摘要：随着全球数字经济进入深水区，数据资产入表已成为重塑资产负债表的重要技术革命。数据资产入表通过改善抵押品质量、优化资本结构、增强偿债能力三条路径影响债务关系，在不同所有制主体中呈现显著差异，我国亟需建立分类治理框架，防范数据资产泡沫化带来的新型债务风险。本文通过

导读

1. 数据资产

马克思在《资本论》中指出，商品的价值来源于社会必要劳动时间的凝结，而数据资产作为数字经济时代的核心生产要素，本质上是人类数字化活动所沉淀的、具有交换价值和使用价值的抽象化商品。国际数据管理协会（DAMA）将数据资产定义为“通过结构化或非结构化形式存储，能够被主体控制并产生经济效益的数据资源”。与传统的实物资产不同，数据资产具有非排他性（Non-rivalry）、可无限复制性（Zero Marginal Cost）和网络效应（Network Externality）三大特征，其价值实现高度依赖场景化应用和算法模型的萃取能力。我国财政部2023年发布的《企业数据资源相关会计处理暂行规定》首次明确数据资产需满足“合法控制权”“经济利益可预期性”和“成本可靠计量”三原则方可入表，标志着数据要素从技术概念向经济实体的范式跃迁。

2. 数据资产入表

数据资产入表本质上是将数据资源的产权关系与经济价值通过会计语言具象化。根据国际会计准则理事会（IASB）第38号无形资产准则的扩展解释，数据资产入表需经历确权锚定、价值评估和风险定价三大核心环节，对企业财务生态的重构具有多维度影响。从资产负债表层面看，数据资产入表不仅带来企业账面资产规模的显性扩张，更推动资产结构向轻量化转型，企业资产结构由固定资产主导转向“硬资产+软资源”的协同配置；在利润表层面，其呈现出明显的价值创造与成本分摊双重效应，数据资产的摊销与计提减值将导致期间费用的刚性增长；同时数据资产入表通过扩大资产分母直接改善传统偿债指标，可能掩盖企业现金流支撑不足的结构性风险；从资本市场反馈看，数据资产显性化使轻资产科技企业获得更公允的价值重估。当前我国数据资产入表实践呈现“三权分化”格局——互联网企业侧重用户行为数据资本化，国有企业探索公共数据授权运营，地方政府则通过数据财政化解隐性债务，这一变革正深刻重塑数字经济时代的资本运动规律。

02 数据资产入表的技术逻辑与债务传导机制

1. 民营企业：数据质押融资与债务结构优化

民营企业通过数据资产证券化（DAS）将表外数据资源转化为表内资本，以此优化债务结构、显化数据资源价值并提升融资能力。2022年10月，罗克佳华科技集团股份有限公司质押200亿条数据资产获得1000万元融资贷款；2023年，深圳微言科技有限责任公司通过光大银行深圳分行授信审批，成功获得全国首笔无质押数据资产增信贷款额度1000万元；2024年，重庆复迪脉数字科技有限公司通过构建数字器官数据库将医疗数据资产化，以此获得500万元的授信额度。然而，数据资产估值具有主观性风险，其价值受数据质量、技术迭代与市场需求等多变量动态影响，数据估值的波动性及合规风险将会引发抵押品价值缩水。

2. 国有企业：数据资产注入与隐性债务化解

地方国资平台通过政务数据特许经营权确权，将交通、医疗等数据以“递延收益权”入表重构资本结构，其数据资产主要分为以下几类：（1）公用事业类，包括供电、供水、供热、供气、城镇污水处理等。（2）城市运营类，包括智慧停车、智慧医疗、智慧政府、智慧园区、智慧学校等。

2024年，南平市金融控股有限公司完成15.6亿条数据公交运营数据入表，评估价值1236万元；福州城投新基建集团率先完成账面价值1147.58万元的数据资产入表，通过系统性评估数据权属、成本与未来收益，构建了覆盖5大合规项、460项数据库表单的技术框架；莆田市数字集团则依托北斗时空数据底座完成9.65亿条数据入表，探索公共数据资产化路径，为隐性债务置换提供新工具。山东日照农发集团依托其已入表的供水数据，从日照银行获得1600万元授信额度，数据资产内容包括75个数据表、近15万条数据。此类实践遵循“财政资本化”逻辑，通过数据收益权证券化置换存量债务，但需警惕“数据注水”与“期限错配”风险。

3. 政府：数据主权资产与公共债务管理

传统的公共债务管理主要依赖土地财政和税收收入，但随着经济结构调整和土地资源约束加剧，地方政府亟需寻找新的财政收入来源。数据主权资产是指地方政府在履行公共服务职能过程中积累的公共数据资源，包括交通、医疗、教育、环境等领域的数据，数据资产特许经营模式为公共债务管理提供了新的思路。福建省泉州市通过“泉数工采通数据集”入表，构建“传统资产链”向“数据资产链”的跨越，推动数据要素增值效应。不过地方政府可能因“数据GDP竞赛”的动机过度证券化，导致地方隐性债务风险转移而非被化解。

