中国数据要素交易行业研究报告

基本信息

阅读时间：约 34 分钟

字数：约 16,945 字

摘要：市场担心：数据交易所是「有场无市」。2025 年全国持续经营的数据交易所 46 家、覆盖 21 个省及直辖市 [2]，但截至 2025 年底累计场内交易规模仅近 800 亿元 [1]；六家超大型交易所合计占场内交易额的约 70%（测算）[1]；更刺眼的是，场外交易仍占大头，2022 年场外占比超过 95% [3]。四年建设下来，交易所的交易额还不如一家中型上市公司的年营收。

本文由 AI 生成，经人类主编终审。

市场担心：数据交易所是「有场无市」。2025 年全国持续经营的数据交易所 46 家、覆盖 21 个省及直辖市 [2]，但截至 2025 年底累计场内交易规模仅近 800 亿元 [1]；六家超大型交易所合计占场内交易额的约 70%（测算）[1]；更刺眼的是，场外交易仍占大头，2022 年场外占比超过 95% [3]。四年建设下来，交易所的交易额还不如一家中型上市公司的年营收。

我们认为：「场内交易额低」不是数据要素交易的失败，而是统计边界的结果。场内交易统计的是「经过登记、合规审核并挂牌的数据产品」，它本质是一个合规凭证市场，而不是数据批发市场。把交易所的成交额当成行业规模的代理变量，会得出严重低估的结论——2025 年中国数据交易市场规模的机构口径为 2,200 亿至 3,000 亿元 [1]，是场内累计交易额的约 3 倍。真正衡量这个行业成熟度的指标不是成交额，而是「一笔数据能不能被确认成资产、能不能被质押出钱」。

1. 资产化跑得比交易化更快：截至 2025 年底，全国数据资产质押融资累计放款超 800 亿元 [1]，与累计场内交易规模近 800 亿元 [1]基本等量——数据的主要变现方式正在从「卖出」转向「抵押」；上市公司侧，2025 年报有 136 家 A 股公司披露数据资源入表、合计 37.92 亿元，同比增长 68.36% [9]；
2. 供给侧的合规基础设施已经成型：2024 年全国数据生产量达 41.06 泽字节，226 个省、市建立公共数据开放平台、开放有效数据集超 34 万个 [3]；截至 2025 年 8 月入驻数据交易所的数商达 3,944 家、同比增长 32.1%，覆盖 197 个城市 [3]；2025 年上半年主要交易机构新上架数据产品 3,328 个、同比增长 70% [3]；
3. 需求侧的定价机制已经落地：公共数据资源授权运营自 2025 年 3 月 1 日起施行，对运营服务费实行政府指导价（上限价格）管理，按「补偿成本、合理盈利」核定最高准许收入，评估周期原则上不超过 3 年 [5][6][11]——这是数据要素领域第一套成体系的定价规则。

本篇增量：给出「数商数量 × 单个数商年均交易额」的可相乘对账框架。以 3,944 家数商 [3]与单商年均 400 万元交易额（测算）相乘，得到年交易规模约 157.8 亿元；按 5 年周期累计约 789 亿元，与「累计场内交易规模近 800 亿元」[1]偏差仅 1.4%，模型对账通过。同时给出单笔数据产品交易的利润敏感性——在合规审核固定成本 8 万元的中性假设下，单笔 20 万元的小额订单在综合成本率 50% 时净利仅约 2 万元，这意味着场内交易天然偏好中大额订单。「小额订单不经济」是数据要素流通最硬的结构性约束。

讨论数据要素交易，第一件事是把口径分开。当前公开资料中至少有四个数字在并行使用：第一个是「数据产业规模」6.78 万亿元 [1]，覆盖数据采集、存储、加工、流通、应用的全链条；第二个是「数据交易市场规模」2,200 亿至 3,000 亿元 [1]，指可交易数据产品与服务的成交总额（含场外）；第三个是「累计场内交易规模」近 800 亿元 [1]，只统计在数据交易所登记挂牌的成交；第四个是「数据资产融资规模」累计放款超 800 亿元 [1]，这是金融口径，衡量的是数据资产作为抵押物能撬动的信贷。

