數據要素市場化的生態路徑

一、以生態方式推進數據要素市場化的實踐背景

（一）數據要素市場化認識中的“兩個不等式”

當前，推進數據要素市場化的主要矛盾，是場內交易與場外交易的矛盾。一方面，場內交易不活躍，數據交易不到總量的10%，但出于數據變錢的動機，許多地方仍然熱衷于大建數據交易所；另一方面，實際活躍的是場外交易，占總量的90%以上，主要存在于與行業、應用結合緊密的數據交互中，但作為數據要素市場化主要途徑這一點，卻被許多地方忽視。

從認識上講，造成這種錯位，是因為忽視了數據要素市場化的兩個基本不等式。

第一個不等式是“數據要素市場化不等于建市場”，針對的是市場與其他市場化形式的關系。

建市場當然是市場化的重要途徑之一。建數據交易所，把數據變成錢，對于激勵數據提供方，提高數據的量和質，讓數據“供得出”“流得動”，可以在價值創造這一環節，發揮市場化作用。

但這只是市場化的一個方面。市場化還有另一個方面，即價值實現，要在“用得好”中實現。如果把建市場理解為不管數據有用沒用，先把供給者的積極性調動起來，先讓地方政府發出工資，就容易出現片面性。一些專家為此主張像土地財政那樣，通過城投公司，利用一級市場、二級市場，像土地漲價那樣成倍放大數據的價值。然而，這樣一旦把握不好分寸，數據變成錢后用不好，變成讓老百姓買單，就會與堅持以人民為中心、讓現代化建設成果更多更公平惠及全體人民的初衷出現背離。

市場化不等于建市場，是指市場化除了建市場，還有其他形式，如興辦企業也是市場化的方式，也有別于計劃或政府行政命令。當前實踐中，發育數據商、發展數據集團、搭建平臺、鏈主帶動等，都是市場化的實現途徑。與交易所模式相比，更加注重與應用結合，更多地把文章做在數據的使用價值上。

數據要素市場化的初衷是為實體經濟服務，促進數據使用價值復用與充分利用，促進數據使用權交換和市場化流通，指導思想是充分實現數據要素價值。把市場周圍的生態建設好，包括把行業服務、應用服務的生態建設好，數據交易所才能成為有源之水、有本之木。以生態方式推進數據要素市場化，就是要用價值實現的生態，為價值創造營造良好環境。

第二個不等式是“建市場不等于建立單邊市場”，針對的是市場內部不同市場的關系。市場分為單邊市場、雙邊市場?，F有交易所是單邊市場，雙邊市場是API模式[1]。雙邊市場也是市場，而且可能成為比單邊市場更為主流的市場，成為數據要素市場化的主戰場。這一點往往被忽視。

有學者堅持認為雙邊市場不是“市場”，而2014年諾貝爾經濟學獎授予雙邊市場理論，已肯定了雙邊市場作為市場的地位。

對數據要素來說，單邊市場與雙邊市場的主要區別，在于前者以數據交易為主要特征，后者以數據交互為主要特征?！度珖鴶祿Y源調查報告（2023年）》嚴格區分數據交易與數據交互，提到數據交易16次、數據交互9次，明言調查“覆蓋數據交互和交易情況”，實際就是區分了兩種市場形式。

（二）生態方式主要特點是在市場化機制中加入交叉網絡外部性（交互）

生態不同于非生態，或者說雙邊市場不同于單邊市場的主要內涵，在于“場”這個概念。我們可以把數據要素市場化中“市場”這個概念，分解為“市”與“場”。“市”相當于波粒二象性中的粒（通過確權，分清你我），“場”相當于波粒二象性中的波（不借助確權，你中有我，我中有你）。如果說市的機制是1+1=2，場的機制則是1+1＞2。

