数据要素市场化的生态路径

一、以生态方式推进数据要素市场化的实践背景

（一）数据要素市场化认识中的“两个不等式”

当前，推进数据要素市场化的主要矛盾，是场内交易与场外交易的矛盾。一方面，场内交易不活跃，数据交易不到总量的10%，但出于数据变钱的动机，许多地方仍然热衷于大建数据交易所；另一方面，实际活跃的是场外交易，占总量的90%以上，主要存在于与行业、应用结合紧密的数据交互中，但作为数据要素市场化主要途径这一点，却被许多地方忽视。

从认识上讲，造成这种错位，是因为忽视了数据要素市场化的两个基本不等式。

第一个不等式是“数据要素市场化不等于建市场”，针对的是市场与其他市场化形式的关系。

建市场当然是市场化的重要途径之一。建数据交易所，把数据变成钱，对于激励数据提供方，提高数据的量和质，让数据“供得出”“流得动”，可以在价值创造这一环节，发挥市场化作用。

但这只是市场化的一个方面。市场化还有另一个方面，即价值实现，要在“用得好”中实现。如果把建市场理解为不管数据有用没用，先把供给者的积极性调动起来，先让地方政府发出工资，就容易出现片面性。一些专家为此主张像土地财政那样，通过城投公司，利用一级市场、二级市场，像土地涨价那样成倍放大数据的价值。然而，这样一旦把握不好分寸，数据变成钱后用不好，变成让老百姓买单，就会与坚持以人民为中心、让现代化建设成果更多更公平惠及全体人民的初衷出现背离。

市场化不等于建市场，是指市场化除了建市场，还有其他形式，如兴办企业也是市场化的方式，也有别于计划或政府行政命令。当前实践中，发育数据商、发展数据集团、搭建平台、链主带动等，都是市场化的实现途径。与交易所模式相比，更加注重与应用结合，更多地把文章做在数据的使用价值上。

数据要素市场化的初衷是为实体经济服务，促进数据使用价值复用与充分利用，促进数据使用权交换和市场化流通，指导思想是充分实现数据要素价值。把市场周围的生态建设好，包括把行业服务、应用服务的生态建设好，数据交易所才能成为有源之水、有本之木。以生态方式推进数据要素市场化，就是要用价值实现的生态，为价值创造营造良好环境。

第二个不等式是“建市场不等于建立单边市场”，针对的是市场内部不同市场的关系。市场分为单边市场、双边市场。现有交易所是单边市场，双边市场是API模式[1]。双边市场也是市场，而且可能成为比单边市场更为主流的市场，成为数据要素市场化的主战场。这一点往往被忽视。

有学者坚持认为双边市场不是“市场”，而2014年诺贝尔经济学奖授予双边市场理论，已肯定了双边市场作为市场的地位。

对数据要素来说，单边市场与双边市场的主要区别，在于前者以数据交易为主要特征，后者以数据交互为主要特征。《全国数据资源调查报告（2023年）》严格区分数据交易与数据交互，提到数据交易16次、数据交互9次，明言调查“覆盖数据交互和交易情况”，实际就是区分了两种市场形式。

（二）生态方式主要特点是在市场化机制中加入交叉网络外部性（交互）

生态不同于非生态，或者说双边市场不同于单边市场的主要内涵，在于“场”这个概念。我们可以把数据要素市场化中“市场”这个概念，分解为“市”与“场”。“市”相当于波粒二象性中的粒（通过确权，分清你我），“场”相当于波粒二象性中的波（不借助确权，你中有我，我中有你）。如果说市的机制是1+1=2，场的机制则是1+1＞2。

根据中国工程院《数据空间发展战略蓝皮书》[2]的定义，数据场是数据要素价值与相互作用在时空上的分布，刻画了数据要素在数据空间中运动的基本规律。在数据场的作用下，无序的数据要素有序地流通，有序的数据要素流通持续地创造价值。数据要素场是面向社会提供一体化数据汇聚、处理、流通、应用、运营、安全保障服务的一类新型基础设施。这里的“相互作用”就是指数据交互。

以生态方式推进数据要素市场化，图的是什么呢？图的就是=2与＞2之间的差值。这部分由报酬递增带来的增量的原因，根据中国工程院的研究，归纳为数据要素的关联释放、聚变释放、倍增释放。可以认为，经过关联、聚变和倍增后，产生了数据要素价值创造与价值实现之差。比如，一个U盘的价值创造的成本定价为6元，价值实现后收益可能倍增到6万元，这个差就是从交互（交叉网络外部性）中释放出来的。这种机制就是数据场的机制，我们称为生态方式。

从市场内部来讲数据要素市场化的生态路径，以及以生态方式推进数据要素市场化，具体是指将包含数据外部性的交互（cross）纳入市场化。可以认为从汇聚、处理、流通、应用、运营到安全保障服务的一系列行为，都具有cross的本质特征。场就是为cross提供的活动空间。