四个口径的层级关系是：数据产业规模 > 交易市场规模 > 累计场内交易规模 ≈ 数据资产融资规模。最容易被误用的是第三个——很多讨论直接用「场内交易近 800 亿元」来代表行业体量，得出的结论自然是「数据要素市场发展缓慢」。但这个数字的分母本来就不包含场外交易，而场外占比在 2022 年就超过 95% [3]。即便场内份额在四年间显著提升，用场内数字推断全市场仍然会低估数倍。

另一个容易混淆的点是「数据生产量」。2024 年全国数据生产量达 41.06 泽字节，比「十三五」末翻一番还多 [3]。这个数字衡量的是数据被「产生」的规模，与数据被「交易」的规模之间没有直接换算关系——大量数据在生产后从未进入任何流通环节。把 41.06 泽字节与 800 亿元放在一起讨论，是典型的单位错配。

口径的分歧之所以重要，是因为它直接决定政策与商业判断。顶层设计在《关于加快公共数据资源开发利用的意见》中给出了三种供给方式——政务数据共享、公共数据开放和授权运营，按「需」施策、因「数」施策 [14]；产业研究侧则更多使用数据要素市场规模与数据产业规模等宏观口径 [15]。本报告后续统一以「场内交易规模」衡量合规流通基础设施的建设进度，以「数据资产融资余额」衡量资产化程度，两个指标各有指向，不做加总。

数据交易所呈现明确的梯队结构。六家超大型交易所的累计交易额合计约占场内总额的 70%（测算）[1]：深圳数据交易所累计交易额超 150 亿元、上架产品 2,924 个，跨境数据交易规模超 2.5 亿元；上海数据交易所累计交易额超 100 亿元、上架产品 4,950 个、数商超 2,000 家；北京国际大数据交易所累计交易额近 100 亿元、产品 2,732 个；贵阳大数据交易所 85.8 亿元、产品 2,266 个；杭州数据交易所与浙江大数据交易中心双平台累计超 93 亿元；广州数据交易所累计超 55 亿元、产品 1,826 个 [1][2]。

交易额排名与产品数量排名并不一致，这是一个值得注意的结构特征。上海数据交易所的产品数（4,950 个）接近深圳（2,924 个）的 1.7 倍，但累计交易额（超 100 亿元）低于深圳（超 150 亿元）[1]——折算下来深圳的单产品平均成交额约为上海的 2.5 倍（测算）。差异来自定位：深圳以综合服务架构与跨境业务为主，客单价更高；上海突出金融与航运交通两大垂直板块，产品更细分、单笔更小。

从更细的分布看，行业的分化比头部集中更严重。在 24 家披露累计交易额的交易所中，累计交易规模超过 1 亿元的有 23 家、占 95.83%，超过 10 亿元的有 12 家、占 50%，超过 50 亿元的有 5 家 [2]。也就是说，一半的交易所累计交易额还在 10 亿元以下——这些交易所的实际功能更接近「登记与合规服务窗口」，而非交易撮合平台。

产品侧的活跃度则在提升。约七成交易所上架数据产品数量较 2024 年同期增长，超九成已披露交易所的数商数量实现增长；工业制造、金融服务、医疗健康、交通运输是数据产品出现频率最高的领域，均超过七成 [2]。交易所自身也在按垂直行业组织产品目录，以上海数据交易所为例，其公开披露的产品清单以金融与航运交通两大板块为特色 [4]。这说明数据产品的供给正在从政务领域向实体经济重点行业渗透，产品目录的行业分布已经开始反映真实的产业需求。

市场参与主体的数量变化，比交易额更能反映行业的真实活跃度。截至 2025 年 8 月，入驻数据交易所的数商达 3,944 家、同比增长 32.1%，覆盖 197 个城市 [3]；到 2026 年 1 月，这一数字进一步升至 5,554 家 [1]。半年左右增长 40.8%（测算），数商群体的扩张速度显著快于交易额。

数商数量与交易额的增长不同步，是一个需要解释的现象。数商增加意味着供给端的产品数量增加、竞争加剧；但如果需求侧的采购预算没有同步扩大，新增数商分到的订单就会变薄。从数据上看，2025 年上半年主要交易机构新上架数据产品 3,328 个、同比增长 70% [3]，而上架产品数与数商数的增速差（70% 对 32%）说明老数商在加快上架节奏，并不完全是新数商带来的增量供给。