根據中國工程院《數據空間發展戰略藍皮書》[2]的定義，數據場是數據要素價值與相互作用在時空上的分布，刻畫了數據要素在數據空間中運動的基本規律。在數據場的作用下，無序的數據要素有序地流通，有序的數據要素流通持續地創造價值。數據要素場是面向社會提供一體化數據匯聚、處理、流通、應用、運營、安全保障服務的一類新型基礎設施。這里的“相互作用”就是指數據交互。

以生態方式推進數據要素市場化，圖的是什么呢？圖的就是=2與＞2之間的差值。這部分由報酬遞增帶來的增量的原因，根據中國工程院的研究，歸納為數據要素的關聯釋放、聚變釋放、倍增釋放。可以認為，經過關聯、聚變和倍增后，產生了數據要素價值創造與價值實現之差。比如，一個U盤的價值創造的成本定價為6元，價值實現后收益可能倍增到6萬元，這個差就是從交互（交叉網絡外部性）中釋放出來的。這種機制就是數據場的機制，我們稱為生態方式。

從市場內部來講數據要素市場化的生態路徑，以及以生態方式推進數據要素市場化，具體是指將包含數據外部性的交互（cross）納入市場化?？梢哉J為從匯聚、處理、流通、應用、運營到安全保障服務的一系列行為，都具有cross的本質特征。場就是為cross提供的活動空間。

圖1顯示了由數據交互帶來的外部性增值空間p*e*fg，這個空間是由需求曲線d向右上方移動至D擴充而來。這種移動代表了數據要素通過復用對價值實現的放大。從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），就是數據要素場關聯、聚變、倍增帶來的溢價區間，這在經濟學上稱為報酬遞遞。PefflQeffO代表總的復用區域（應用廠商），PeffmQ*O代表有效（即有銷售收入）的應用。其中，Qeff是接受復用的所有廠商數，Q*是復用數據要素后產生銷售收入的廠商數。這種有效是通過買賣雙邊（在后場）的交互帶來的。

數據交互又稱API模式，是指造市商（平臺、鏈主、行業龍頭企業等造“場”商）通過經營數據要素的活動，不是提供數據要素所有權、持有權進行買賣，而是從事“數據使用權交換”（準確說是“交互”）。利用數據要素進行雙邊經營（為使用提供服務），而向雙邊提供復用（使用權交換）接口。這里的造市實際是造場，即營造數據要素場。在這個場中，營造的是可供最終產品和服務的買賣雙邊進行數據交互（供應撮合）的機會，并從雙邊達成交易后所形成的最終銷售收入中獲取要素回報。其初級形式是后場交換，即圍繞所謂數據產品化、服務化的交換，而高級形式則是經營流量，進行變現。二者區別，前者是按對最終收入的預期收入定價（這是海南模式、深圳模式現在的做法），后者是按最終收入的實際收入成分定價。

這里需要指出交互（“數據二十條”中稱“交換”）與交易的理論區別。人們在后場中交互，交換的是什么呢？為什么其與確權（本文確權均指確所有權，而不指確使用權）無關呢？這是因為，交互的對象是使用價值，人們在后場中交流的都是關于要素對什么場景有什么用的知識。交互之后，發生的是使用權轉移（借用），而所有權不變（不是買賣）。交易就不同了，交易的對象是價值，交易是所有權（包括許可使用權）交換。對要素（資本）來說，交易的對象是凱恩斯主義定義的資本（資本交換價值），而交互的對象是奧地利學派定義的資本（資本使用價值，即資產）。對后者來說，不買賣也有資金轉移，但性質是用的費用（涉及的是使用費、租借費）。數據要素可以“多場景應用，多主體復用”，也就是所有權人可以多次收費，而買賣（所有權轉移）只能收一次費。對數據要素來說，如果非要堅持在場內以買賣方式交易，就會出現北京數據交易所中發生的怪現象，即買方“買”到數據要素后，轉手就復制給第二個買方，再收一次費，變成“擊鼓傳花”，直至出問題，這時與所有權確權已完全無關了。這是當前數據交易所內發生的實際情況，由此凸顯了按數據的規律搞市場化的重要性。