图1显示了由数据交互带来的外部性增值空间p*e*fg，这个空间是由需求曲线d向右上方移动至D扩充而来。这种移动代表了数据要素通过复用对价值实现的放大。从f到e*，就是均衡水平下交互大于交易的部分（1+1＞2的部分），就是数据要素场关联、聚变、倍增带来的溢价区间，这在经济学上称为报酬递递。PefflQeffO代表总的复用区域（应用厂商），PeffmQ*O代表有效（即有销售收入）的应用。其中，Qeff是接受复用的所有厂商数，Q*是复用数据要素后产生销售收入的厂商数。这种有效是通过买卖双边（在后场）的交互带来的。

数据交互又称API模式，是指造市商（平台、链主、行业龙头企业等造“场”商）通过经营数据要素的活动，不是提供数据要素所有权、持有权进行买卖，而是从事“数据使用权交换”（准确说是“交互”）。利用数据要素进行双边经营（为使用提供服务），而向双边提供复用（使用权交换）接口。这里的造市实际是造场，即营造数据要素场。在这个场中，营造的是可供最终产品和服务的买卖双边进行数据交互（供应撮合）的机会，并从双边达成交易后所形成的最终销售收入中获取要素回报。其初级形式是后场交换，即围绕所谓数据产品化、服务化的交换，而高级形式则是经营流量，进行变现。二者区别，前者是按对最终收入的预期收入定价（这是海南模式、深圳模式现在的做法），后者是按最终收入的实际收入成分定价。

这里需要指出交互（“数据二十条”中称“交换”）与交易的理论区别。人们在后场中交互，交换的是什么呢？为什么其与确权（本文确权均指确所有权，而不指确使用权）无关呢？这是因为，交互的对象是使用价值，人们在后场中交流的都是关于要素对什么场景有什么用的知识。交互之后，发生的是使用权转移（借用），而所有权不变（不是买卖）。交易就不同了，交易的对象是价值，交易是所有权（包括许可使用权）交换。对要素（资本）来说，交易的对象是凯恩斯主义定义的资本（资本交换价值），而交互的对象是奥地利学派定义的资本（资本使用价值，即资产）。对后者来说，不买卖也有资金转移，但性质是用的费用（涉及的是使用费、租借费）。数据要素可以“多场景应用，多主体复用”，也就是所有权人可以多次收费，而买卖（所有权转移）只能收一次费。对数据要素来说，如果非要坚持在场内以买卖方式交易，就会出现北京数据交易所中发生的怪现象，即买方“买”到数据要素后，转手就复制给第二个买方，再收一次费，变成“击鼓传花”，直至出问题，这时与所有权确权已完全无关了。这是当前数据交易所内发生的实际情况，由此凸显了按数据的规律搞市场化的重要性。

在各地实践中，交互模式通常被称为后场模式，交易模式被称为前店模式。二者在海南模式、深圳模式、浙江模式中，都是结合在一起的，如海南的前店后场模式。前店一般交易的是数据要素产品，是中间产品或半成品；而后场交易的是数据（要素）产品化、服务化，是最终产品，如作为中间投入的数据要素与具体场景应用结合形成的最终解决方案。

可以说，数据要素市场化的生态路径，就是将后场融入前店的模式。其具有以下特征，一是发挥场景牵引作用，推进数据要素在相关行业和领域的广泛利用。与Ss9Qs2zfkB6RDn+eTKop8w==脱离场景的单纯场内交易不同，双边市场以场景构成交易的生态；二是数据中间产品（要素）与最终产品（应用）形成“平台+应用”的统分结合双层经营关系，以经过确权的数据要素为基础，经由交互实现数据（要素）产品化、服务化，从而与应用结合；三是用“场”（数据要素场）的方式（包括API接口，在浙江模式中称为“中仓”）推动要素与应用结合，完成价值实现。在后场中，通过买卖双边之间的交互，将数据要素转化为最终产品与应用。从最终产品和服务的销售收入中，按比例扣除数据要素提供方所得，实现数据要素的最终定价。例如，以会员费和使用费形式补偿数据要素的固定成本与可变成本，进行成本加成。

二、数据要素市场化的价格机制

从价格机制上，可以说明数据要素市场化中内生生态机制后的运行机理。

（一）数据资本资产模型与空间贴现

标准的资本资产定价模型（CAPM）为

（1）

式（1）表示资本资产定价取决于增加一个未来效用增量（ct+1）对应的回报xt+1带来的预期E改变。β（贝塔值）代表历时的两期间价值的不确定性，这是资产定价的黑箱。

