明其能带来经济利益——这使得高价值工业数据陷入"越重要越难确认"的困境。本报告把这一现象称为高价值不可流通悖论。

悖论的具体形态

悖论不是抽象判断,它有可观测的分布形态。若以安全等级为横轴、以单位数据价值为纵轴,工业数据大致呈倒U形分布:低安全等级一端是公开工况统计、通用设备手册数据,可自由流通但没有定价意义;高安全等级一端是核心工艺参数、关键装备设计数据、涉军涉密数据,价值极高但基本不可流通,甚至不可登记公示;中间带是脱敏后的特征值、标注完成的缺陷样本、聚合后的行业基准,既保留部分价值又具备可流通性,是唯一能支撑场内交易的区间。政策文本假设这个中间带足够宽,实际观察则窄得多,因为工业数据的价值恰恰集中在"可反推出工艺"的那部分信息上,而脱敏的极限就是把这部分信息削掉。

这一分布带来一个直接的政策含义:场内工业数据交易的规模上限,不是由交易制度决定的,而是由脱敏技术的保真度决定的。如果差分隐私、联邦学习、特征提取等技术能够在大幅降低可反推性的同时保留建模价值,中间带就会变宽,场内交易的天花板随之抬高;反之,任何交易制度创新都只是在窄带上做分配。这也是为什么工业数据的流通更依赖可信数据空间与隐私计算,而不是更依赖交易所的撮合规则。

分级即定价:把分级结论转化为定价函数

现行实践中,分级被当作合规前置动作,做完即束之高阁,与定价、入表、交易脱节。本报告主张把分级结论直接转化为定价函数的三个乘子,使"分级"成为可复算的价值判断而非一次性的合规作业。

第一个乘子是安全约束系数。它由数据的最高安全等级决定,反映该数据可触达的买方范围。等级越高,可触达买方越少,可实现的市场价格越低,但单位买方的支付意愿越高,两者相乘后的净效应需要按具体行业校准,不能一概而论。

第二个乘子是情境完备度系数。它衡量元数据体系的健全程度,包括工况标注覆盖率、设备状态记录的连续性、批次归属的准确性、判定标准版本的可追溯性。这一系数是唯一可以通过企业自身投入显著改善的变量,也是三层结构分析中情境层的价值体现。同一批缺陷样本,情境完备度高的可支撑跨产线迁移建模,价格可能是完备度低者的数倍。

第三个乘子是权利完整度系数。它反映持有权、使用权、经营权的组合状态。三权合一最高,仅有使用权或仅有经营权最低,因为单独一项无法满足会计控制的排他性要件,也难以支撑许可交易。产权登记凭证在这里的作用是把这个系数从"合同主张"变为"可核验状态",从而直接进入定价。

三个乘子的乘积构成一个可审计的价值区间,而不是一个精确价格。这一处理的好处是它把定价从"寻找可比交易"转变为"分解价值驱动因子",从而绕开了市场法缺乏可比样本的困境。需要说明的是,三个系数的具体取值必须由行业基准校准,本报告不给出数值,因为任何未经校准的系数都会制造伪精确。

分级结论互认是当前最紧迫的制度接口

企业当前的实际负担不是分级本身,而是同一份数据要被三套口径反复判定:工信体系的安全分级、网信体系的出境判定、财政与会计体系的资产分类。三次判定依据不同、主体不同、结论表述不同,却都指向同一份数据集的同一组属性。这种重复在大型集团尚可承受,在中小企业则直接构成放弃资产化的理由。

可行的改进方向不是合并三套体系——它们的目标本就不同,合并会牺牲专业性——而是建立"分级结论互认"的最小接口:以一套统一的元数据描述(数据集名称、覆盖时段、字段清单、生成主体、情境标注、安全等级、脱敏状态、权利状态)作为三套体系共同的输入,各体系在此基础上增加本领域的判定字段。这样企业在完成一次盘点后,可以向三个方向分别申报,而不必重复盘点。这一接口的技术难度不高,难点在部门间的效力互认;而效力互认的前提,是先把"重要数据"的识别从原则性描述落到可枚举的场景清单——这正是自贸区负面清单正在做的事情。

