档案数字化与长期保存研究报告

基本信息

阅读时间：约 28 分钟

字数：约 14,106 字

摘要：市场担心：档案数字化的账已经算清楚了——扫描一遍、存到硬盘或云端，之后按年交存储费，成本会随着单位存储价格下降而持续走低。支持这一判断的证据很多：截至 2025 年底全国各级综合档案馆馆藏档案 152260.6 万卷件[4]，规模虽然庞大，但扫描设备的单页成本在持续下降，云存储的每 GB 单价也在下降，规模越大越摊得薄。市场因此认为，长期保存的核心矛盾是「扫描得够不够快」，而不是「保存得够不够久」。

市场担心：档案数字化的账已经算清楚了——扫描一遍、存到硬盘或云端，之后按年交存储费，成本会随着单位存储价格下降而持续走低。支持这一判断的证据很多：截至 2025 年底全国各级综合档案馆馆藏档案 152260.6 万卷件[4]，规模虽然庞大，但扫描设备的单页成本在持续下降，云存储的每 GB 单价也在下降，规模越大越摊得薄。市场因此认为，长期保存的核心矛盾是「扫描得够不够快」，而不是「保存得够不够久」。

我们认为：把长期保存的成本看成一次性的数字化投入，是把周期问题看成了存量问题。更准确的判断是，数字化只是把载体从纸换成了文件格式，而文件格式本身有寿命、读取工具本身有生命周期、校验本身有频率要求。真正的成本项不是扫描，而是「每过一个迁移周期就要重新支付一次」的格式迁移与全量校验。以本报告示例性口径测算，单位保存成本为每万卷件每年 15000 元，其中格式迁移摊提 3600 元、载体检测与校验 1800 元，两项合计 5400 元、占 36%（测算）。这两项都随校验频率与迁移周期成比例放大，不会因为存储介质便宜而消失。

1. 第一条，存量结构的重心在基层。馆藏档案中县（区、旗、市）级为 109365.5 万卷件，占总量的 71.83%；地（市、州、盟）级及以下合计 140151.5 万卷件、占 92.05%（测算）[4]。基层馆的馆藏规模小、人员少、技术能力弱，却承担了九成以上的存量，这决定了任何统一的数字化与保存方案都必须解决「小馆如何长期运转」的问题；
2. 第二条，年度接收量决定了增量的速度。2025 年度全国各级综合档案馆共接收档案 14898.4 万卷件，相当于当年存量的 9.785%（测算）[4]。换算下来，存量大约每十年翻一倍；如果数字化与保存能力按存量建设、按存量定价，那么十年之后的要求就是当前的两倍；
3. 第三条，企业侧已经出现了可复制的样本。自 2021 年以来国家档案局先后确认 4 批 98 家试点单位，截至 2025 年 5 月已有 28 家通过验收、通过率 28.57%（测算），企业总部及所属单位共计建成 1947 家企业数字档案馆（室），传统载体档案数字化率达到总部 90% 以上、所属单位 70% 以上[6][11]。试点单位与所属单位之间 20 个百分点的数字化率差额（测算），恰好说明「总部推行、基层落地」之间存在系统性折损。

本篇增量：把长期保存的成本从「扫描一次多少钱」改写为「每个迁移周期重新支付多少钱」，并给出单位保存成本的构成、三情景取值与敏感性口径。核心结论是：决定长期保存成败的不是扫描速度，而是校验周期与迁移周期的乘积；压缩成本的正确方向是先降低校验频率，而不是先压缩扫描预算。

长期保存的成本被低估，机制上有三个原因。第一个原因是成本的可见性不对称：扫描与数字化的支出发生在当期、有明确的合同金额、可以进预算；格式迁移与校验的支出发生在未来、没有合同、没有供应商报价，因此在预算编制时被自然忽略。第二个原因是成本的会计归属不清：库房折旧在财务上属于固定资产、载体校验属于运行维护、格式迁移属于技术改造，三者分属不同科目，无法合并成一个可比的长期成本口径。第三个原因是责任的时间错配：做出数字化决策的人与承担迁移成本的人往往不是同一届，前者的考核周期覆盖不到后者的支出。