我们称式（1）为时间贴现，即历时条件下数据资本资产定价由增加一个未来效用增量对应的回报带来的预期改变决定。这是数据交易所（场内交易）所依据的市场机理。

数据资产定价与实体资本一样，存在着一个高度不确定的β。对于场内交易来说，表现为同一个数据要素，价值高度不确定，可能值6元，也可能值6万元。不确定的原因在于，要素只是中间产品（投入品），其价值要依赖最终产品（产出品）而定。比如，同一条暴风雨信息，对路上行人的价值较低，不知道这条信息顶多淋湿而已；但对于海上作业的渔船来说，却关系生死，与命同价。而场内交易离开应用场景，就会变得高度不确定。

我们把这个模型改造为一个生态模型。为了推广式（1），设一个未来效用由一个应用（即最终产品）提供，应用数量以n计量。与实体资产不同，由于数据要素可以复用，同一要素资产（中间产品）可以对应众多最终产品，这就是《“数据要素×”三年行动计划（2024—2026年）》中所提到的“多场景应用，多主体复用”，可以视其为一种一对多的空间分布现象。

先视式（1）为下述情况的特例：一个资产（中间产品）与众多最终产品分成固定（如平台与应用分成比例固定），从而有效应用数n成为常量（如n=1，视所有应用为一个应用）。此时，可以将中间产品与最终产品的提供者视为“同一个人”。

数据资本资产定价模型（DCAPM）是式（1）的推广形式，其通用为[3]

（2）

其中，n=1，2，3，…，n，t=1，2，3，…，t。下标代表起始值，上标代表最大值。t代表时间。n代表有效的最终产品数量（有效流量或可变现流量），有效指中间产品（数据资本资产）有效转化为最终产品（数据最终产品，即增值应用）的现金收入，即流量变现。p代表资本资产价格，E代表预期，U代表效用，c代表效用对应的消费，x代表资产回报，β代表随机贴现因子。式（2）表示，数据资本资产定价受共时因素（空间因素n）与历时因素（时间因素t）的共同影响，数据资本资产定价中期望值E的变化也受这两方面因素影响，一方面取决于增加一个有效应用（cn+1）带来的边际效用u'对应的回报变化xn+1，另一方面取决于增加一个未来效用增量（ct+1）对应的回报变化xt+1。

当t取值固定为t=1时，式（2）变为空间贴现模型

（3）

式（3）表示在共时条件下，数据资本资产定价取决于增加一个有效应用（cn+1）带来的边际效用u'对应的回报x所决定的预期E变化。

空间贴现由此定义为：共时条件下，数据资本资产定价取决于增加一个有效应用带来的边际效用对应的回报所决定的预期变化。

对应实践，在海南前店后场模式中，空间贴现表现为，在前店列表中同一项数据要素，在后场买卖双方一对一的交互中，可以形成空间上的一对多关系（“数据要素×”）；或是同一个要素对应多个场景，形成多个最终产品（应用）；或是同一个要素对应多个主体，形成多个最终服务（使用）。

根据科克伦提供的简明方法，可以将资本资产定价的时间贴现方法对等置换为空间贴现，即将式（1）转换为式（3）。将表示时间的t系统置换为表示空间的n，构建基于数据要素的资本资产定价模型，其中隐含了t=1（常量）的设定。经验含义是不考虑时间先后，数据资本资产方同时向数量为n的应用方收取资产的有效使用费。例如，苹果商城在同一时刻向有销售收入的不同APP经营者收取资产使用费。

式（2）代表了一个融合场内交易与场外交易的统一场理论。从式（2）中，我们可以清晰地观察到一个规律：时间贴现（场内交易）与空间贴现（场外交易）互为特例与通则。也就是说，时间贴现是n=1时通用式的一个特例，空间贴现是t=1时通用式的一个特例。

这意味着场内交易与场外交易、数据交易与数据交互，可以依一定条件相互转换。以上海模式为例，除企业间直接交易模式外，鼓励交易场所将场外交易引入场内的各类创新探索，支持线上线下联合平台交易、联盟与共享交易模式，鼓励在数据交易的同时，开发依数据源开发的数据产品、数据服务。

（二）生态方式的收费模式：以销售收入为基准入表

空间贴现最具潜力的形式是API模式。其中，承担平台企业的既可以是平台运营商，也可以是数据商。

在这一模型中，市场被区分为单边市场与双边市场。双边市场是单边市场向内生外部性的推广，将最终产品买卖双边从外生变量（n=1）变为内生变量（n＞1），其定价是对应跨期定价的动态空间定价。实质区别在于，资产定价的时间贴现主要依据中间成本定价，而空间贴现主要依据应用产生的价值（最终收益）来定价。API（应用程序接口）就是连接中间产品与最终产品（APPs）的接口。在浙江模式中，表现为中仓这种由数商构建的中介机制。