 

场内流通:产权凭证解决了信任,解决不了交割

讨论工业数据的场内流通,必须先承认一个事实:场外交易长期占据主导,这不是市场发育不足的表现,而是数据交易物性的必然结果。数据不可整体交割、可无限复制、价值随场景变化,这三点决定了标准化撮合只能覆盖一小部分交易形态。理解场内市场的真实功能边界,比争论"场内占比何时过半"更有意义。

规模与结构:增长快,但基数小

从总量看,中国数据产业的扩张速度很快。2025年全国年度数据生产总量52.26泽字节,同比增长27.28%,占全球约27.44%;活跃数据总量1.67泽字节,同比增长28.46%;企业数据产品和服务数量同比增长29.29%,交易额同比增长39.8%;数据产业规模超过6万亿元,数据企业超过48万家,与人工智能高度相关的数据产品与服务已占数据产业总产值的七成以上。数字产业业务收入35万亿元,软件业务收入13.73万亿元,为数据流通提供了基础设施底座。

从交易机构看,规模在上升但绝对水平仍有限。深圳数据交易所至2024年底累计交易规模突破150亿元,跨境交易额2.5亿元;北京国际大数据交易所截至2024年累计备案交易金额近100亿元,累计数据交易规模2250太字节。第三方研究报告对2026年单家交易所交易额的预测存在较大分歧,此类预测缺乏审计口径,本报告不予采信,仅将其视为市场预期的参考。可以确认的趋势是:交易机构的收入结构正在从"撮合佣金"转向"登记服务、合规评估、数据资产入表辅导"等专业服务,这本身说明纯撮合模式的天花板已经显现。

交割不可能三角

工业数据在场内交易中同时追求三个目标——可交割、可验证、可定价——但三者不可兼得,本报告称之为交割不可能三角。可交割要求交付确定的数据内容;可验证要求买方能够确认数据质量与合规性;可定价要求存在可比的成交参照。数据一旦为"可交割"而披露内容,就失去保密性,且复制后无法收回,卖方因此在披露与保密之间无法两全;若为"可验证"而引入第三方审计,审计成本又会侵蚀交易毛利;若为"可定价"而追求标准化,就必须削平情境差异,而削平情境就等于削掉价值。

这一三角解释了为什么场内工业数据交易的真实形态往往是"权利交易"而非"数据交易":交易所撮合的是访问权、许可权、服务承诺与合规背书,数据本体通过API、模型或可信空间在受控条件下调用。深圳数据交易所在数字贸易新业态中提到的"来数加工"、模型与词元相关的新型标的,正是这一逻辑的延伸——交易的标的正从"数据"迁移到"由数据产生的计算能力与模型能力"。国家发展改革与数据主管部门在2026年2月印发的《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》,明确区分了数据交易所(中心)、数据流通服务平台企业、数据商三类主体的功能定位,实质上承认了场内与场外不是替代关系而是分工关系。

三条可走的产品化路径

在交割不可能三角的约束下,工业数据的产品化只有三条路径是可持续的。

第一条是把数据做成服务,即以API、模型或指数交付结果而不交付原始数据。质量检测模型、设备健康度指数、行业良率基准都属于此类。这类产品的优势是天然规避复制风险,定价可按调用量或按效果分成;劣势是难以满足会计上"控制"要件中的可辨认性,容易被认定为服务收入而非资产。

第二条是把数据放进可信空间,以"可用不可见"实现事实上的交割。这一路径在技术上依赖隐私计算、联邦学习与可信执行环境,在制度上依赖行业数据联合体与可信互联平台的治理规则。工信部"工业数据筑基行动"所建设的重点行业数据可信互联平台,正是为这一路径提供公共底座。截至2026年的进展显示,这类平台的建设速度快于其治理规则的成熟速度,成员准入、收益分配、争议解决三项规则仍多处于框架阶段。

