秦磊：讓企業在創造可驗証數據價值中獲得回報

菜死你不偿命 · 發表於 2026-9-22 23:00:52

原標題：言必有數︱秦磊：讓企業在創造可驗証數據價值中獲得回報，詞元調用量與實際創造價值不能劃等號
編者按：隨著數據要素市場化配置改革持續深化，制度構建、價值釋放與治理協同的關鍵議題備受關注。人民網·人民數據對話專家學者、地方政府相關負責人、企業代表，共同探討數據要素高質量發展新路徑。
本期嘉賓：秦磊對外經濟貿易大學統計學院教授、博士生導師
人民數據：數據要素頂層設計逐漸完善，但產業層面仍存在觀望現象，不少企業不敢、不願深度開展數據開發利用。您認為推動企業深度參與需要在哪些方面做出調整？
秦磊：第一，在授權、加工、交付、使用、再開發和退出等環節建立標准合同與負面清單，使企業事前知道合規邊界。第二，完善登記存証、質量評價、合規審查、可信數據空間和使用審計，把數據從“復制后難以控制”變為“可用不可見、用途可限定、過程可追溯”。第三，把政策重心從供給側的“上架多少產品”適度轉向需求側的“解決多少真實問題”，以工業、金融、醫療、商貿等高頻場景形成穩定採購和持續付費。第四，培育評估、審計、經紀、合規與爭議解決服務，降低企業尤其是中小企業一次交易的固定成本。
更關鍵的是，政策評價不能隻看入表金額、挂牌數量和“首單”數量，而要看復購率、實際調用量、交易后增收降本和風險事件率。隻有一筆交易做到來源有據、授權清晰、質量可驗、收益可算、責任可追，企業才會從“試試看”轉向持續投入。換句話說，數據從倉庫走向市場，缺的是一條可重復、可審計、可問責的價值閉環。
人民數據：數據要素紅利當前更多向大型平台、頭部科技企業集中，大量中小企業很難參與數據增值收益分配。政策工具設計上如何平衡，推動中小企業共享紅利？
秦磊：建立分層分類的權益與開放規則。對個人信息、商業秘密和核心數據嚴格保護﹔對具有公共性、行業共性或由多方共同形成的基礎數據，則通過授權運營、標准接口、數據可攜帶和互操作等機制，防止平台通過接口封閉、自我優待或歧視性定價排斥中小企業。開放不等於免費，更不等於交出原始庫，完全可以按用途、期限、調用量和安全等級收費。
建設行業可信數據空間、聯合數據池和數據合作社，讓中小企業借助隱私計算、聯邦學習實現“數據不出域、價值可共享”，並用數據券、算力券、首用補貼和風險補償降低首次用數成本。與其普遍壓低數據價格，不如精准降低中小企業進入市場的固定成本。
收益分配要轉向“誰創造可驗証的增量價值，誰獲得相應回報”。可依據數據質量、更新頻率、模型性能提升、實際調用和最終業務收益，建立動態分成與可核驗的貢獻記錄。對頭部平台要強化事前競爭規則與審計，防止搭售、排他協議和算法歧視。政策成效也不能隻看開放數據集數量，而要看中小企業是否真正調用、是否產生訂單、是否提高生產率。最終目標不是“平均分數據”，而是形成既允許創新者獲得合理回報、又保持市場可進入、收益可分享的生態。
當然，也有一些小企業通過非正規渠道爬取、收集數據的現象，保障大型平台、頭部科技企業數據權益也是一個很重要的方面。
人民數據：當前多地已落地一批數據資產質押融資案例，但多數仍停留在示范層面。在您看來，我們距離數據資產真正成為銀行認可的“常規押品”，還有多遠？
秦磊：“樣板間多、商品房少”，根本原因是現在不少所謂“數據資產質押”案例中，銀行真正看重的仍是企業信用或外部增信﹔數據資產更多只是增信線索，而非可獨立處置的押品。銀行認可一項抵押物，不是看評估報告寫了多少錢，而是看違約后能否依法控制、快速處置並穩定回收。數據恰好在這三點上存在短板：它可復制，難以像設備那樣唯一交付﹔價值依賴特定客戶、算法、合同和持續更新，脫離原企業后可能驟降﹔處置還可能受到個人信息、商業秘密、授權期限和用途限制。再加上重復質押、質量失真和二級市場不足，銀行很難估計違約損失。
還需要澄清的是，數據資源“入表”並不自動產生可質押性。會計確認解決的是在特定條件下如何反映成本和披露信息，質押融資解決的是擔保權能否設立、順位是否清楚以及能否執行，兩者不是同一套問題。要讓業務常態化，需要形成“登記—估值—監測—處置”的完整鏈條：建立統一或可互認的登記公示規則，明確權利邊界、重復擔保與優先順位﹔基於真實合同、調用量、付費率和現金流開展動態估值﹔引入持續審計、受控賬戶和反欺詐機制﹔培育能承接數據產品、運營權或未來收益權的處置市場，並積累違約與回收數據。
人民數據：您如何看待詞元計量這一新探索給數據資產估值、收益分配帶來的機遇與挑戰？
秦磊：我把詞元看作人工智能服務的“電表”，而不是數據資產價值的“萬能尺”。它的重要性在於把模型調用這一原本難以觀察的過程，轉換為連續、細顆粒度的經營數據。企業可以據此核算任務成本、使用強度、產品毛利和服務容量﹔數據資產估值可以從一次性的成本法，進一步轉向基於真實調用、續費和現金流的收益法﹔收益分配也有機會把數據提供、模型訓練、算力供給和場景運營放在同一條可計量鏈條上。對輕資產人工智能企業而言，經過核驗的詞元記錄還可幫助金融機構觀察客戶活躍度和業務增長，緩解傳統抵押物不足造成的信息不對稱。
但需要防止把“調用得多”等同於“價值更高”。詞元只是技術消耗量，不直接代表模型輸出質量、任務難度、用戶付費意願和企業還款能力。如果授信隻看消耗量，可能把持續燒錢誤判成持續經營﹔如果收益分配隻按詞元規模，又可能低估高質量數據、原創內容和行業知識的貢獻。
因此，我建議建立三道約束：一是統一詞元計量、計費、結算和審計口徑，至少區分“生成、調用、計費、付費、結算”五類，並保留模型版本和使用場景﹔二是從“原始詞元數”升級為“有效詞元指標”，把任務完成率、時延、能耗、客戶留存和實際收入納入質量調整﹔三是對詞元流水建立獨立核驗、反刷量、隱私保護和分級披露機制，用於授信時，應與合同、應收賬款、客戶集中度和現金流交叉驗証。詞元計量最大的貢獻，是為人工智能經濟提供新的觀察語言和結算基礎﹔它應成為估值模型中的高頻變量，而不應被包裝成脫離場景、可以單獨升值的“新資產”。（來源：人民數據公眾號）

(責編：曹淼、李源)
關注公眾號：人民網財經

		自動登錄	找回密碼
密碼			立即註冊

秦磊：讓企業在創造可驗証數據價值中獲得回報

本帖子中包含更多資源