03 国外实践经验与启示

1. 美国：制度协同、风险再分配与债务结构重构

美国《基础设施投资和就业法案》（H.R.3684）将数据资产定义为“基于加密分布式账本的价值表示”，其税务报告要求虽未直接改变税负，但通过强化透明度间接影响企业债务结构，例如，企业需承担更高合规成本以追踪数据资产交易，从而使其压缩现金流并调整融资策略。拜登政府14067号行政命令提出“负责任的创新”框架，将数据资产纳入央行数字货币（CBDC）探索范围，试图通过稳定币等工具优化跨境支付效率，降低债务融资摩擦，但其对加密货币、稳定币的宽泛定义可能加剧抵押品价值波动风险，如SEC《员工会计公报121号》（SAB121）要求数据资产按公允价值入表并披露减值风险，导致企业净资产波动性上升，影响信用评级与债务融资条件。

2. 欧盟：公共数据资产化与债务可持续性

欧盟《数据法案》（Data Act）通过确立“数据访问及使用权”框架，弱化传统产权路径，转而以非排他性权利推动公共数据资产化进程，该法案强制要求企业履行数据开放义务，间接重构了市场主体的运营生态：企业对数据流通的实时追踪与安全验证需求或导致运营支出上升，将会影响短期现金流管理及长期债务融资策略。欧洲证券和市场管理局（ESMA）2023年发布的估值指引要求采用动态综合评估法，强调在市场波动下通过多模型交叉验证数据资产价值以提升资产透明度，增强债权人信心，但此举因估值的复杂性，推高了抵押品管理成本，从而加剧债务工具定价的不确定性。此外，《数据治理法案》（Data Governance Act）构建的中介服务体系通过设立独立第三方机构降低数据交易摩擦，理论上可优化跨境支付效率并释放数据资产流动性，但其对数据中介“严格中立性”的监管要求（如禁止数据二次利用）限制了数据增值空间，反而会削弱企业通过数据资产证券化扩充偿债渠道的能力。

3. 日本：数据信托银行机制与财政创新路径

日本政府的数据资产交易基础制度以点状探索为主、尚未形成体系。数据权属规定散落在各类法律法规、合同协议、政策程序、行业标准中，并没有统一的制度。定价方面，尚未在官方层面制定明确的数据定价和收益分配法规，但企业、机构签订的商业合同与协议等实践案例，为数据定价与收益分配提供了有益参考，如数据银行在具体的商业合同中，对数据定价以及分成的依据、原则做了详细规定，以确保双方的利益得到平衡。2018年，日本发布《关于信息信托功能的认证指南1.0》，正式提出了数据信托银行的落地框架与监管规则，要求数据信托银行持牌运营。截至2024年3月，共有8家日本公司获得数据信托银行资格认证，构建了“数据存管-授信评估-质押融资”的全链条服务体系。所谓数据信托业务，即公民将个人数据委托给认证的运营机构管理，在便利个人数据流动和运营的同时，还可以帮助个人获得数据运营所产生的部分收益。数据信托银行模式为企业提供了以数据资产为信用载体的融资新思路，在不增加传统债务负担的前提下盘活数据流动性；对政府而言，可借鉴其“受托运营+收益共享”模式，将公共数据资产纳入规范授权运营体系，通过市场化收益反哺财政，为化解债务压力开辟增量空间。

04 中国实践：进展与矛盾

1. 市场化突破

我国数据资产入表的规模化推进正成为全球数字经济的制度性创新标杆。政策端通过“垂直深化”与“全链规范”双向突破：一方面，行业专属政策破解了公共数据资产化的权属困境，推动数据从行政资源向市场化资产的转化，例如，诸暨市教育领域专项方案要求2025年底完成教育系统数据资产全面入表，涵盖教辅、考试等场景，并构建分类产权体系；另一方面，财政部主导的会计准则迭代与第三方服务标准完善，构建起“确权-评估-入表-流通”的全链条制度基础设施。市场实践中，三大模式凸显中国特色路径——公共数据运营、产业数据赋能与金融创新驱动，形成了“数据资产化-资本反哺-价值再造”的闭环生态。此外，AI技术深度嵌入数据治理，推动资产盘点效率提升，而区域数据交易所（北京、深圳）的定价机制探索，正逐步破解“非标资产”流动性困局。