第三条是把数据转化为资本工具,即用于作价入股、质押融资与资产入表。这一路径不要求数据可交割,只要求权利可核验,因而与产权登记制度耦合最紧。产权登记凭证被明确设计为融资担保、作价入股的支持文件,其商业意义正在于此。但这条路径的风险也最集中:一旦资产估值缺乏可复核的现金流对应,入表就退化为估值操作,2026年A股134家公司入表38.6亿元而计入存货仅0.22亿元的结构,已提示多数企业选择的是"自用型无形资产"这一最不容易被质疑的口径。

 

跨境监管:三套规则体系的管辖重叠正在重塑产业分工

工业数据的跨境问题,在2026年已经从"要不要管"进入"谁有权管"的阶段。中国、欧盟、美国三套规则体系的管辖基础各不相同,当同一台出口设备的同一批运行数据同时落入三套规则时,冲突不是例外而是常态。

中国路径:以场景换确定性

中国的数据出境管理采用三路径框架:安全评估、标准合同、个人信息保护认证,并以《促进和规范数据跨境流动规定》设置了多项豁免情形。真正的制度创新发生在自贸试验区负面清单。至2026年3月,天津、北京、海南、上海、浙江、广西、江苏、重庆、福建等9地自贸试验区(港)的负面清单完成备案发布,覆盖汽车、零售、民航、再保险、深海业、种业、地理信息与气象、企业信用信息等22个领域。2026年4月,上海将负面清单适用范围从自贸区及临港新片区扩展至全市,成为首个在全市范围适用该机制的地区;北京则将负面清单的实施意见下沉到经开区亦庄组团等具体片区;安徽于2026年11月印发2026版清单;横琴粤澳深度合作区在6月落地管理细则,明确"先用后报"的便捷路径,并于近期完成首单申报。

负面清单的方法论值得单独说明。它把"重要数据"这一难以事前判定的概念,转化为可按业务场景枚举的数据项清单:凡在清单内的,按相应路径申报;凡在清单外的,即可自由出境。广东自贸区的做法最为贴近本报告主题——其负面清单只覆盖智能装备制造业与个人征信服务业两个领域,包含重要数据与个人信息两类,涉及7个业务应用场景、67个数据项。对一个装备出口企业而言,这意味着它不必再就"我的设备运行数据是不是重要数据"这一问题做开放式论证,只需按67个数据项逐条比对。工信部等八部门印发的《汽车数据出境安全指引(2026版)》采用了同样思路,把汽车数据处理者的出境场景逐类判定,并列出了包括自贸区负面清单外数据、修补安全漏洞所需数据等在内的多项豁免情形。

这一路径的实质是"以场景换确定性":用清单的有限性换取企业的可预期性。代价是清单的覆盖范围必须持续扩容,否则大量未被列举的工业场景仍回到逐案评估的老路。对工业数据而言,当前的覆盖仍显不足——22个领域中以汽车、零售、民航等为主,通用机械、电子制造、化工材料等工业门类的场景条目仍待补齐。

欧盟路径:把数据变成用户的法定权利

欧盟《数据法案》(Regulation (EU) 2023/2854)于2024年1月11日生效,自2025年9月12日起适用,它与此前适用的《数据治理法案》共同构成欧洲数据战略的两根支柱。这部法规对中国工业企业的意义,常被误读为"又一项合规成本",实际上它冲击的是商业模式。

《数据法案》的核心是赋予联网产品用户对其产品生成数据的访问与共享权,并要求数据持有者在不违反合同公平原则的前提下向用户及用户指定的第三方提供数据;同时规定云服务切换的便利义务、防止非法跨境访问的技术保护义务,并建立了企业对企业、企业对政府的强制共享机制(如公共紧急状态下的数据调取)。其立法逻辑是把数据从"合同谈判的标的"提升为"用户的法定权利客体"。