这三个原因叠加的结果是，长期保存的预算普遍按「当期可支出」而不是「全周期可持续」编制。一个可观测的旁证是设施的构成：截至 2025 年底全国各级综合档案馆总建筑面积 1787.8 万平方米，其中档案库房建筑面积 658.9 万平方米、对外服务用房 252.4 万平方米[4]，库房占 36.85%、对外服务用房占 14.12%、其余用房占 49.03%（测算）。库房面积占比不到四成，说明「装得下」并不是当前的主要约束；主要约束在库房之外的能力建设上，而能力建设的成本最难被一次性预算覆盖。

把建筑面积放在馆藏量旁边看，可以得出一个反直觉的结论。县区级档案馆承担了 71.83% 的存量馆藏，却只拥有 63.05% 的建筑面积（1127.4 ÷ 1787.8，测算）；地市级承担了 20.22% 的存量（30786.0 ÷ 152260.6，测算），拥有 24.94% 的建筑面积（445.9 ÷ 1787.8，测算）。两级之间的密度差意味着基层馆的单位面积承载量更高、留给校验与迁移作业的空间更少。长期保存从来不只是存储容量问题，它还需要作业空间、设备与人力，而这些恰恰是基层最紧张的部分。

口径提示：本节中建筑面积与馆藏量的比较以全国汇总数为基准，未区分馆舍的建成年代、层高与结构条件，也不能反映单个馆的实际可用作业面积；面积占比的推断只用于说明量级差异，不作为单馆能力评价的依据。

要让长期保存的成本可比较，必须先把成本拆成三类并给出各自的度量口径。第一类是载体成本：包括库房与设备的折旧、介质本身的更换。它的度量单位是「元 / 万卷件 / 年」，驱动力是存量规模与介质寿命。第二类是校验成本：包括定期检测、抽样比对与全量校验。它的度量单位同样按年度摊，但驱动力是校验周期与校验强度，而不是存量规模本身。第三类是迁移成本：包括格式转换、元数据映射、验证与回滚。它不是每年发生，而是按迁移周期发生，因此在年度口径下只能作为摊提处理。

三类成本的度量边界需要明确三点。第一，扫描与数字化的初始投入不计入单位保存成本，因为它属于一次性资本支出，与本报告讨论的周期性成本口径不同；本报告只在需要区分「一次投入」与「周期支出」时引用它。第二，人工成本按照可归属到保存活动的工作量分摊，而不是按机构总人数分摊；这一点在试点单位与基层馆之间差异极大。第三，格式迁移的摊提年限按实际迁移周期取值，而不是按财务折旧年限取值，避免把迁移成本按设备年限摊薄。

用这套口径重新看试点数据，可以得到一个有意义的对照。试点企业总部及所属单位的传统载体档案数字化率分别达到 90% 以上与 70% 以上[6]，两者相差 20 个百分点（测算）[11]。这说明数字化率的提升在总部与基层之间存在系统性折损。如果把这 20 个百分点直接当作时间差，那么基层大约需要多一个完整的建设周期才能追上总部——而在这段时间里，格式迁移与校验的成本并不会等比例延后，因为基层的存量同样在持续接收新档案：2025 年度接收档案 14898.4 万卷件[4]，增量是全网同步发生的。

口径之外还有一个容易被忽略的边界：单位保存成本的「单位」选什么。用「万卷件」作单位便于与馆藏统计对齐，但它对照片、音像与资料的计量不同——馆藏资料 4601.3 万册、照片档案 3120.9 万张、录音磁带录像磁带影片档案 115.2 万盘[4]，三类合计 7837.4 万，占卷件总量的 5.15%（测算）[8]。这部分的单位保存成本通常高于纸质档案，因为校验频次更高、格式迁移的依赖链更长。把它们按卷件同等计价，会系统性低估单位的真实成本。

