孟天广

编者按：

“十五五”规划建议提出，健全数据要素基础制度，建设开放共享安全的全国一体化数据市场，深化数据资源开发利用。国家数据局多次发声，呼吁全社会加大对数据领域的投入，着力培育“为数据付费买单”的市场意识。这一倡导，不仅是对数据要素市场化配置的顶层指引，更是打通数据价值转化堵点、构建健全数据要素市场的关键一步。多位专家将深入解读数据资源开发利用的市场培育逻辑与实践路径。

近期在南京举办的2025高质量数据集和数据标注产业供需对接大会上，来自交通、医疗、工业制造等行业的企业达成90余笔数据交易，成交金额超过9亿元。“为优质数据买单”首次以结构化的市场行为大规模出现，反映出人工智能与产业数字化发展的新趋势。这不仅体现了人工智能与产业深度融合的迫切需求，也标志着数据要素从政策构想走向市场实践。

一、人工智能时代数据价值的系统性重塑

人工智能技术的迭代使数据在技术体系、产业体系和治理体系中的地位产生了根本性提升，也深刻改变了人们对数据的认知。数据从仅起到表层记录和存贮作用的信息单元演进为能够承载知识、语义和推理逻辑的复杂结构。在此过程中，数据从辅助性要素转变为塑造智能能力的核心来源，数据价值从“隐性”走向“显性”。

随着以大模型为代表的人工智能加速进入各行各业，数据的价值凸显出“场景化”趋势。一方面，从数据获取端来看，行业大模型的兴起进一步强化了数据价值的专业性与稀缺性。与通用模型不同，行业模型必须依托特定领域的经验逻辑和知识结构。模型在医疗、工业、交通、金融、应急等领域的表现差异，很大程度上取决于其能否获得足够丰富的场景数据。这种以专业知识为核心的价值体现，使数据从通用资源转向专业性资源，尤其在数据难以大规模采集和公开获取的关键领域，其稀缺性被进一步放大。另一方面，数据价值同样在应用端体现出强烈的场景依赖性，即数据价值需要在具体场景中被激活。场景提供了数据语义解释的框架，也为模型提供了可验证、可迭代、可优化的反馈结构。数据在应用端的价值并不取决于规模，而取决于其与特定场景的业务逻辑是否匹配，若脱离适用场景则使数据失去了大部分意义，且这种场景依赖性随着人工智能向行业深水区延伸愈发明显。

因此，数据价值呈现出“场景越专业、稀缺性越高、价值越大”的特征，数据质量正在成为决定模型能力的关键变量，各行业对于优质数据的需求急速扩张。企业不再满足于系统内部的运行数据，而是转向对外部数据、行业数据、场景数据的主动购买与合作开发。

同时，高价值数据往往需要长期积累、复杂治理或专业标注才能形成可用形态，这当中伴随的数据采集、清洗、脱敏、结构化、标注、审核、验证等一系列专业处理过程则承载了组织化劳动，因而数据价值的显化从技术现象进一步演变为结构性社会现象，改变了获取数据的成本结构和组织方式。随着国务院提出“全面实施‘人工智能+’行动”“全方位赋能千行百业”，人工智能应用从互联网领域扩展到制造、交通、医疗、农业、文旅等大量现实部门，推动这些行业必须解决数据的可获取性、可用性与可信性的问题。也正是在这一需求结构变化中，“为优质数据付费”从技术逻辑转化为经济逻辑和市场行为，数据要素化和数据市场化成为下一阶段的必然方向。

二、数据要素化的制度基础与市场机制

数据被定位为生产要素后，其经济属性从衍生性资源转向可配置要素。由于数据具有可复制、可共享和非消耗的特性，其权利结构无法套用传统物权模式，而呈现以“使用权”为核心的复合权能。《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”)提出三权分置框架，旨在通过体制机制创新将数据从分散的资源转变为可度量、可授权、可交易的关键要素。只有在权力边界清晰、责任可控的前提下，数据才能进入市场体系，实现从“沉睡资产”向“可调用、可配置”要素的转化。