在各地實踐中，交互模式通常被稱為后場模式，交易模式被稱為前店模式。二者在海南模式、深圳模式、浙江模式中，都是結合在一起的，如海南的前店后場模式。前店一般交易的是數據要素產品，是中間產品或半成品；而后場交易的是數據（要素）產品化、服務化，是最終產品，如作為中間投入的數據要素與具體場景應用結合形成的最終解決方案。

可以說，數據要素市場化的生態路徑，就是將后場融入前店的模式。其具有以下特征，一是發揮場景牽引作用，推進數據要素在相關行業和領域的廣泛利用。與Ss9Qs2zfkB6RDn+eTKop8w==脫離場景的單純場內交易不同，雙邊市場以場景構成交易的生態；二是數據中間產品（要素）與最終產品（應用）形成“平臺+應用”的統分結合雙層經營關系，以經過確權的數據要素為基礎，經由交互實現數據（要素）產品化、服務化，從而與應用結合；三是用“場”（數據要素場）的方式（包括API接口，在浙江模式中稱為“中倉”）推動要素與應用結合，完成價值實現。在后場中，通過買賣雙邊之間的交互，將數據要素轉化為最終產品與應用。從最終產品和服務的銷售收入中，按比例扣除數據要素提供方所得，實現數據要素的最終定價。例如，以會員費和使用費形式補償數據要素的固定成本與可變成本，進行成本加成。

二、數據要素市場化的價格機制

從價格機制上，可以說明數據要素市場化中內生生態機制后的運行機理。

（一）數據資本資產模型與空間貼現

標準的資本資產定價模型（CAPM）為

（1）

式（1）表示資本資產定價取決于增加一個未來效用增量（ct+1）對應的回報xt+1帶來的預期E改變。β（貝塔值）代表歷時的兩期間價值的不確定性，這是資產定價的黑箱。

我們稱式（1）為時間貼現，即歷時條件下數據資本資產定價由增加一個未來效用增量對應的回報帶來的預期改變決定。這是數據交易所（場內交易）所依據的市場機理。

數據資產定價與實體資本一樣，存在著一個高度不確定的β。對于場內交易來說，表現為同一個數據要素，價值高度不確定，可能值6元，也可能值6萬元。不確定的原因在于，要素只是中間產品（投入品），其價值要依賴最終產品（產出品）而定。比如，同一條暴風雨信息，對路上行人的價值較低，不知道這條信息頂多淋濕而已；但對于海上作業的漁船來說，卻關系生死，與命同價。而場內交易離開應用場景，就會變得高度不確定。

我們把這個模型改造為一個生態模型。為了推廣式（1），設一個未來效用由一個應用（即最終產品）提供，應用數量以n計量。與實體資產不同，由于數據要素可以復用，同一要素資產（中間產品）可以對應眾多最終產品，這就是《“數據要素×”三年行動計劃（2024—2026年）》中所提到的“多場景應用，多主體復用”，可以視其為一種一對多的空間分布現象。

先視式（1）為下述情況的特例：一個資產（中間產品）與眾多最終產品分成固定（如平臺與應用分成比例固定），從而有效應用數n成為常量（如n=1，視所有應用為一個應用）。此時，可以將中間產品與最終產品的提供者視為“同一個人”。

數據資本資產定價模型（DCAPM）是式（1）的推廣形式，其通用為[3]

（2）

其中，n=1，2，3，…，n，t=1，2，3，…，t。下標代表起始值，上標代表最大值。t代表時間。n代表有效的最終產品數量（有效流量或可變現流量），有效指中間產品（數據資本資產）有效轉化為最終產品（數據最終產品，即增值應用）的現金收入，即流量變現。p代表資本資產價格，E代表預期，U代表效用，c代表效用對應的消費，x代表資產回報，β代表隨機貼現因子。式（2）表示，數據資本資產定價受共時因素（空間因素n）與歷時因素（時間因素t）的共同影響，數據資本資產定價中期望值E的變化也受這兩方面因素影響，一方面取決于增加一個有效應用（cn+1）帶來的邊際效用u'對應的回報變化xn+1，另一方面取決于增加一個未來效用增量（ct+1）對應的回報變化xt+1。