内生双边关系的本质，是将外部性纳入市场内部。梯若尔将双边外部性区分为成员外部性和使用外部性，内部化的方法是收取会员费与使用费[8]。会员费是固定收费，这部分收入不是按要素的“使用效果”收费，而是按“使用”收费，即不管有效（有销售收入）无效（没有销售收入）均收费。使用费则是不固定的收费，以流量变现为依据收费，通过按使用效果收费实现，而不是按使用收费。按使用效果收费的“效果”是指有效变现流量，在会计上指有销售收入的那部分流量。

由此得到一个与消费资本资产定价模型（CAPM）对应的公式 [4]

（4）

U是以效用形式表达的资产总收益，其中的会员费部分（应用方会员费Bi，最终用户会员费Ai）相当于图1中对应固定成本的gfiPAC，是不直接与流量（图1中的Qeff，这里的Nj）相关的；而使用费部分（应用方使用费bi，如从情境定价中获益；最终用户使用费ai，如利用拼单享受折扣）对应图1中的Pccfg，是直接以流量为内生变量的。

Nj在此还代表另一个重要概念，就是情境相关定价或场景化定价。场景构成个性化价值的上下文语境，使用费可以视为定制化价格的集合。需要注意的是，这里的流量相关，是指与有效流量（Q*）相关，即可以转化为销售收入的流量相关。而每一个可转化为销售收入的流量所处的空间，可被视为一个有效的情境（场景）。

利润为

（5）

价格为

（6）

作为一般结论，数据资本资产定价等于最终消费者使用外部性收益加上最终消费者会员费减平台会员费（对应图中p*e*cpc）除以流量（对应图中Q*）。也就是说，数据资本资产定价的本质是从流量收益中扣除消费者福利后的水平，这一福利包括两部分，一部分（ai）是由增值服务上增进的福利（主要是由差异化、多样化、个性化与社交体验所增进的福利），另一部分（Ai）是从平台免费中获得的福利（对应图中的p*e*fg）。

推广到数据要素资本资产一般（即无论是否通过双边市场交换的数据要素），这意味着数据资本资产定价在一般时间贴现特征外，其本质在于外部性市场内部化的空间补贴机理。数据要素含有两个不同于一般实体要素的潜在价值来源，可用于为资产进行间接定价。一是只有在最终消费者使用中才得以产生的使用价值，这种价值是在应用中间接产生的。最终应用ai是一个资产定价内生变量，表明脱离最终应用定价将使数据要素的实现价值处于不确定、不可控状态。二是通过流量变现即流量外部性的内部化产生的转化价值，这种价值与平台网络效应有关。流量Nj成为内生变量，表明数据要素一旦作为固定成本投入应用后，由双边交互等网络效应产生的互补性，是定价不应忽略的因素。针对外部性的适当制度设计，可将这部分财产使用权利作为未“用尽”权利加以实现。

由于最终产品销售收入是实际发生的，而且可以共时地发生，因此在空间贴现中，β有可能完全变成常数，成为确定值。

传统资产定价中的贴现完全不考虑流量问题，中间产品定价（消费效用）与最终产品销售收入（财富效用）之间的关系不以流量（外部性）为考虑因素。会员费的现实存在却显示，在总流量与有效流量之间，存在类似随机贴现因子的系数关系。如果一个平台提供的总流量空间Qeff不足以让应用方产生足够满意的有效流量Q*，应用方就会认为交会员费不值，从而选择其他平台，最终使得这一平台退市。

数据要素与最终产品结合时，可产生销售收入，这是入表的最终依据。其他入表方法都只是对这个销售收入的预期，因此是派生的。销售收入可在中间产品和最终产品收入之间分成，目前市场行情为三七分成，数据要素方得30%，此部分保值且不承担风险，最终应用方得70%，这部分业务具有高死亡概率。如何补偿死亡概率？一方面是高分成，让高风险对应高收益；另一方面令应用方资产风险为零，即把数据资产复用于应用方，但没收入时将0、1代码的资产一笔勾销，破产不欠银行，这是巨大优势。因此，若把这种优势发挥出来，中国就会出现一个和美国完全不一样的赚钱方法，核心是利用数据可以复用特性作为21世纪“资本论”的核心。这相当于在资本交换价值（M2）的美联储之外，建立一个资本使用价值的“美联储”，前者用印钞机解决资本充足性，后者用“复用”解决资本充足性。

三、以生态方式推进数据要素市场化：空间贴现的六种模式

（一）当前各地数据要素市场化模式探索共同向生态化方向演进

自贵阳首创数据交易所这种场内交易模式（理论上的时间贴现模式）后，我国各地掀起了建设数据交易所的热潮。但随着场内交易不足这一问题的暴露，各地尤其是市场经济发达、市场经验丰富的地区纷纷开始独立思考，探索出大量与贵阳模式不同的新模式。最先取得实质突破的是海南模式，即前店后厂模式。这种模式把市场化的方向，转到时间贴现（场内）与空间贴现（场外）结合的新方向上。