馆藏的结构决定了保存策略的空间。截至 2025 年底，全国各级综合档案馆馆藏档案 152260.6 万卷件，其中县（区、旗、市）级 109365.5 万卷件、占 71.83%，地（市、州、盟）级 30786.0 万卷件、占 20.22%，省（区、市）级 7294.2 万卷件、占 4.79%，副省级 3155.3 万卷件、占 2.07%，中央级 1659.6 万卷件、占 1.09%（测算）[4][7]。这条分布曲线的含义很直接：越往基层，单位机构承担的存量越多、可支配的技术资源越少，而长期保存的能力建设恰恰是技术密集型的。

年度接收量给出了增量的速度。2025 年度全国各级综合档案馆共接收档案 14898.4 万卷件，照片档案 155.3 万张，录音磁带、录像磁带、影片档案 2.8 万盘[4]。接收档案占存量的 9.785%（测算）[10]，照片档案占照片存量的 4.976%（测算）[10]。换算成翻倍时间，存量大约每十年翻一倍；这意味着当前按存量规模建立的保存能力，十年后面对的压力将接近两倍。如果校验周期是 6.4 年（测算）[15]，那么在两个校验周期内，需要校验的数据量会翻倍——而校验成本恰恰是随数据量线性增长的那一部分。

照片与音像档案的接收比例低于纸质档案，但它们的单位保存成本更高。原因有两层：一层是这些载体的原始形态更依赖专用读取设备，设备本身就有生命周期；另一层是它们的元数据（拍摄时间、地点、事件、人物）在数字环境下更容易丢失，而元数据一旦丢失，后续的检索与利用价值将大幅下降。这意味着照片与音像档案的校验成本不只是比对文件完整性，还要包括元数据的完整性核验，工作量通常高于同数量的纸质档案。

把三层读数放在一起，可以得到本报告的第一条结构性结论：存量的重心在基层、增量的速度稳定、非纸质载体的比重虽小但成本更高。这三条共同决定了长期保存的政策重点不是继续扩大数字化的一次性投入，而是建立可重复、可预算、可复核的周期成本机制——因为只有周期成本被显式计入预算，基层才有稳定的执行基础。

企业侧的数据提供了机制检验的机会。《企业档案管理规定》在对 2002 年发布的原规定全面修订后，由规范性文件升级为部门规章，以国家档案局令第 21 号的形式发布，成为针对企业档案工作的最新顶层设计文件[5]。制度升级之后，试点成为主要的落地路径：自 2021 年以来，国家档案局先后确认 4 批 98 家试点单位，覆盖不同体量、不同业务领域的中央企业、地方国有企业及民营企业；截至 2025 年 5 月，已有 28 家试点企业顺利通过验收，通过率 28.57%（测算）[6][11]。

试点单位的建设成果可以用两个读数刻画：企业总部及所属单位共计建成 1947 家企业数字档案馆（室），平均每试点单位建成约 19.87 家（测算）[6][11]；传统载体档案数字化率达到总部 90% 以上、所属单位 70% 以上[6]，两级相差 20 个百分点（测算）[11]。第一个读数说明企业数字档案馆（室）是「总部 + 所属单位」的集团化架构，而不是单体工程；第二个读数说明这种架构在推进过程中存在系统性的执行折损。

折损的来源可以从两个方向理解。第一个方向是资源分布：集团总部集中了档案管理的专业人力、预算权限与技术采购能力，所属单位则往往由兼职人员承担档案工作，遇到格式迁移与校验这类需要专业判断的任务时，执行质量会明显下降。第二个方向是评价口径：数字化率是易于统计的指标，而校验完成率、迁移成功率、元数据完整率这类指标统计难度大、口径不统一，因此在考核中很少被同等重视。结果是可统计的指标被优先推进，不可统计的指标被推后。

浙江省的试点数据提供了一个效益侧的参照：据专业机构测算，浙江省通过开展试点已产生效益超过 17 亿元[6]。这个数字不应该被直接外推到全国，因为试点单位通常选择基础较好、管理规范的企业，效益的边际提升空间本身就大于平均水平。但它至少说明一件事：档案的规范化与数字化利用在企业场景中可以产生可观测的经济效益，这为周期成本投入提供了正当性——前提是效益的度量口径与成本的度量口径同样清晰，否则成本容易被低估而效益容易被高估。