这一转变对装备制造商的直接影响是结构性的。传统商业模式中,设备售出后的运行数据由制造商通过远程运维通道实际垄断,并以此构建预测性维护、备件推荐、工艺优化等增值服务收入。当用户取得法定访问权并可指定第三方接收数据时,制造商的垄断被打破:第三方服务商可以基于用户授权的数据提供竞争性服务,制造商的增值服务必须凭效果而非凭数据独占来竞争。这对中国出口欧盟的智能装备企业构成双重挑战——既要改造产品与接口以满足访问权要求,又要在失去数据独占后重建服务竞争力。需要强调的是,这不是"是否合规"的问题,而是"数据资产的价值归属在销售完成时就被法律重新分配"的问题。

美国路径:把数据当作物项管制

美国的路径呈现出一种内在张力:一面主张数据自由流动,一面把数据纳入出口管制与长臂管辖。

长臂管辖的法律基础是2018年《澄清境外数据的合法使用法》(CLOUD Act),它确立了"数据控制者"标准,要求受美国管辖的服务提供者交出其控制、保管或拥有的数据,无论数据存储于何处。这一标准与欧盟的数据保护规则、中国的数据本地化要求长期存在冲突,也是各国推动"数据主权"与"主权云"方案的直接动因——多国议会与研究机构的分析均指出,对云服务商市场集中度的担忧,很大程度上源于CLOUD Act赋予美国政府的调取能力。

出口管制的延伸则发生在2026年。美国众议院于2026年1月12日高票通过《远程访问安全法》草案,拟将受管制物项的违规使用范围扩展到一种新情形:外国人士通过互联网或云计算服务,在受控物项实际所在地及其境外对物项进行远程访问。这意味着算力与模型的管制从"物项所在地"转向"访问行为发生地",云服务本身成为管制节点。与此同时,美方对华人工智能管制被观察到同时从算力、算法与数据三个方向收口:限制模型权重出口,限制美国云服务商向中国提供训练大模型所需的公共数据集,并与盟友协调建立"可信数据圈"。据公开报道,美方在2026年11月与9个国家就联手保护人工智能供应链达成协议。

这套做法的规则逻辑是把"数据"与"模型"当作"物项"来管制,与"数据自由流动"的贸易主张自相矛盾。其结果是全球数据治理出现"阵营化":对被视为竞争对手的国家强化限制,对盟友在安全前提下允许有条件流动。对中国工业企业的实际影响,是同一批数据可能同时面临"出境要审批"(中国)、"入境要保护"(欧盟)与"访问要被管制"(美国)三重约束。

三重叠加下的三种合规策略

面对三重叠加,企业可以在三种策略中选择,而不是追求全面合规。

第一种是属地隔离,即按法域切分数据基础设施,在欧盟境内设立独立的数据处理实体与云环境,在中国境内保留核心工艺数据,两地之间只流动不含工艺特征的聚合结果。这一策略合规确定性最高,代价是失去全球统一的数据视图,模型迭代效率下降。

第二种是技术降维,即在边缘侧完成特征提取与脱敏,跨境只传输经过处理的模型参数更新或统计特征,不传输原始波形与工艺参数。这一策略在技术上可行,其合规效果取决于监管对"衍生数据"的认定;目前中国与欧盟均未就衍生数据的出境判定给出统一规则,企业需要逐案与主管部门沟通。

第三种是主体重构,即把数据控制者与数据加工者分离,由位于不同法域的主体分别持有所在法域的数据,通过合同约定访问权限而非所有权。这一策略在商业上最灵活,但在CLOUD Act的"控制者"标准下并不当然有效——只要控制者是受美国管辖的主体,数据存储位置不构成抗辩。