當t取值固定為t=1時，式（2）變為空間貼現模型

（3）

式（3）表示在共時條件下，數據資本資產定價取決于增加一個有效應用（cn+1）帶來的邊際效用u'對應的回報x所決定的預期E變化。

空間貼現由此定義為：共時條件下，數據資本資產定價取決于增加一個有效應用帶來的邊際效用對應的回報所決定的預期變化。

對應實踐，在海南前店后場模式中，空間貼現表現為，在前店列表中同一項數據要素，在后場買賣雙方一對一的交互中，可以形成空間上的一對多關系（“數據要素×”）；或是同一個要素對應多個場景，形成多個最終產品（應用）；或是同一個要素對應多個主體，形成多個最終服務（使用）。

根據科克倫提供的簡明方法，可以將資本資產定價的時間貼現方法對等置換為空間貼現，即將式（1）轉換為式（3）。將表示時間的t系統置換為表示空間的n，構建基于數據要素的資本資產定價模型，其中隱含了t=1（常量）的設定。經驗含義是不考慮時間先后，數據資本資產方同時向數量為n的應用方收取資產的有效使用費。例如，蘋果商城在同一時刻向有銷售收入的不同APP經營者收取資產使用費。

式（2）代表了一個融合場內交易與場外交易的統一場理論。從式（2）中，我們可以清晰地觀察到一個規律：時間貼現（場內交易）與空間貼現（場外交易）互為特例與通則。也就是說，時間貼現是n=1時通用式的一個特例，空間貼現是t=1時通用式的一個特例。

這意味著場內交易與場外交易、數據交易與數據交互，可以依一定條件相互轉換。以上海模式為例，除企業間直接交易模式外，鼓勵交易場所將場外交易引入場內的各類創新探索，支持線上線下聯合平臺交易、聯盟與共享交易模式，鼓勵在數據交易的同時，開發依數據源開發的數據產品、數據服務。

（二）生態方式的收費模式：以銷售收入為基準入表

空間貼現最具潛力的形式是API模式。其中，承擔平臺企業的既可以是平臺運營商，也可以是數據商。

在這一模型中，市場被區分為單邊市場與雙邊市場。雙邊市場是單邊市場向內生外部性的推廣，將最終產品買賣雙邊從外生變量（n=1）變為內生變量（n＞1），其定價是對應跨期定價的動態空間定價。實質區別在于，資產定價的時間貼現主要依據中間成本定價，而空間貼現主要依據應用產生的價值（最終收益）來定價。API（應用程序接口）就是連接中間產品與最終產品（APPs）的接口。在浙江模式中，表現為中倉這種由數商構建的中介機制。

內生雙邊關系的本質，是將外部性納入市場內部。梯若爾將雙邊外部性區分為成員外部性和使用外部性，內部化的方法是收取會員費與使用費[8]。會員費是固定收費，這部分收入不是按要素的“使用效果”收費，而是按“使用”收費，即不管有效（有銷售收入）無效（沒有銷售收入）均收費。使用費則是不固定的收費，以流量變現為依據收費，通過按使用效果收費實現，而不是按使用收費。按使用效果收費的“效果”是指有效變現流量，在會計上指有銷售收入的那部分流量。

由此得到一個與消費資本資產定價模型（CAPM）對應的公式 [4]

（4）

U是以效用形式表達的資產總收益，其中的會員費部分（應用方會員費Bi，最終用戶會員費Ai）相當于圖1中對應固定成本的gfiPAC，是不直接與流量（圖1中的Qeff，這里的Nj）相關的；而使用費部分（應用方使用費bi，如從情境定價中獲益；最終用戶使用費ai，如利用拼單享受折扣）對應圖1中的Pccfg，是直接以流量為內生變量的。