随后各地模式有一个共同特征，就是摆脱了单纯的场内交易模式，向“场内交易（数据交易）+场外交易（数据交互）”方向演进，开始沿着“数据二十条”明确提出的“支持数据处理者依法依规在场内和场外采取开放、共享、交换、交易等方式流通数据”，以及国家数据局即将出台的交易与流通政策引导方向发展。如图2所示。

这显示，以空间贴现为代表的生态化的数据要素市场化模式，在摸索中国式现代化规律方面，开始探索一条不同于西方的道路，不约而同想到要发挥中国超大规模市场优势，释放需求端巨大潜力这一比较优势。

（二）以生态化方式实现数据要素市场化的各种实践探索

1. 模式一：数据要素+行业龙头+应用模式

这种模式主要是推动电信、电力、交通、金融等行业主体或具有全国影响力的行业性机构建立行业性数据交易平台，开发贴近行业发展的数据产品和服务，推动行业内建设更高效的数据要素流通与交易机制，帮助企业寻找可用数据资源，促进数据要素与各行业融合应用，并结合应用场景确定价值与价格。

这一模式在深圳、海南都有所体现，深圳模式的空间贴现依托联通，海南模式的空间贴现依托中国电信，三大运营商都覆盖千万级用户，成为进行空间贴现的良好数据要素场。一旦中国移动入场（数据中心在哈尔滨），再出现一个哈尔滨模式，仅电信运营商就可以撑起上亿用户应用的数据空间。

这种模式对于运营商来说，也是一个巨大提升。中国电信原来的IDC收的只是关于数据的技术服务费（云服务1.0的费），收不到亚马逊那样的业务（外包）服务费（云服务2.0的费）。虽然同是面对中小企业提供服务，但服务收入可能相差上百倍。一旦采用“数据要素×”的方式，可以分两部分从数据要素复用中的行业应用中获得业务服务费。一部分是来自成员外部性的会员费，即式（4）中的Bi-Ai，主要是Bi；一部分是来自使用外部性的使用费，即式（4）中的（bi-ai）Nj。中国电信企业就可以彻底解决被互联网企业“截胡”的OTT难题，从管道模式变成“管道+增值”模式。

电力、交通、金融、气象、医疗等行业的道理也是一样的，同理可推。例如，海南就与银行广泛合作，推进前店+后厂的服务。

2. 模式二：场内+场外模式

这种模式在上海体现得较为明显。其特点是以场内交易为主，将场外交易纳入场内。在这方面，上海比北京先行了一步。

这种模式的特点是，除企业间直接交易模式外，鼓励交易场所创新探索将场外交易引入场内，支持线上线下结合平台交易、联盟交易与共享交易，鼓励在数据交易的同时，研发来自数据源开发的数据产品、数据服务。

这种模式的贡献在于，发掘数据商作用，利用产业资本降低金融资本的不确定性，相当于利用空间贴现降低时间贴现中（贝塔值）的不确定性。

引入场外交易主体进入场内，与资本市场合作，条件主要有五个：一是数据商有能力使资本市场熟悉行业，从而满足公允价值定价规定的“熟悉行业”条件；二是有专业机构在场外交易中提供专业信息服务，如提供关于行业应用的场景化知识与估值信息；三是有应用者向数据商显示有助于定价的需求信息；四是有成熟资本市场显示相关资产价格信号，包括财政部《企业数据资源相关会计处理暂行规定》所说“信息披露”；五是有庄家坐庄，指非参与经营的造市者或者利用信息不对称进行杠杆化操作。

其中，第五个条件与空间贴现是不相容的，因为庄家坐庄（金融化）会倾向放大风险，放大信息不对称，越远离应用，操作空间越大。例如，地方政府坐庄，利用数据财政弥补财政空缺，一定要以数据造假为前提，才能让城投公司伪装成数据集团，透支本地银行。然而，空间贴现趋向减少风险。其他四个条件是相容的，可以视空间贴现为时间贴现的极限形式。上述前四个条件不断迫近信息对称，将减小的不确定性。

3. 模式三：前店+后厂模式

这种模式的特点是，支持数据交易平台开展提供数据产品和服务交易与加工处理服务结合的前店后厂（场）模式。

对前店后厂模式有一个简明的概括，即“数据产品化、服务化”，或如上海模式所称“研发来自数据源开发的数据产品、数据服务”。有别于场内交易模式交易数据产品，这里所说的数据产品化、服务化的“数据”，实际指数据要素，即作为投入品的中间产品。而场内交易所说的数据产品，是把数据要素当作最终产品。区别在于，场内交易所说的数据产品，与应用是无关的；而在后厂开发的，是由中间产品（数据源、数据要素）转化来的应用产品。比如，把一般气象信息开发为附加区域、时间内容的出海渔船专用气象信息或通知服务。所以，“数据产品化、服务化”实际的意思是数据要素的最终产品化、最终服务化。