格式迁移成本的忽略程度可以用一个简单的算术说明。假设某类文件格式的读取工具维持向后兼容的周期为五年，则二十年需要至少四次迁移。若单次迁移（含格式转换、元数据映射、抽检与回滚准备）的成本相当于当年保存成本的 12%，则二十年的迁移摊提约为年度保存成本的 4.8%；若兼容周期缩短到三年、单次成本升到 18%，二十年的迁移摊提将达到 7.2%（测算）[13]。本报告在基准口径中取 3600 元 / 万卷件 / 年的迁移摊提，占单位保存成本 15000 元的 24%（测算）[12]。

迁移成本的第一个特点是它不随存量线性增长。迁移的对象是文件依赖链：如果一个格式依赖两个中间格式与一个专用读取工具，那么其中任一环节失效都需要一次迁移；如果依赖链很短、且用开放格式存储，迁移的对象就少得多。因此迁移成本的高低在很大程度上是存储策略的选择结果，而不是外部强加的条件。这也是本报告把迁移成本单列而不是并入载体成本的原因。

迁移成本的第二个特点是它有隐性的人工损耗。格式转换的自动化工具有失败率，失败项需要人工处理；元数据映射会丢失非标准字段，这些字段往往承载着最关键的上下文；验证环节需要抽样比对，抽样的比例与方法决定了缺陷被发现的概率。这三项隐性工作通常不被纳入预算，因为它们在形式上属于「运维」而不是「项目」。

外部技术环境也在影响迁移的必要性。中国研发支出占 GDP 比重由 2018 年的 2.102% 提高到 2023 年的 2.577%，五年提高 0.475 个百分点[3][16]。研发投入的持续上升意味着文件格式与软件生态的更替速度不会放缓，新格式出现的频率、以及旧格式被弃用的速度，都会随技术迭代保持在一定水平。对长期保存而言，这是一个中性的背景条件：它既带来更好的工具，也带来更频繁的迁移压力。

校验频率是长期保存成本中最容易被主观决定的变量，也是最需要客观约束的变量。三类载体的失效率随时间的分布差异很大：磁介质在强磁场、温湿波动与机械磨损下的失效风险最高，通常按 4 年一次全量校验；光学介质的物理稳定性优于磁介质，但存在材料老化与读取设备退市的风险，通常按 8 年一次；纸质与实物载体在温湿度可控的库房条件下寿命最长，通常按 20 年一次（测算）[15]。

按三类载体的校验周期取加权平均，得到约 6.4 年的整体校验周期（测算）[15]。这个数字的意义在于：它比多数机构的预算周期长，但比多数设备的服役周期短。也就是说，一笔校验支出可能在同一个预算责任人任内只发生一次，却在同一台设备的使用寿命内发生多次。这种时间尺度上的错位，正是校验成本难以进入常规预算的结构性原因。

校验强度与保存成本的关系可以做敏感性分析。在同一校验周期下，把校验强度分为低频、基准与高频三档，单位保存成本分别为 11200 元、15000 元与 21600 元（元 / 万卷件 / 年，测算）[14]。如果把校验周期与校验强度交叉，成本区间从低频校验叠加 20 年周期的 9800 元，扩展到高频校验叠加 4 年周期的 28600 元，跨度约为 2.9 倍（测算）[17]。这个跨度远大于存储介质单价波动能解释的范围，说明成本的主导变量在校验与迁移，而不在存储。

需要说明的是，降低校验频率并不等于降低成本，它只是把成本从显性的校验支出转移为隐性的数据失效风险。校验频率越低的机构，缺陷被发现的时间越晚，而随着时间推移，修复缺陷所需的原始环境（旧版软件、旧版驱动、旧版硬件）也越来越难以复原。因此，校验频率的选择本质上是在「确定的支出」与「不确定的损失」之间取舍，而不是在「贵」与「便宜」之间取舍。