2. 制度性障碍

我国数据要素市场化面临深层制度矛盾，集中体现为产权结构性分置、减值计量混乱与权属界定模糊三大瓶颈。在产权层面，现行“三权分置”框架下，个人作为数据的原始主体，其所有权在实际操作中往往被弱化甚至架空，难以有效行使；公共数据领域则普遍存在“行政权替代产权”现象，政府部门在数据管理中以行政权力取代产权界定，导致公共数据的市场化利用面临制度性障碍；企业数据领域则因数据生成主体与加工主体之间的权益分配缺乏明确规则，导致数据资源的开发利用效率低下。在减值计量层面，现行会计规则难以适配数据要素的复杂特性。数据要素的价值波动具有多维性，既受技术迭代、合规风险等外部因素影响，也受竞争贬值和时效衰减等内在规律制约。传统会计规则在数据资产的计量与减值处理上缺乏针对性，难以准确反映数据资产的实际价值变动，导致数据资产的账面价值与实际交易价格之间存在显著价差。此外，数据要素的权属界定模糊问题进一步加剧了市场化进程中的制度性矛盾。由于数据具有非排他性、可复制性及多主体关联性等特征，其权属界定在理论与实践层面均面临巨大挑战。现行法律法规在数据权属的界定上缺乏统一标准，导致数据交易中权属纠纷频发，市场主体在数据开发利用中难以形成稳定预期，进而抑制了数据要素的市场化活力。

05 风险警示与政策建议

1. 重点风险领域

由于数据资产具有非排他性和可复制性，同一数据集可能被多重质押，形成“一数多押”的套利行为。若企业将同一用户画像数据集同时质押给多家金融机构，获取超过资产估值的融资额度，将导致抵押物穿透失效，同时还会虚增企业杠杆率，形成债务杠杆虚增与系统性金融风险的传导链条。数据资产的虚拟性使其价值高度依赖主观预期，易受市场情绪驱动产生价值高估，使得数据资产成为债务融资的“脆弱抵押品”，一旦市场预期逆转，抵押物价值将会塌缩，进而引发债务清偿危机。此外，公共数据资产化若缺乏制度约束，将异化为政府信用扩张工具，通过数据主权的货币化创造隐性债务空间，透支主权信用，将会引发国家资产负债表的结构性失衡，威胁国家信用体系的稳定性。

2. 制度建构建议

法律框架层面，须确立“数据产权分级制度”，基于数据生命周期分析所有权、用益权及质押权的层级关系，明确原始数据、衍生数据及公共数据的权利归属与质押规则，通过法律拟制赋予不同权能排他性特征，从根本上消除重复质押的制度漏洞；监管机制需完善数据资产追踪体系，通过区块链技术实现质押状态全流程可溯，构建动态杠杆率监测与风险预警模型；在估值标准维度，应将技术稀缺性、合规成本与战略溢价纳入统一分析框架，建立合理的定价函数，同时将数据资产波动性纳入宏观审慎管理框架，防范债务风险的系统性扩散。

总的来说，数据资产入表或许在债务问题中扮演着某种“中间态”角色——它既非传统意义上立竿见影的“解药”，也不一定成为系统性风险的“催化剂”，其实际效果呈现动态的效应：当数据确权、价值评估等基础性制度相对完善时，能够释放缓解债务压力的工具价值；若技术迭代速度、监管响应能力与市场成熟度出现错配，则可能催生资产负债表的结构性扭曲，这体现出在数据要素从资源到资产的跃迁过程中，制度设计的滞后性与市场创新的激进性之间始终存在着微妙的张力。

参考文献：

[1] 财政部.(2023).《企业数据资源相关会计处理暂行规定》https://www.gov.cn/gongbao/2023/issue_10746/202310/content_6907744.html

[2] 美国第117届国会众议院，2021年6月通过《基础设施投资及就业法案》https://www.congress.gov/bill/117th-congress/house-bill/3684/text

[3] 美国总统拜登，2022年3月9日发布14067号《关于确保负责任地开发数据资产的行政命令》https://www.whitehouse.gov/briefing-room/presidential-actions/2022/03/09/executive-order-on-ensuring-responsible-development-of-digital-assets/

[4] 美国国会，2021年6月23日发布研究报告《数据资产与SEC监管》（美国证券交易委员会）；https://crsreports.congress.gov/product/pdf/R/R46208

[5] 探秘数据信托业务——日本数据信托银行模式考察与借鉴https://xueqiu.com/3675440587/321560394

[6] 中美两国数据资产入表差异及原因分析丨乾坤研究https://mp.weixin.qq.com/s/LEPdbbcMx8IVSgJYBtrlDg

[7] 王雪川.我国企业数据资产管理研究：欧盟经验与中国选择[J].财政科学,2024(6):132-145.

选题：国际金融与人民币国际化选题组

指导老师：芦东

撰稿：罗钦予

监制：安然

来源：IMI财经观察