海南首先进行了这个方向的探索，因此称海南模式为前店后厂模式。从海南“数据产品超市”提供的交易清单来看，不涉及所有权变更的数据产品服务的交付行为产生的交易金额占比68.54%，涉及所有权变更的数据产品的直接交易金额占比31.46%。这说明这种模式中场（生态）的特征占了主要成分。深圳模式也具有前店后厂的特征。

4. 模式四：前店+中仓（数商）+后厂

这种模式是对模式三的完善，主要是增加了前店与后厂的中间转化环节，并使之专业化。这种模式称为浙江模式（如图3所示），因为是浙江首先总结出来的。与第一种模式的区别在于，同是发展前店（要素）与后厂（应用）之间的中间人，第一种模式是找龙头企业，这种模式是发育数商，利用数据服务的集群化，重现产业集群配套对制造业的支撑作用。没有强大的产业集群，就没有世界级的数据要素市场，数据交易所就会成为无源之水、无本之木。因此这种模式不是否定场内交易，而是在为目前基础不牢有“早产”征兆的场内交易打基础，以固本强基。

空间贴现最具潜力的形式，是API模式。API（应用程序接口）是数据交互的枢纽，是连接中间产品（要素）与最终产品（APPs）的接口。正如江小涓预言的，数据交互是更为广泛使用的商业模式。数据交互的主流模式是API模式，即通过应用程序接口拉通数据，允许不同的应用程序或系统之间进行数据交换和集成，以实现数据流通和共享。数据交互的本质是流量变现，即大企业将固定资产投资转化为流量（定义为可带来销售收入的交互），供生态内部中小企业复用，将流量这种中间产品（所谓“要素”）可变现（转化为APP等最终产品销售收入）部分在API两侧分成。因此，数据不只是交易，还有交互，一定要场内交易和场外交易紧密结合。API本来是一个技术术语，在数据要素市场化中，重要的是实际内容。例如，在浙江模式中，“应用资源目录”（如图3所示）就是一个API，负责打通数据要素分发到多场景应用的渠道。我们也可说这是要素资源到应用资源之间的接口体系。

在API模型中，市场被区分为市（前店）与场（后厂），将最终产品买卖双边，从时间贴现中的外生变量（n=1）变为内生变量（n>1），其定价是对应跨期定价的动态空间定价。实质区别在于，场内资产定价的时间贴现主要依据中间成本定价；而空间贴现主要依据应用产生的价值（最终收益）来定价，也就是以应用资源目录为接口，通向应用后产生的最终产品与服务销售收入，用最终产品间接为中间产品定价。

后厂的收费模式，尤其是数据服务化的收费，不是按要素的“使用”收费，而是按“使用效果”收费（对应图1，不是基于Qeff而是基于Q*收费），这充分体现了空间贴现的特征。由于最终产品销售收入是实际发生的，而且可以共时地发生，如果式（2）中的n值足够大，空间贴现与时间贴现的风险就完全不同了。空间贴现的风险只表现在100个应用中，有97个赚不到钱，但赚钱的3个是哪3个，无从知晓，但3%这个成功概率却是不变的（实际情况在3%～6%波动）。因此对数据要素持有方的运营来说，一旦之足够大（流量足够大），几乎是无风险的；而时间贴现相当于把所有宝押在一个应用（CAPM中的最终消费或“明天”消费）上，只是100个中的1，因此不确定性极大。这意味着，在空间贴现中，有可能完全变成常数，成为确定值，从而与金融化基本脱钩。

传统资产定价中的贴现完全不考虑流量问题，中间产品定价（消费效用）与最终产品销售收入（财富效用）之间的关系不以流量（外部性）为考虑因素。会员费的现实存在却显示，在总流量与有效流量之间，存在类似随机贴现因子的系数关系。如果一个平台提供的总流量空间Qeff不足以让应用方产生足够满意的有效流量Q*，应用方就会认为交会员费不值，从而选择其他平台，最终使得这一平台退市。

以“数据要素×”金融服务为例。工商银行以API平台和金融生态云平台双轮驱动，将支付、融资等金融产品与教育、医疗、出行等行业融合，提供“行业+金融”的综合解决方案，构建GBC联动开放互联生态，打造无界融合、优势互补、开放共赢的金融生态圈[5]。这就属于生态化的做法。

金融业以自身为系统，以数据服务业为生态（环境）的实质，是以后者替代直接观察市场最终产品定价，消减资产贴现中的贝塔值的不确定性。可以通过多种战术手段实现：一是在数据交易所中委托第三方评估资产风险，即评估该数据资产与场景相结合可能产生的收入，或数据资产与买方相结合，可能从进一步的利用中获益的情况；二是让熟悉行业应用的第三方服务参与数据资产的时间贴现价值评估；三是根据市场行情，对不同概念的数据资产给出市场法评估，特别是对于以知识资产形态存在于创始人团队中的数据资产价值进行市值观察，也可以用通证的方式在不同时点进行价值评估。