三种策略都不是免费的。真正的判断标准不是"哪个最合规",而是"在目标市场的收入规模是否足以覆盖该法域的合规固定成本"。对多数中小装备企业,这意味着市场选择先于合规设计:进入哪个法域,决定了采用哪套合规架构,而不是相反。

 

四个尚未闭合的制度缺口

把上述四条制度线放在一起评估,可以识别出四个尚未闭合的缺口。它们不是执行层面的疏漏,而是制度设计本身的张力,因此不会在短期内被技术性修补解决。

第一个缺口是确权的规模偏向。登记制度的成本结构是固定的,收益结构是边际的,这使大企业获益更多、中小企业被排斥在外。若不引入批量登记、行业集体登记或由行业联合体代位登记机制,"数据要素市场化"将首先表现为数据向头部集中,而不是数据在产业间流动。

第二个缺口是入表的形式化风险。134家公司38.6亿元的入表规模,相对于6万亿元的数据产业规模不足千分之七;计入存货仅0.22亿元,说明几乎没有企业认为自己的数据可以直接对外销售。当入表主要发生在无形资产科目、且缺少可复核的现金流对应时,会计确认容易退化为估值陈述。监管部门需要在"鼓励创新"与"防止虚增资产"之间建立更清晰的审计指引,特别是对数据资产的摊销年限、减值测试方法与后续支出资本化条件给出行业口径。

第三个缺口是定价的方法论空白。成本法、收益法、市场法在工业数据上均不成立:成本法忽略复制成本趋零,收益法缺少收益归因口径,市场法缺少公开可比样本。本报告提出的三乘子结构是一种替代思路,但它需要行业基准数据才能落地,而基准数据的生产本身又依赖交易规模的扩大——这是一个先有鸡还是先有蛋的循环。打破循环的现实办法,是由行业联合体发布脱敏后的行业基准区间,而非等待交易所积累足够成交样本。

第四个缺口是收益分配中的贡献者缺位。工业数据的价值大量来自一线操作经验、工艺调试与质检判定,这些贡献者在现行权利配置中不在册。若长期不予体现,数据采集会趋向形式化——系统记录完整,真实决策过程被排除在数据之外,最终使数据资产的质量下降。这一问题的解决不在数据法领域,而在企业治理与劳动关系领域,需要通过内部收益分享、工艺Know-how入股等安排补足。

 

企业与地方的可操作路线

基于上述分析,本报告提出企业与地方两条平行路线,二者都以"接口对齐"为核心,而非以"平台建设"为核心。

企业侧:场景先行、权利后置

第一步是选定场景,而不是全面盘点。可闭环的高价值场景有三个典型选项:关键工序的质量追溯(对应良率与索赔)、关键设备的预测性维护(对应停机损失与备件成本)、出口机型的合规数据包(对应市场准入)。选定场景的标准是"能否在十二个月内算出收益",而不是"数据量是否足够大"。

第二步是在场景内完成数据的分层治理。把原始层、情境层、证据层分开管理:原始层只做留存与脱敏,情境层补齐元数据(工况、批次、设备状态、判定标准版本),证据层形成可交付的数据集。这一动作的产出不是数据资产,而是一份可复用的元数据模板——它将在后续的登记、出境申报、入表三个环节被重复使用。

第三步是以分级结论驱动脱敏方案。先按工信体系识别安全等级,再据此决定脱敏强度,最后用脱敏后的数据集做价值验证。这里的顺序不能颠倒:先脱敏再分级,会导致高价值部分被过度削除;先分级再脱敏,才能守住"保留建模价值"的底线。

第四步才是登记与入表。把已验证的数据集申请产权登记,凭证用于入表、融资或挂牌。此时的登记不再是合规负担,而是价值凭证;此时入表的金额有场景收益支撑,可经受审计问询。