Nj在此還代表另一個重要概念，就是情境相關定價或場景化定價。場景構成個性化價值的上下文語境，使用費可以視為定制化價格的集合。需要注意的是，這里的流量相關，是指與有效流量（Q*）相關，即可以轉化為銷售收入的流量相關。而每一個可轉化為銷售收入的流量所處的空間，可被視為一個有效的情境（場景）。

利潤為

（5）

價格為

（6）

作為一般結論，數據資本資產定價等于最終消費者使用外部性收益加上最終消費者會員費減平臺會員費（對應圖中p*e*cpc）除以流量（對應圖中Q*）。也就是說，數據資本資產定價的本質是從流量收益中扣除消費者福利后的水平，這一福利包括兩部分，一部分（ai）是由增值服務上增進的福利（主要是由差異化、多樣化、個性化與社交體驗所增進的福利），另一部分（Ai）是從平臺免費中獲得的福利（對應圖中的p*e*fg）。

推廣到數據要素資本資產一般（即無論是否通過雙邊市場交換的數據要素），這意味著數據資本資產定價在一般時間貼現特征外，其本質在于外部性市場內部化的空間補貼機理。數據要素含有兩個不同于一般實體要素的潛在價值來源，可用于為資產進行間接定價。一是只有在最終消費者使用中才得以產生的使用價值，這種價值是在應用中間接產生的。最終應用ai是一個資產定價內生變量，表明脫離最終應用定價將使數據要素的實現價值處于不確定、不可控狀態。二是通過流量變現即流量外部性的內部化產生的轉化價值，這種價值與平臺網絡效應有關。流量Nj成為內生變量，表明數據要素一旦作為固定成本投入應用后，由雙邊交互等網絡效應產生的互補性，是定價不應忽略的因素。針對外部性的適當制度設計，可將這部分財產使用權利作為未“用盡”權利加以實現。

由于最終產品銷售收入是實際發生的，而且可以共時地發生，因此在空間貼現中，β有可能完全變成常數，成為確定值。

傳統資產定價中的貼現完全不考慮流量問題，中間產品定價（消費效用）與最終產品銷售收入（財富效用）之間的關系不以流量（外部性）為考慮因素。會員費的現實存在卻顯示，在總流量與有效流量之間，存在類似隨機貼現因子的系數關系。如果一個平臺提供的總流量空間Qeff不足以讓應用方產生足夠滿意的有效流量Q*，應用方就會認為交會員費不值，從而選擇其他平臺，最終使得這一平臺退市。

數據要素與最終產品結合時，可產生銷售收入，這是入表的最終依據。其他入表方法都只是對這個銷售收入的預期，因此是派生的。銷售收入可在中間產品和最終產品收入之間分成，目前市場行情為三七分成，數據要素方得30%，此部分保值且不承擔風險，最終應用方得70%，這部分業務具有高死亡概率。如何補償死亡概率？一方面是高分成，讓高風險對應高收益；另一方面令應用方資產風險為零，即把數據資產復用于應用方，但沒收入時將0、1代碼的資產一筆勾銷，破產不欠銀行，這是巨大優勢。因此，若把這種優勢發揮出來，中國就會出現一個和美國完全不一樣的賺錢方法，核心是利用數據可以復用特性作為21世紀“資本論”的核心。這相當于在資本交換價值（M2）的美聯儲之外，建立一個資本使用價值的“美聯儲”，前者用印鈔機解決資本充足性，后者用“復用”解決資本充足性。