交易所的地域分布也值得关注。2025 年全国持续经营的数据交易所共 46 家、覆盖 21 个省及直辖市，延续「一城一所」的分布特征；江苏省以 5 家居首，广东、湖北、山东各 4 家并列第二 [2]。「一城一所」意味着交易所之间存在明显的资源竞争——在数商总量有限的情况下，多一个交易所就多一份挂牌与合规服务的分流。

登记机构是 2025 年新增的关键角色。国家数据管理部门设立或指定登记机构，对公共数据产品和服务进行登记，登记后的产品按程序纳入定价目录 [11]；国家数据局已在 2026 年 4 月就数据产权登记工作指引公开征求意见，尝试解决数据产权确权这一基础性难题 [13]。登记体系的意义在于：只有被登记的产品才具备进入定价目录与质押融资的资格，登记因此成了数据资产化的第一道闸门。

需求端的观察窗口是产品上架节奏——数商愿意上架什么，取决于买方在买什么。2025 年上半年，主要数据交易机构新上架数据产品 3,328 个、同比增长 70% [3]；按此增速回推，2024 年上半年的新上架产品数约为 1,958 个（测算）。上架增速（70%）显著高于数商数量增速（32.1%），说明单个数商的产品线在变宽，供给正在从「单点产品」转向「产品矩阵」。

场景分布给出了更具体的方向。工业制造、金融服务、医疗健康、交通运输是数据产品出现频率最高的领域，均超过七成 [2]。这四个领域的共同特征是有明确的付费主体与可量化的降本增效结果：金融风控需要外部数据做交叉验证，工业制造需要设备与工况数据做预测性维护，医疗健康需要多源数据做科研与临床辅助，交通运输需要路网与流量数据做调度优化。数据产品的商业化程度，与其能否嵌进买方既有的付费流程高度相关。

相反，公益与治理场景的产品虽然数量不少，但付费意愿低。公共数据资源授权运营的价格机制明确要求：用于公共治理、公益事业的数据产品和服务不收取费用；只有用于产业发展、行业发展的才可以收取公共数据运营服务费 [5][11]。这条分界线把「公共数据的公益属性」与「公共数据的产业价值」在收费机制上彻底分开，也使大量治理类数据产品天然无法形成交易收入。

这带来一个常被忽视的结论：数据要素交易的需求端具有强烈的「场景依附性」——数据本身很难独立定价，它的价格依附于它能为买方省下的成本或创造的收入。这也是为什么交易所的产品目录里，通用型数据产品（如工商、司法、舆情）往往价格透明、竞争激烈，而行业型数据产品（如航运、气象、陶瓷产业数据）虽然单价高，但需要长期场景培育。广州数据交易所围绕陶瓷、海洋渔业、气象等重点领域布局行业数据空间 [1]，正是这一逻辑的体现。

场内与场外的分野，是理解这个行业的关键。场外交易指企业之间直接完成的数据采购与授权，方式包括 API 调用、数据集交付、联合建模分成；场内交易则必须在交易所完成登记、审核与挂牌。2022 年场外交易占比超过 95% [3]——四年交易所建设下来，场内份额虽有提升，但场外仍是绝对主体。

场内与场外的功能完全不同。场外的优势是效率：双方谈判、签约、交付，周期短、品类灵活，适合定制化数据服务；劣势是难以确权、难以审计、难以作为资产入账。场内的优势恰好相反：经过登记与合规审核的产品具备可追溯的权利链条，可以入表、可以质押、可以在监管下流转；劣势是流程长、成本高、标准化程度要求高。

把场内的两个数字放在一起看，本报告的核心判断就出现了：截至 2025 年底，累计场内数据交易规模近 800 亿元 [1]，数据资产质押融资累计放款超 800 亿元 [1]——两者几乎完全等量。这意味着，对数据持有方而言，「把数据变成抵押物去融资」与「把数据卖出去」两条路径的经济效果已经相当。而融资路径不需要找到买方、不需要议价、不影响数据自用，在操作上比交易路径更简单。