在制度基础确立之后，数据要素化仍需依托成熟的市场基础设施。近年来，《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《公共数据条例》等法规为采集、加工与共享提供了合规框架，各地建设的数据交易所、公共数据平台和可信数据空间为数据流通提供实际通道。同时，数据质量评估、元数据标准、脱敏规范、合规审计等机制日益完善，使数据能够以“数据产品”形式实现定价与流通。标准化与平台化建设共同解决了数据市场长期面临的“质量难辨、风险难控、价值难定”问题，也为“为优质数据付费”成为稳定、可持续的市场行为奠定了现实基础。

从国际比较看，数据要素化和市场化已成为全球趋势。各国在差异化的数据治理模式下所体现的共识是若没有制度与市场机制支撑，高质量数据无法持续供给，也无法形成数据驱动的创新体系。我国推进建设全国统一数据市场正是对全球趋势的探索创新。

数据要素化的最终目的，是使数据能够通过市场实现价值，这一过程必然要求付费机制作为核心约束。高质量数据的采集、治理与标注均具有实质性成本，若缺乏付费环节，数据供给无法持续；同时，不同数据在质量、稀缺性、知识密度和场景适配性方面差异显著，付费机制正是体现价值差异与形成价格信号的方式。在制度化的授权与交易体系中，付费不仅是经济交换，也承担确认权利边界、明确责任结构与降低使用风险的制度功能，使供需双方能够在稳定预期下开展数据合作。因此，“为优质数据付费”并非偶然市场行为，而是数据要素进入市场体系的必要条件。

三、建立优质数据付费流通机制

“为优质数据付费”的出现是技术需求升级、产业结构转型和制度持续完善共同作用的结果，代表了数据要素市场从制度准备阶段迈向需求牵引阶段，是数据要素实现价值化、形成可持续市场机制的关键拐点。这一变化源自数据稀缺性的凸显，激发需求侧的结构性跃升，更深层的动力则来自商业模式的逐步成型。

随着大模型能力跃升，人工智能对数据的依赖从“数量驱动”转向“质量驱动”，知识密度、任务相关性、场景真实性与标注精细度等数据质量决定了模型的性能边界。同时，随着人工智能深度嵌入，各行业间的交叉专业场景数据需求也被激发。例如自动驾驶需要高精地图与真实交通流数据，医疗模型需要经专家校验的结构化病例数据，制造业需要精准的设备运行数据，城市应急需要多部门多来源融合数据。这些数据均无法仅依靠开放数据或自行采集满足需求，使优质数据成为市场中现实的稀缺资源，成为“付费获取”的源动力。

从企业个体角度看，付费购买数据是一种经济理性选择。对多数非数据型企业而言，数据治理是非核心能力，因此付费购买质量可控、来源可溯、合规可靠的数据，具有显著的成本优势和风险规避效益。此外，部分行业具备高度门槛，如医疗、交通、能源领域的数据往往依附在公共基础设施或专业机构中，只有通过付费授权才能合法、稳定地获得。因此，付费行为是需求侧对“可用性、安全性、合规性”的综合选择，是实现数据价值的现实路径。

在需求侧牵引下，以高质量数据生产为核心的产业体系迅速形成。数据标注企业提供精细化标注、审核与迭代服务，数据治理机构负责清洗、结构化与合规处理，行业数据持有方则提供具有专业壁垒的场景数据。围绕这些活动，数据产品化和数据服务化模式逐渐成熟，包括数据集产品、API订阅、使用授权(license)、联合数据建模服务等。由此形成的“采集—治理—供给—交易”链条，使数据从内部资源转化为市场化产品，也为企业提供可直接使用、可追溯、风险可控的数据供给方式。

“为优质数据付费”不仅是局部行业行为，更是数据要素市场结构演化的重要标志，它意味着数据已经进入“按需定价、按质定价、按场景定价”的阶段。这种“需求驱动型”市场结构将促使数据供给方不断提升数据质量、扩充场景覆盖、加强合规治理，并通过产品化方式降低交易成本。同时，付费机制将促进数据交易标准、定价机制、质量评价体系的数据要素基础设施进一步完善。随着更多行业纳入数据驱动体系，数据价格体系、数据专业服务体系与行业数据协作机制都将随之成熟，推动形成可持续、可扩展、可治理的全国统一数据市场。(作者系清华大学数字政府与治理研究院副院长)

(人民网记者许维纳 整理)