三、以生態方式推進數據要素市場化：空間貼現的六種模式

（一）當前各地數據要素市場化模式探索共同向生態化方向演進

自貴陽首創數據交易所這種場內交易模式（理論上的時間貼現模式）后，我國各地掀起了建設數據交易所的熱潮。但隨著場內交易不足這一問題的暴露，各地尤其是市場經濟發達、市場經驗豐富的地區紛紛開始獨立思考，探索出大量與貴陽模式不同的新模式。最先取得實質突破的是海南模式，即前店后廠模式。這種模式把市場化的方向，轉到時間貼現（場內）與空間貼現（場外）結合的新方向上。

隨后各地模式有一個共同特征，就是擺脫了單純的場內交易模式，向“場內交易（數據交易）+場外交易（數據交互）”方向演進，開始沿著“數據二十條”明確提出的“支持數據處理者依法依規在場內和場外采取開放、共享、交換、交易等方式流通數據”，以及國家數據局即將出臺的交易與流通政策引導方向發展。如圖2所示。

這顯示，以空間貼現為代表的生態化的數據要素市場化模式，在摸索中國式現代化規律方面，開始探索一條不同于西方的道路，不約而同想到要發揮中國超大規模市場優勢，釋放需求端巨大潛力這一比較優勢。

（二）以生態化方式實現數據要素市場化的各種實踐探索

1. 模式一：數據要素+行業龍頭+應用模式

這種模式主要是推動電信、電力、交通、金融等行業主體或具有全國影響力的行業性機構建立行業性數據交易平臺，開發貼近行業發展的數據產品和服務，推動行業內建設更高效的數據要素流通與交易機制，幫助企業尋找可用數據資源，促進數據要素與各行業融合應用，并結合應用場景確定價值與價格。

這一模式在深圳、海南都有所體現，深圳模式的空間貼現依托聯通，海南模式的空間貼現依托中國電信，三大運營商都覆蓋千萬級用戶，成為進行空間貼現的良好數據要素場。一旦中國移動入場（數據中心在哈爾濱），再出現一個哈爾濱模式，僅電信運營商就可以撐起上億用戶應用的數據空間。

這種模式對于運營商來說，也是一個巨大提升。中國電信原來的IDC收的只是關于數據的技術服務費（云服務1.0的費），收不到亞馬遜那樣的業務（外包）服務費（云服務2.0的費）。雖然同是面對中小企業提供服務，但服務收入可能相差上百倍。一旦采用“數據要素×”的方式，可以分兩部分從數據要素復用中的行業應用中獲得業務服務費。一部分是來自成員外部性的會員費，即式（4）中的Bi-Ai，主要是Bi；一部分是來自使用外部性的使用費，即式（4）中的（bi-ai）Nj。中國電信企業就可以徹底解決被互聯網企業“截胡”的OTT難題，從管道模式變成“管道+增值”模式。

電力、交通、金融、氣象、醫療等行業的道理也是一樣的，同理可推。例如，海南就與銀行廣泛合作，推進前店+后廠的服務。

2. 模式二：場內+場外模式

這種模式在上海體現得較為明顯。其特點是以場內交易為主，將場外交易納入場內。在這方面，上海比北京先行了一步。

這種模式的特點是，除企業間直接交易模式外，鼓勵交易場所創新探索將場外交易引入場內，支持線上線下結合平臺交易、聯盟交易與共享交易，鼓勵在數據交易的同時，研發來自數據源開發的數據產品、數據服務。

這種模式的貢獻在于，發掘數據商作用，利用產業資本降低金融資本的不確定性，相當于利用空間貼現降低時間貼現中（貝塔值）的不確定性。

引入場外交易主體進入場內，與資本市場合作，條件主要有五個：一是數據商有能力使資本市場熟悉行業，從而滿足公允價值定價規定的“熟悉行業”條件；二是有專業機構在場外交易中提供專業信息服務，如提供關于行業應用的場景化知識與估值信息；三是有應用者向數據商顯示有助于定價的需求信息；四是有成熟資本市場顯示相關資產價格信號，包括財政部《企業數據資源相關會計處理暫行規定》所說“信息披露”；五是有莊家坐莊，指非參與經營的造市者或者利用信息不對稱進行杠桿化操作。