这也解释了为什么地方国企成为数据资产入表的主力。在 375 家披露数据资源入表的非上市公司中，310 家地方国企（含城投公司与类城投国企）占累计入表企业总数的 82.67%，累计融资额达 17.10 亿元 [8]。对这类主体而言，数据资产入表的直接价值是改善资产负债结构、获得新增授信额度，而不是形成一笔数据销售收入。

合规审核是数据要素交易最特殊的成本项，也是它区别于普通商品交易的根本原因。一笔数据产品交易在成交前通常要经过四道审核：数据来源合法性审查、个人信息与隐私影响评估、数据产品登记、交易双方资质核验。这四道审核的成本中，前三道与交易金额几乎无关，属于固定成本。

这就带来一个结构性后果：小额订单不经济。以单笔 10 万元的数据产品订单为例（测算）：数据加工与治理成本约 2.5 万元、合规审核与法律成本约 1.0 万元、平台服务费约 0.8 万元、数据源采购成本约 3.0 万元、技术运维与交付约 1.0 万元，数据商端留存约 1.7 万元，净利率约 17%。如果订单金额降到 3 万元，在合规成本不变的前提下，数据商端立刻转为亏损（测算）。

这解释了为什么场内交易的笔均金额普遍偏高。敏感性矩阵显示：单笔 20 万元的交易在综合成本率 50% 时净利仅约 2.0 万元，而单笔 500 万元的交易在同一成本率下净利约 242.0 万元（测算）。合规固定成本的存在，使数据交易天然偏向「少笔大额」，而不是电商式的「多笔小额」。这也与交易所的定位一致——它是 B 端合规市场的撮合场所，不是数据零售平台。

定价机制方面，公共数据资源授权运营已经走出了一条制度路径。国家发展改革委与国家数据局明确：用于公共治理、公益事业的数据产品和服务不收费；用于产业发展、行业发展的可收取公共数据运营服务费，实行政府指导价（上限价格）管理 [5]。定价程序是：发展改革部门会同数据管理部门核定运营机构最高准许收入，授权主体在最高准许收入范围内制定各类产品和服务的上限收费标准，运营机构在不高于上限收费标准的范围内自行确定具体收费标准 [11]。最高准许收入按「补偿成本、合理盈利」原则核定，评估周期原则上不超过 3 年 [11]。

这套机制的设计意图很清晰：既保证运营机构能回收成本并取得合理回报，又防止其利用公共数据的排他性形成垄断利润。但数据要素定价有一个内生难题——「千景千价」[12]：同一份数据在不同场景下的价值差异极大，统一的上限收费标准很难同时适配所有场景。实务中的应对方式是先建立产品与服务的用途清单，再按清单分类定价并动态迭代 [12]。

数据资产入表是 2024 年以来变化最快的环节。政策起点是《企业数据资源相关会计处理暂行规定》（自 2024 年 1 月 1 日起施行），此后 2024 年 10 月的实施问答、以及 2025 年底四部门关于严格执行企业会计准则、做好 2025 年年报工作的通知，逐步把规则收紧 [7][9][16]。

规模增长很快但基数很小。截至 2026 年 4 月 30 日，A 股 5,512 家上市公司中共有 136 家在 2025 年年报中披露了数据资源入表的相关事项，占全部上市公司的 2.47%；入表总金额 37.92 亿元，较 2024 年年报的 22.52 亿元增长 68.36% [9]。从金额分布看，中国移动入表 12.36 亿元、中国联通 4.44 亿元、中国电信 4.20 亿元，三大运营商合计占比超过一半 [9]。从占比看，数据资产占总资产的比例基本都低于 1%，最高的一家为 7.12% [9]——数据资源入表尚处于初期阶段，对企业整体报表的影响仍然有限。

科目结构高度集中：82.40% 的数据资源计入无形资产，17.03% 计入开发支出，仅 0.57% 计入存货 [9]。无形资产为主的结构说明两件事：一是企业持有数据资源主要用于自用或对外提供服务，而非以备出售；二是对应主要的摊销方式是 3 到 5 年直线法，而上市公司披露的摊销年限跨度从 2 年到 15 年不等 [7]——主观判断空间极大，这也是监管收紧的直接动因。