第五步是建立跨境白名单。按目标市场逐案确定合规架构,把负面清单数据项、欧盟访问权义务、美国出口管制节点做成一张内部对照表,纳入产品出口评审流程。对装备制造企业,这一动作应当前移到产品设计阶段,因为接口与数据架构一旦定型,改造代价极高。

地方与园区侧:把资源从建平台转向建接口

当前地方投入主要集中在平台建设:可信互联平台、数据空间、交易所分中心。平台是必要的,但平台的价值取决于其接口能否与国家登记系统、行业负面清单、会计口径对接。三项可操作的接口工作优先级高于新建平台。

第一项是把行业数据联合体的组建与负面清单的场景条目对齐。工信部"工业数据筑基行动"要求培育行业数据合作联合体、建设重点行业数据可信互联平台,若联合体的首批数据集恰好对应本地区负面清单中的场景条目,企业在完成联合体建设的同时即完成了出境合规准备,制度成本被一次性摊薄。

第二项是推动分级结论在本地互认。由地方数据主管部门牵头,把工信安全分级、网信出境判定、财政资产分类三套口径在同一份元数据模板上贯通,先在本地区内实现"一次盘点、三方复用",再向国家层面申请效力确认。上海将负面清单扩至全市、北京将实施意见下沉到具体片区、横琴明确"先用后报",本质上都是这类地方性接口创新。

第三项是建立面向中小企业的批量登记与代位登记通道。可由园区运营主体或行业联合体作为登记申请人,为其成员企业批量申请数据集登记,把固定成本摊薄到可承受水平。这一机制在现行指引下存在解释空间,需要地方与国家登记机构共同确认操作口径。

 

结语:从数据确权到数据治权

2026年的制度进展已经证明,中国有能力在一年之内把数据产权登记从理念做成可操作的全国系统。但工业数据资产化的真正难题不在"能不能发证",而在"发证之后能不能用"。证的作用是降低交易成本,而交易能否发生,取决于数据本身是否具备可交割、可验证、可定价的形态;这三者又取决于企业在情境层的元数据治理水平,以及脱敏技术能否在削去可反推性的同时保留建模价值。

因此,工业数据资产化的终点不是资产负债表上的一个科目,也不是交易所大屏上的成交额,而是产业内生的数据治理能力:企业知道自己有哪些数据、这些数据对应什么场景、在什么条件下可以给谁用、用了之后收益如何分配。具备这种能力的企业,在海外的数据访问权义务面前有议价能力,在国内的分级监管面前有确定性,在资本市场上也有可被验证的资产。缺乏这种能力的企业,即使拿到了登记凭证,也只是拿到了一张无法兑现的证明。

从确权到治权,是一个从"制度赋权"到"组织能力"的转换。前一半已经由政策完成,后一半必须由企业在具体的工艺场景中一寸一寸地做出来。这也是本报告把"场景先行、权利后置"作为核心建议的原因:权利是由场景证明的,而不是由文件授予的。

 

数据来源

本报告所引政策文本、统计数据与专家观点,均来自公开可核验来源,主要如下。

国家数据局:《数据产权登记工作指引(试行)》(国数综政策〔2026〕35号,2026年7月1日印发)相关答记者问与专家解读,含《开展数据产权登记,助力数据要素价值释放》《数据产权制度与会计准则的衔接》(汤珂、何敏)《以登记指引夯实数据产权制度根基》等篇目;《国家数据产权登记服务系统上线试运行》(2026年9月11日);《人民日报:全国统一的数据产权登记制度正式实施 数据流通交易"有证可依"》(2026年10月12日);《我国首批数据产权"身份证"发放 支持数据资源确认为企业资产》(2026年9月21日);《全国数据资源调查报告(2025年)》(2026年4月29日);《2026年"数据要素×"新闻发布会文字实录》(2026年6月11日);《2026中国国际大数据产业博览会新闻发布会文字实录》(2026年7月28日);《2026年数字经济发展工作要点》(2026年5月19日)。