本报告的测算框架是一条可加总的成本链：单位保存成本 = 库房与设备折旧 + 载体检测与校验 + 格式迁移摊提 + 人工与外包。四项均以「元 / 万卷件 / 年」为单位。基准情景的取值为折旧 4200 元、校验 1800 元、迁移摊提 3600 元、人工与外包 5400 元，合计 15000 元（测算）[12]。前三项与保存行为直接相关、合计 9600 元、占 64%；人工与外包占 36%，是最容易被压缩也最容易在压缩后反弹的一项。

三情景的差别集中在两项上。低频校验情景把校验成本压到 900 元、迁移摊提压到 2400 元，合计 3300 元；高频校验情景把校验提到 4200 元、迁移提到 5400 元，合计 9600 元；两者的差额 6300 元，占基准情景总成本的 42%（测算）[18]。而折旧与人工的差异相对有限：折旧从 3800 元到 4800 元、人工从 4100 元到 7200 元，合计差额 4100 元（测算）[18]。这意味着情景之间的成本差异主要来自校验与迁移策略，而不是来自设施档次或人员规模。

把单位成本乘以存量，可以得到总量级的印象。以全国馆藏档案 152260.6 万卷件[4]为基数，按基准情景 15000 元 / 万卷件 / 年计算，年度保存成本约 22.84 亿元；按低频校验情景约 17.05 亿元；按高频校验情景约 32.89 亿元（测算）[18]。这三个数字不是任何机构的实际预算，而是说明周期成本一旦被显式计入，量级就足以进入决策视野。反过来，如果这些成本继续以零散运维支出的形式存在、不进入统一口径，它们就永远无法与数字化的一次性投入做比较。

测算还有一个必须说明的边界：本报告没有把扫描与数字化的一次性投入纳入。原因不是它不重要，而是它与周期成本的性质不同——一次性投入可以按项目立项、按年度消化，而周期成本必须按年重复。把两者混在一起，会让「数字化率」这类一次性指标掩盖「校验完成率」这类周期性指标的缺口。本报告的立场是把两类成本分开呈现，再在决策层面合并判断。

第一个反向力量是存储与访问成本的持续下降。中国互联网普及率由 2020 年的 70.053% 提高到 2025 年的 91.6%[1]，移动电话普及率由 2019 年的每百人 122.67 部提高到 2024 年的 131.754 部、五年提高 9.084 部（测算）[2][16]。接入的普及与终端的普及共同压低了数据分发与备份的边际成本。如果这一趋势继续，即便校验与迁移的频率不变，单位保存成本中的通信与分发部分也会下行，本报告的基准情景存在被高估的可能。

第二个反向力量是自动化替代人工。本报告基准情景中人工与外包占单位保存成本的 36%（测算）[12]，这一比例在自动化程度提高后会下降。全量校验、格式转换、元数据映射都已经有成熟的自动化工具；如果自动化的覆盖率从当前的抽检水平提高到接近全量，校验成本在单位口径下未必上升。也就是说，高频校验与低成本并非不可兼得，关键在于自动化率。

第三个反向力量是开放格式的普及。若行业普遍采用开放、自描述的格式，格式迁移的依赖链会缩短，迁移成本随之下降。本报告把迁移摊提设为基准 3600 元 / 万卷件 / 年，是基于迁移周期五年、单次成本 12% 的示例性假设（测算）[13]；若实际迁移周期延长到八年以上，这一项会下降到 2200 元附近。

最后一个边界是地区差异。本报告的所有占比与情景都是全国汇总口径，而馆藏的重心在县区级（占 71.83%，测算）[4]。不同地区的财政能力、人员编制与技术环境差异很大，统一的单位成本无法直接用于地方预算编制。这一点在方法上的含义是：本报告的数值用于比较不同策略之间的相对差异，不用于给出任何具体机构的预算标准。

把三项反向力量与地区差异合起来看，可以得到对本报告结论的限定条件：周期成本的显性化是必要的，但显性化之后的数值会随自动化率、格式开放程度与技术普及水平变化。因此正确的做法不是锁定一个单位成本数字，而是建立一个每年复核的口径，把四项成本分别披露、分别跟踪。