其中，第五個條件與空間貼現是不相容的，因為莊家坐莊（金融化）會傾向放大風險，放大信息不對稱，越遠離應用，操作空間越大。例如，地方政府坐莊，利用數據財政彌補財政空缺，一定要以數據造假為前提，才能讓城投公司偽裝成數據集團，透支本地銀行。然而，空間貼現趨向減少風險。其他四個條件是相容的，可以視空間貼現為時間貼現的極限形式。上述前四個條件不斷迫近信息對稱，將減小的不確定性。

3. 模式三：前店+后廠模式

這種模式的特點是，支持數據交易平臺開展提供數據產品和服務交易與加工處理服務結合的前店后廠（場）模式。

對前店后廠模式有一個簡明的概括，即“數據產品化、服務化”，或如上海模式所稱“研發來自數據源開發的數據產品、數據服務”。有別于場內交易模式交易數據產品，這里所說的數據產品化、服務化的“數據”，實際指數據要素，即作為投入品的中間產品。而場內交易所說的數據產品，是把數據要素當作最終產品。區別在于，場內交易所說的數據產品，與應用是無關的；而在后廠開發的，是由中間產品（數據源、數據要素）轉化來的應用產品。比如，把一般氣象信息開發為附加區域、時間內容的出海漁船專用氣象信息或通知服務。所以，“數據產品化、服務化”實際的意思是數據要素的最終產品化、最終服務化。

海南首先進行了這個方向的探索，因此稱海南模式為前店后廠模式。從海南“數據產品超市”提供的交易清單來看，不涉及所有權變更的數據產品服務的交付行為產生的交易金額占比68.54%，涉及所有權變更的數據產品的直接交易金額占比31.46%。這說明這種模式中場（生態）的特征占了主要成分。深圳模式也具有前店后廠的特征。

4. 模式四：前店+中倉（數商）+后廠

這種模式是對模式三的完善，主要是增加了前店與后廠的中間轉化環節，并使之專業化。這種模式稱為浙江模式（如圖3所示），因為是浙江首先總結出來的。與第一種模式的區別在于，同是發展前店（要素）與后廠（應用）之間的中間人，第一種模式是找龍頭企業，這種模式是發育數商，利用數據服務的集群化，重現產業集群配套對制造業的支撐作用。沒有強大的產業集群，就沒有世界級的數據要素市場，數據交易所就會成為無源之水、無本之木。因此這種模式不是否定場內交易，而是在為目前基礎不牢有“早產”征兆的場內交易打基礎，以固本強基。

空間貼現最具潛力的形式，是API模式。API（應用程序接口）是數據交互的樞紐，是連接中間產品（要素）與最終產品（APPs）的接口。正如江小涓預言的，數據交互是更為廣泛使用的商業模式。數據交互的主流模式是API模式，即通過應用程序接口拉通數據，允許不同的應用程序或系統之間進行數據交換和集成，以實現數據流通和共享。數據交互的本質是流量變現，即大企業將固定資產投資轉化為流量（定義為可帶來銷售收入的交互），供生態內部中小企業復用，將流量這種中間產品（所謂“要素”）可變現（轉化為APP等最終產品銷售收入）部分在API兩側分成。因此，數據不只是交易，還有交互，一定要場內交易和場外交易緊密結合。API本來是一個技術術語，在數據要素市場化中，重要的是實際內容。例如，在浙江模式中，“應用資源目錄”（如圖3所示）就是一個API，負責打通數據要素分發到多場景應用的渠道。我們也可說這是要素資源到應用資源之間的接口體系。

在API模型中，市場被區分為市（前店）與場（后廠），將最終產品買賣雙邊，從時間貼現中的外生變量（n=1）變為內生變量（n>1），其定價是對應跨期定價的動態空間定價。實質區別在于，場內資產定價的時間貼現主要依據中間成本定價；而空間貼現主要依據應用產生的價值（最終收益）來定價，也就是以應用資源目錄為接口，通向應用后產生的最終產品與服務銷售收入，用最終產品間接為中間產品定價。