工业和信息化部:《工业领域数据安全能力提升实施方案(2024—2026年)》;《关于启动工业数据筑基行动 开展面向人工智能赋能的高质量行业数据集建设先行先试的通知》(2026年3月10日);与工业和信息化部、国家数据局《关于联合实施2026年"模数共振"行动的通知》(2026年4月28日);《工业互联网和人工智能融合赋能行动方案》解读。工业和信息化部等八部门《汽车数据出境安全指引(2026版)》。

财政部与国家标准化管理委员会:《资产管理 数据资产分类与代码》《资产管理 数据资产登记指南》两项国家标准(2026年7月发布,人民网2026年7月20日报道)。

中央网信办及地方网信部门:数据出境负面清单专栏;《促进和规范数据跨境流动规定》实施两周年情况通报(2026年3月23日);中国(广东)自由贸易试验区数据出境负面清单及管理办法政策解读(2026年5月15日);中国(北京)自由贸易试验区、国家服务业扩大开放综合示范区数据出境负面清单管理办法(试行);上海负面清单适用范围扩展至全市(人民网2026年4月25日报道);横琴粤澳深度合作区首单数据出境负面清单报告案例(2026年7月31日)。

欧盟委员会:Data Act(Regulation (EU) 2023/2854)官方政策页与"Data Act explained";欧洲议会研究服务局《Data Act: Data sharing and competitiveness》(2025年)。

美国:CLOUD Act(2018);《远程访问安全法》草案众议院通过情况(财新网2026年1月14日报道);美国国会相关法案文本(GovInfo, S.4882, H.R.9546);《国际法研究》刊《美国数据跨境监管立场转向:从自由流动到安全流动》;清华大学战略与安全研究中心关于美国对华人工智能出口管制特征的研究;英国上议院图书馆《Digital and technology policy and national sovereignty》。

市场与统计:证券时报《A股数据资源入表成绩单出炉:134家企业入表38.6亿元》(2026年5月12日);《财新周刊》2026年第20期相关统计(2026年5月23日);国家信息中心《建设开放共享安全的全国一体化数据市场》(2026年6月25日);中国政府网《我国推出新举措加快数据产业发展》引《中国数据产业发展报告(2026)》(2026年8月30日);上海数据交易所、深圳数据交易所、北京国际大数据交易所公开公告与新闻动态;中国金融信息网关于上海数据交易所首批15份产权登记凭证的报道(2026年11月13日)。

上述来源的具体链接与检索时间,可向本报告作者单位索取。凡涉及单家交易所年度交易额预测、第三方市场占有率测算的表述,本报告仅作参考性引用,不作为结论依据。

 

免责声明

本报告由泷澹实业(上海)有限公司、泷澹工业研究院、泷澹工业互联网中心研究部联合编制,用于产业研究与内部决策参考,不构成任何投资建议、法律意见或合规结论。

本报告所引数据与事实均来自公开渠道,编制方已尽合理努力核对来源与口径,但不对第三方数据的准确性、完整性与时效性作出保证。政策处于快速演进期,自本报告基准日(2026年11月16日)之后发布的规则、清单与统计,可能使本报告部分判断失效,读者应以最新官方文本为准。

报告中的分析框架、命名概念(包括"高价值不可流通悖论""交割不可能三角""原始层—情境层—证据层"三层次结构、三乘子定价结构)为编制方研究观点,属于方法论主张,不具规范效力,亦不代表任何监管机构立场。涉及具体企业数据资产价值、登记可行性、出境可行性的判断,须由企业结合自身情况并咨询具备资质的专业机构后作出。

未经编制方书面许可,任何机构不得摘编、改编或用于商业性用途;经许可引用时,须完整标注报告名称、编制单位与基准日期,且不得断章取义。因使用本报告所产生的任何直接或间接损失,编制方不承担责任。

 

联系邮箱

bp@xiic.cn

微信二维码

扫一扫,微信咨询