监管口径的变化值得单独强调。四部门 2025 年年报通知明确四项要求：企业应当以成本计量内部形成或外购的数据资源，不得将以评估等方式得出的金额直接作为入账和调账的依据；不得将前期已经费用化的数据资源重新资本化；对使用寿命不确定的数据资源无形资产，无论是否存在减值迹象，每年至少进行一次减值测试；强化数据资源信息披露 [7][16]。核心是把数据资产的账面价值锚定在历史成本上，从源头遏制通过评估增值制造资产泡沫的路径。

对企业的实际含义是双向的：入表的口径收紧会降低「数据资产做大报表」的诱惑，但也提高了入表质量的公信力——以成本计量的数据资产，在质押融资时更容易被银行接受（因为估值不依赖主观评估）。这恰好与前面观察到的现象一致：数据资产质押融资累计放款超 800 亿元 [1]，而账面入表金额仅 37.92 亿元 [9]，融资规模是账面金额的 21 倍以上（测算）。这说明银行在放款时参考的不只是入表金额，更多是数据资源的业务实质与现金流。

公共数据是中国数据要素市场最大的单一供给来源，也是制度建设的重点。2024 年印发的《关于加快公共数据资源开发利用的意见》对公共数据资源开发利用进行系统部署；2025 年 1 月，国家发展改革委与国家数据局联合印发《公共数据资源登记管理暂行办法》《公共数据资源授权运营实施规范（试行）》和《关于建立公共数据资源授权运营价格形成机制的通知》三份配套政策，分别从登记管理、授权运营行为规范、价格形成机制三方面进行指导，形成「意见管总、三个配套文件协同」的政策体系 [6][10]。

落地进展可以用四个数字概括：政务数据共享方面，全国一体化政务数据枢纽已累计支撑共享调用超 5,000 亿次；公共数据开放方面，省市两级已上线开放平台 257 个，平台上开放的有效数据集总数近 48 万个；授权运营方面，已有 25 个省（区、市）有序铺开这项工作；场景建设方面，2025 年累计发布 100 个公共数据「跑起来」示范场景 [10]。

价格机制是这套制度中最具创新性的部分。政策明确三条边界：一是公益优先——用于公共治理、公益事业的数据产品和服务不收取费用；二是政府指导价——用于产业发展、行业发展的可收取公共数据运营服务费，实行上限价格管理；三是「补偿成本、合理盈利」原则核定最高准许收入 [5][11]。运营机构在不超过上限收费标准的范围内可以自主确定具体收费标准，从而获得一定的定价灵活性 [11]。

还有两项设计值得注意。第一是收入约束的动态性：上一周期内实际收入超过最高准许收入的部分，在核定下一周期最高准许收入时予以扣减，超出较多的可在不同周期平滑处理；当年实际收入偏离最高准许收入 10% 及以内的，由授权主体指导运营机构调整具体收费标准，超过 10% 的则调整上限收费标准 [11]。第二是评估周期：原则上不超过 3 年，届时根据实际情况调整完善政策 [11][5]。

对参与主体的含义是：公共数据授权运营是一个「有天花板」的生意——它的收入上限被制度锁定了，超额收益会被下一周期扣减。这决定了参与者的合理策略是控制成本、提高运营效率，而不是追求数据的溢价销售。对希望从公共数据中获得高毛利的市场主体而言，这条路径的商业吸引力明显低于预期；但对地方国企与城投平台而言，它是把既有数据治理能力变现的稳定通道。

跨境数据交易目前是场内交易中最小的板块，但它的制度意义远超规模。深圳数据交易所累计交易额超 150 亿元，其中跨境数据交易规模超 2.5 亿元 [1]——占比约 1.7%（测算）。该交易所围绕「交易中心—服务中心—共创中心」的综合服务架构运营，跨境业务是其差异化定位的核心 [17]。在数据跨境流动的合规框架尚未完全成型的背景下，这个规模更多是制度试验的结果，而非市场需求的真实反映。