虽然这些中介服务的业务各有不同，但都具有提高中间产品的最终产品转化率的功能。中介与平台不同，平台主要是针对流量的外部性进行转化服务，而中介服务更多是针对信息不对称而节省交易费用来提供服务。

作为中介的数据服务的本质就是进行从空间贴现到时间贴现的还原。很明显，时间贴现的投机空间更大。这是因为可以通过令资产所有权人与经营脱钩的方式，将相对可控的经营风险转变为相对不可控的交易风险，不露痕迹地将低风险的变现模式变成高风险的变现模式，从而获得对应高风险的高收益。对CAPM来说，就等于以放大随机贴现因子为业，进行专业的金融操作，对信息不对称本身进行“套利”。虽然对于资产的定向流动有促进作用，但也存在脱实向虚的行业性风险。

由此可知，中仓的建设重心不在于技术和形式，而在于以产业集群这个生态（金字塔底座）去拱卫场内交易这个金字塔尖。其实，最适合做这个的是香港。因为以A、B股双重投票权为标志的未来风险投资的金字塔尖在香港，需要有一个加州斯坦福周边那样大规模的信息服务生态集群为塔底，以信息化解金融风险。中国香港比浙江的条件要好得多，但如果不从加工贸易中转站转向新加坡那样的科技“信息-金融”中心，一旦浙江的塔座与上海的塔顶走到一块，中国香港未来百年就没机会了。

需要指出，数据商发展也不能以自我为中心，只以膨胀数据要素价值为业，而要面向价值实现的源头，经营有源之水。例如，在产业链中，要用最终产品来引导中间产品。目前数商很多是在丰富产业链，做中间产品，但中间产品不能是为数据而数据，不能只是为了数据转变成钱，需要数据和真正的应用紧密结合起来。式（2）中空间贴现中的n，既指数据商，也指数据用户，二者在双边市场中是双边关系。虽然会员费、使用费的钱可能主要是从Bi收上来的，但Ai才是从钱包掏钱给Bi，进而给造市商的人。要正确认识梯若尔倾斜式定价的本意，将应用导向、最终消费导向贯彻到要素价值实现的始终。

5. 模式五：龙头+公共数据要素+场景化应用

这种模式是模式一的变体，支持龙头、链主与“数据要素×”各公共机构（含数据集团），如与农业局、医保局等合作，通过场景寻找数据需求，通过数据交换直接提供服务。深圳模式就具有这种特点。例如，农业局有了数据，不是坐等农民上门，而是在数据造市商牵线帮助下，主动走进村镇，提供下沉式的数据场景服务。此时造市商的作用是撮合双边，一边招商可以加工要素的数据服务商，为他们搭场子；一边搭场子招来每个镇、村，甚至每一家的不同场景的最终用户，最后赚中间的撮合费。

需要特别指出，无论是模式一，还是模式五，要做好，关键都在于空间贴现（场景定价）。场景是一个情境定价问题。数据的价值在前端不确定，在后端才确定，中间可能存在巨大的价值差异。某位专家设想的数据要素一级市场与二级市场之间的巨大价差，是可能存在的。但不是存在于场内，而是存在于场外，存在于要素（中间产品）与应用（最终产品）之间。因此，博取这个价差的主要精力不应放在前端炒作，或利用信息披露人为膨胀虚假价值，而是做在情境牵引上。

数据在生命周期中具有强烈的情境定价特点，数据作为中间产品定一次价之后，再定价时需要和场景应用结合，这个过程场景对应的时间和地点都具体化了，这不是统一的宣传和炒作可以做到的。场景主要发生在场外，在“价值实现”的过程中，在于抓住空间贴现中的每个n，并让n足以在规模和范围上成势。仅靠城投公司转化而来的数据集团本身，是做不了这个工作的，必须发动整个生态来做这个事。

6. 模式六：双边市场流量变现模式

目前的前店后厂模式，还有“小生产”的特征，表现为在后场中，交互还是一对一人工化地进行，而做不到在API技术支持下，实现一对一亿、一亿对一亿这种大规模、大范围的交互。要实现大规模、大范围的交互，必须在交互的产业集群变为现实（如浙江模式）的基础上或过程中，正式引入双边市场流量经营的方式，实现大规模定制。在大规模、大范围基于应用的流量变现中，充分兑现、实现数据要素的价值。

在数字经济中，苹果商城数据业务对应资产（平台、开发工具、流量）是一个定数，商城中的APP是10万、100万还是400万，并不直接改变资产存量（潜在价值）。但是，每多出一个APP（n+1），资产的收益却在相应发生变化，这种收益是通过苹果支付系统瞬时结账（n的集合中，厂商有收益则支付资产使用费，无收益无须支付），在同一时间内完成的。这个变化与最终产品厂商（APPs）在同一时间条件下空间上数量的多少是密切相关的。至于平台方与同一应用的历时收益关系仍遵从时间贴现。