结论一：长期保存的成本结构由周期决定。存量馆藏 152260.6 万卷件[4]、年度接收 14898.4 万卷件、占存量 9.785%（测算）[4][9]，存量约每十年翻一倍；在三类载体加权校验周期约 6.4 年（测算）[15]的条件下，校验与迁移两项合计占基准情景单位保存成本的 36%（测算）[12]。结论二：成本的主导变量在校验与迁移，不在存储。校验周期与强度的交叉区间从 9800 元到 28600 元（元 / 万卷件 / 年，测算）[17]，跨度约 2.9 倍。结论三：执行折损集中在总部与基层之间。试点企业总部与所属单位的数字化率相差 20 个百分点（测算）[6][11]，试点通过率 28.57%（测算）[6][11]。结论四：非纸质载体的成本被低估。照片、音像与馆藏资料合计 7837.4 万、占卷件总量的 5.15%（测算）[8]，其校验与迁移的单位成本高于纸质档案。结论五：基准情景下的年度保存成本约 22.84 亿元（测算）[18]，这一量级足以进入决策视野。

建议持续跟踪五个观察指标，作为上述判断的验证锚点：

1. 单位保存成本的四项构成占比（验证成本结构的稳定性，证伪线为校验与迁移合计占比低于 20%）；
2. 各类载体的实际校验周期与校验自动化率（验证周期结构是否被自动化改变，证伪线为高频校验情景成本降至基准情景 1.2 倍以内）；
3. 试点单位总部与所属单位的数字化率差额与校验完成率（验证执行折损是否收窄，证伪线为差额收窄至 5 个百分点以内且校验完成率同水平）；
4. 年度接收档案量与存量的比值（验证增量速度，证伪线为比值连续两年低于 5%）；
5. 照片与音像档案的元数据完整率（验证非纸质载体的保存质量，证伪线为完整率低于纸质档案的水平）。

本报告共设六条可证伪链，覆盖周期成本主导性、总部与基层折损、校验周期结构、迁移摊提、非纸质载体成本与增量速度。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件，读者可按证伪条件逐条核对。

本报告所有关键数据均按四档标注来源档次，以区分证据强度与可复核性：

• 国际组织与政府统计口径：国际组织与政府统计部门正式发布的指标序列与官方摘要，可直接按指标代码与发布名称复核；
• 机构二手口径：行业主管部门主管的专业资讯平台披露的试点与建设数据，可核对原文；
• 媒体转引口径：专业媒体对机构数据的转引报道，可核对原文但无法直接访问底层明细；
• 未取得可靠来源：本报告对该类指标统一降级为定性讨论，不给出具体数字。

本报告中单位保存成本的测算定义为：单位保存成本 = 库房与设备折旧 + 载体检测与校验 + 格式迁移摊提 + 人工与外包，四项均以元 / 万卷件 / 年为单位。基准情景取折旧 4200 元、校验 1800 元、迁移摊提 3600 元、人工与外包 5400 元，合计 15000 元；低频校验情景取 3800 元、900 元、2400 元、4100 元，合计 11200 元；高频校验情景取 4800 元、4200 元、5400 元、7200 元，合计 21600 元[12][14][18]。格式迁移摊提的测算定义为：迁移摊提 = 单次迁移成本占比 × 迁移次数 ÷ 年限，其中单次迁移成本按当年保存成本的 12% 取值、迁移周期按五年取值，二十年的累计摊提为年度保存成本的 4.8%[13]。校验周期的测算定义为：三类载体按磁介质 4 年、光学介质 8 年、纸质与实物 20 年取加权平均，得到约 6.4 年[15]。敏感性矩阵的测算定义为：在校验周期 4 年、8 年、20 年与校验强度低频、基准、高频的九组组合下，按基准情景的其余三项成本不变，得到 9800 元至 28600 元的成本区间[17]。年度保存成本的测算定义为：单位保存成本 × 存量，其中存量取全国馆藏档案 152260.6 万卷件[4]，基准情景约 22.84 亿元、低频情景约 17.05 亿元、高频情景约 32.89 亿元[18]。凡本报告未取得可比口径的项目（各馆实际校验周期、单次迁移成本、自动化覆盖率、地区财政差异），均已在正文标注并降级为定性讨论。