跨境数据交易的核心难点不在技术，而在规则：数据出境的安全评估、标准合同与认证三条路径各自适用不同场景，而数据产品往往同时涉及多个数据主体的权利。交易所在这里承担的是「合规确定性提供者」的角色——通过把跨境交易纳入登记与审核流程，把不确定性转化为可计价的成本。这也是为什么跨境业务的规模虽小，但交易所普遍把它列为战略方向。

从产业视角看，跨境数据交易的短期价值在于服务出海的合规需求。数字化转型中的制造、跨境电商、航运物流企业在境外运营时都需要合规的数据跨境通道，交易所提供的是这条通道的合法性背书。另一条潜在的增量是关键行业的数据空间建设——广州数据交易所围绕陶瓷、海洋渔业、气象等重点领域布局行业数据空间 [1]，这类行业数据空间天然具备跨境属性（如海洋渔业、气象的国际数据交换）。

测算框架是一条可相乘的因子链：场内年交易规模 = 数商数量 × 单个数商年均交易额。两个参数都有外部锚：数商数量取 3,944 家（2025 年 8 月入驻数据交易所的数商数 [3]），单个数商年均交易额取 400 万元（由累计场内交易规模近 800 亿元 [1]除以 3,944 家、再按 5 年周期摊算反推）。中性情景下，3,944 × 400 万元 = 157.8 亿元；按 5 年累计约 789 亿元，与实际值「近 800 亿元」[1]偏差 1.4%，模型对账通过。

单笔交易的利润结构是本测算的第二条链。以合规审核固定成本 8 万元、其余成本随交易金额等比变动为假设（测算，锚定单笔 10 万元订单中合规审核与法律成本约 1.0 万元、占 10% 的结构 [5][11]），敏感性矩阵显示：单笔 20 万元的订单在综合成本率 50% 时净利仅约 2.0 万元，在综合成本率 25% 时净利约 7.0 万元；而单笔 500 万元的订单在综合成本率 50% 时净利约 242.0 万元。固定成本的摊薄效应在小额端极为陡峭。

三情景预测以 2025 年场内年交易规模约 158 亿元（测算）为基数。保守情景按年化 10% 增长（数商增长放缓、单商交易额停滞），中性情景按年化 20% 增长（数商与新上架产品延续当前节奏），乐观情景按年化 30% 增长（数据资产融资与场内交易形成联动）。中性情景下 2028 年场内年交易规模约 273 亿元。

测算的两处保守性需要说明。其一，模型没有纳入跨境数据交易与行业数据空间可能带来的非线性增量——这两类业务的规则一旦明确，增速可能远超基础场景。其二，模型以数商数量为规模驱动变量，忽略了单个数商产品线拓宽带来的单商交易额提升潜力——2025 上半年新上架产品数同比增长 70% [3]而数商数仅增长 32.1%，说明单商的产品矩阵正在快速扩张。

本节不讨论任何具体标的的价值判断，只给出两条可独立运算的行业级路径。两条路径必须给出方向一致的结论，才具备参考意义。

路径一，会计计量法。以数据资产的账面价值为起点：2025 年报 A 股 136 家公司披露的数据资源入表金额合计 37.92 亿元，占总资产比例基本低于 1% [9]。这个量级说明，在现行成本计量规则下 [7][16]，数据资产对上市公司报表的影响微乎其微，以账面数据资产为基础评估企业价值在当下不具备可行性。

路径二，融资杠杆反推法。以数据资产质押融资累计放款超 800 亿元为终点 [1]，除以账面入表金额 37.92 亿元 [9]，得到约 21 倍的融资杠杆（测算）。这个倍数看起来很高，但它反映的是口径差异——质押融资的标的是数据资源的整体价值，其中大部分并未按会计准则入表（例如大量数据资源作为业务成本已经费用化，按规则不得重新资本化 [7]）。换一个角度看：把 800 亿元放到 2,200 亿至 3,000 亿元的数据交易市场规模中 [1]，占比约为 27%–36%，这是一个更合理的量级参照。