互联网企业这种做法同样适用于金融业务与数据业务的融合应用。例如，针对农村地区金融服务历史数据不足的社会群体，金融机构可融合电力、电信、公安等数据进行信用画像，对各种需求进行精准识别，灵活高效地配置资金[6]。

双边市场比前店后厂模式在收费上有所改进，不是按使用收费，如对数据产品、数据服务直接收费，而是按使用效果收费。

前者是不管最终用户应用有效（有销售收入）无效（没有销售收入）均收费，而使用费是不固定的收费，以流量变现为依据收费，通过按使用效果收费实现。按使用效果收费的“效果”是指有效变现流量，在会计上指有销售收入的那部分流量。

（三）生态化的总方向是场景牵引

总括地说，以生态化方式推进数据要素市场化，总的方向与原则可以概括在场景牵引中。

“数据二十条”在宗旨中明确指出了应用场景的重要性，《“数据要素×”三年行动计划（2024—2026年）》[7]同样提出要发挥场景牵引作用。脱离应用场景大建特建数据交易所，超越了当前从数据资源建设向数据要素建设发展的历史阶段。这并不是说场内交易不好，而是说不能超前，要打好应用这个基础，不能一步登天，以致一脚踏空。打好基础的标志，一定是数据基础设施初步建立（以数据要素场形成为标志），数据服务产业初步发展（以形成世界级集群为标准），保障供求联动的市场环境初步形成（以产得出与用得好首尾衔接为标准）。

为此，在发展的初期阶段，要紧紧抓住场景牵引这个牛鼻子，以生态方式推进数据要素市场化。选择以场景牵引作为带动全局的牛鼻子，是因为其具有以下优点。

优点一：和场景结合的交易是在应用端定价，而不是在中间产品定价，所以其和行业应用结合紧密。

优点二：结合场景的交易更适合需求导向，是依据收益法定价。成本法定价和收益法定价相差悬殊，通过收益法定价，数据价值更加实在。

优点三：结合场景定价的交易，使用价值可以直接赋能实体使用价值，这种转化过程是直接且高效的，无须先将使用价值转化为货币，再将其投入实体经济。因此，该模式可更直接地服务于实体经济。

优点四：结合场景的交易有利于对外部性（流量）的转化（变现）。流量是指买卖双方的交互，这是化解外部性的关键。

优点五：结合场景的交易更适合服务业态，更加适合按使用权收费。中间产品的交易面临诸多困难，这主要源于其定价方式侧重于所有权定价。然而，当前的市场趋势表明，低端业态主要聚焦于产品，而高端业态则更加注重服务。按服务收费模式能够持续产生收入，从而更有效地实现财务增长。因此，基于情境的定价策略在经济层面具有显著的重要性。

解决了场景牵引问题，入表问题也将从根本上得到解决。现在入表难，关键是总的逻辑没有理顺。现在人们想的往往是就要素谈要素，等于就中间产品定价谈中间产品定价。鉴于数据本身可以“多场景应用，多主体复用”这个根本特性，脱离最终产品给中间产品直接定价是不符合市场化规律的。符合规律的做法是用应用给要素定价，也就是用最终产品给中间产品间接定价。

把要素视为系统，应用就是其环境，最终产品构成中间产品的生态。这就是本文要表达的核心观点，即要把传统的基于要素本身的时间贴现，与数据要素特有的内生应用的空间贴现，在市场化过程中结合起来。

参考文献：

[1]江小涓.数据交易与数据交互：顶层设计与探索创新[EB/OL].（2023-11-25）[2024-01-20] https：//baijiahao.baidu.com/s？id=1783702735013845997&wfr=spider&for=pc.

[2]“国家数据空间发展战略研究”项目组.数据空间发展战略蓝皮书[EB/OL].（2024-05-31）[2024-07-20].https：//dss.idata.ah.cn/detail/265.

[3]于小丽，姜奇平.数据资本资产定价模型：基于两部收费的方法[J].财经问题研究，2024（4）：16-32.

[4]让·梯若尔.创新、竞争与平台经济[M].北京：法律出版社，2017：87.

[5]吕仲涛.以金融科技赋能开启数字化转型新篇章——工商银行数字化转型的探索与实践[J]中国金融电脑，2021（S1）：8-9.

[6]俞林，许余劼.以数据要素促进金融发展[J].中国金融，2021（19）：82-83.

[7]国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》（国数政策〔2023〕11号）[A/OL].（2023-12-31）[2024-06-08].https：//mp.weixin.qq.com/s/utNOAXwc_NHEXQdNqMZo7A.