两条路径的交集给出三点判断。第一，数据资产的会计价值与金融价值之间存在巨大的口径缺口，用会计数字衡量数据要素的经济价值会严重低估。第二，金融侧（质押融资）已经跑在会计侧前面，这意味着银行等金融机构在实践中形成了一套不依赖会计准则的数据资产定价能力，这套能力目前缺乏透明度，也未形成统一的行业标准。《信息技术大数据数据资产价值评估》自 2025 年 5 月 1 日起实施，由全国信息技术标准化技术委员会归口，是这一领域首套国家级方法论 [18]，它的落地效果值得长期跟踪。第三，对数据要素赛道的参与者而言，「能不能把数据变成可被金融机构认可的资产」比「能不能把数据卖出去」更决定生存。

以下风险与正文判断一一对应，按「自身经营—行业结构—政策外部」三类列示：

1. （一）数商增多而订单变薄压价
2. （二）合规成本刚性抬高小额门槛
3. （三）数据资产入表口径收紧
4. （四）场外交易长期分流场内
5. （五）公共数据运营收入被锁定
6. （六）数据出境与安全监管趋严

对号入座：（一）对应第三章，数商数量半年增长约 40.8%（测算）[1][3]，而半数交易所累计交易额低于 10 亿元 [2]，供需失衡会压低产品单价；（二）对应第六章，单笔 20 万元订单在综合成本率 50% 时净利仅约 2.0 万元（测算），合规固定成本是小额交易的主要障碍；（三）对应第七章，四部门要求成本计量、禁止以评估值入账、不得追溯资本化 [7][16]，入表口径收紧会影响以数据资产增厚报表的路径；（四）对应第五章，场外交易占比曾超 95% [3]，场外的高效率会持续分流对合规性要求不高的交易；（五）对应第八章，公共数据运营服务费实行政府指导价、超收部分在下一周期扣减 [11]，收入天花板被制度锁定；（六）对应第九章，数据出境的安全评估与合规要求提高会增加跨境交易成本。

结论一：用场内交易额衡量数据要素市场会低估三倍以上。累计场内交易规模近 800 亿元 [1]与交易市场机构口径 2,200–3,000 亿元 [1]相差约 3 倍，场外交易占比曾超 95% [3]。结论二：价值实现的重心正在从交易转向融资。数据资产质押融资累计放款超 800 亿元 [1]与累计场内交易规模基本等量，地方国企占非上市公司入表主体的 82.67% [8]，说明资产化的驱动力来自资产负债结构优化。结论三：行业的瓶颈是定价语言不统一。会计侧 37.92 亿元 [9]、金融侧 800 亿元 [1]、交易所挂牌价三套体系互不相通，这是规模难以跃升的根本约束。

建议持续跟踪五个观察指标，作为上述判断的验证锚点：

1. 数商数量与交易所年交易额的增速差（验证供需失衡，证伪线为交易额增速连续两年低于数商增速 [3]）；
2. 场内笔均交易金额（验证小额交易可行性，证伪线为笔均金额连续两年下降且小额占比超 50%）；
3. A 股数据资源入表家数与金额（验证资产化进度，证伪线为三年内金额超 500 亿元 [9]）；
4. 数据资产质押融资余额（验证金融化路径，证伪线为余额连续两年不增长 [1]）；
5. 跨境数据交易占交易所总量的比重（验证制度红利，证伪线为连续两年低于 3% [1]）。

本报告共设十条可证伪链，覆盖价值实现路径、规模口径、交易所功能定位、供需节奏、场内场外结构、合规成本、资产入表节奏、公共数据定价、跨境交易、价值评估。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件，读者可按证伪条件自行验证判断的有效性。其中七条核心链的台账如下：

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：政府主管部门文件、官方平台公开信息，可直接复核；
• [T2]机构二手口径：研究机构、行业协会与专业数据库的整理数据，口径可能存在差异；
• [T3]媒体转引口径：媒体报道或第三方数据库整理口径，未经独立审计，仅作参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

所有标注「测算」的数字，均为本报告基于外部锚参数推算的结果，推算公式与参数取值在正文中逐项给出；测算值与外部锚存在偏差时，均在正文标注对账结果。需要说明的是，数据交易所的累计交易额与数据资产质押融资余额均为累计口径，与年度数据不可直接比较；本报告在涉及年度规模时均注明为测算值。不同机构因统计范围差异（如交易规模是否含场外、是否含数据服务），同一指标可能存在数值差异，以原始报告口径为准。