后廠的收費模式，尤其是數據服務化的收費，不是按要素的“使用”收費，而是按“使用效果”收費（對應圖1，不是基于Qeff而是基于Q*收費），這充分體現了空間貼現的特征。由于最終產品銷售收入是實際發生的，而且可以共時地發生，如果式（2）中的n值足夠大，空間貼現與時間貼現的風險就完全不同了?？臻g貼現的風險只表現在100個應用中，有97個賺不到錢，但賺錢的3個是哪3個，無從知曉，但3%這個成功概率卻是不變的（實際情況在3%～6%波動）。因此對數據要素持有方的運營來說，一旦之足夠大（流量足夠大），幾乎是無風險的；而時間貼現相當于把所有寶押在一個應用（CAPM中的最終消費或“明天”消費）上，只是100個中的1，因此不確定性極大。這意味著，在空間貼現中，有可能完全變成常數，成為確定值，從而與金融化基本脫鉤。

傳統資產定價中的貼現完全不考慮流量問題，中間產品定價（消費效用）與最終產品銷售收入（財富效用）之間的關系不以流量（外部性）為考慮因素。會員費的現實存在卻顯示，在總流量與有效流量之間，存在類似隨機貼現因子的系數關系。如果一個平臺提供的總流量空間Qeff不足以讓應用方產生足夠滿意的有效流量Q*，應用方就會認為交會員費不值，從而選擇其他平臺，最終使得這一平臺退市。

以“數據要素×”金融服務為例。工商銀行以API平臺和金融生態云平臺雙輪驅動，將支付、融資等金融產品與教育、醫療、出行等行業融合，提供“行業+金融”的綜合解決方案，構建GBC聯動開放互聯生態，打造無界融合、優勢互補、開放共贏的金融生態圈[5]。這就屬于生態化的做法。

金融業以自身為系統，以數據服務業為生態（環境）的實質，是以后者替代直接觀察市場最終產品定價，消減資產貼現中的貝塔值的不確定性。可以通過多種戰術手段實現：一是在數據交易所中委托第三方評估資產風險，即評估該數據資產與場景相結合可能產生的收入，或數據資產與買方相結合，可能從進一步的利用中獲益的情況；二是讓熟悉行業應用的第三方服務參與數據資產的時間貼現價值評估；三是根據市場行情，對不同概念的數據資產給出市場法評估，特別是對于以知識資產形態存在于創始人團隊中的數據資產價值進行市值觀察，也可以用通證的方式在不同時點進行價值評估。

雖然這些中介服務的業務各有不同，但都具有提高中間產品的最終產品轉化率的功能。中介與平臺不同，平臺主要是針對流量的外部性進行轉化服務，而中介服務更多是針對信息不對稱而節省交易費用來提供服務。

作為中介的數據服務的本質就是進行從空間貼現到時間貼現的還原。很明顯，時間貼現的投機空間更大。這是因為可以通過令資產所有權人與經營脫鉤的方式，將相對可控的經營風險轉變為相對不可控的交易風險，不露痕跡地將低風險的變現模式變成高風險的變現模式，從而獲得對應高風險的高收益。對CAPM來說，就等于以放大隨機貼現因子為業，進行專業的金融操作，對信息不對稱本身進行“套利”。雖然對于資產的定向流動有促進作用，但也存在脫實向虛的行業性風險。

由此可知，中倉的建設重心不在于技術和形式，而在于以產業集群這個生態（金字塔底座）去拱衛場內交易這個金字塔尖。其實，最適合做這個的是香港。因為以A、B股雙重投票權為標志的未來風險投資的金字塔尖在香港，需要有一個加州斯坦福周邊那樣大規模的信息服務生態集群為塔底，以信息化解金融風險。中國香港比浙江的條件要好得多，但如果不從加工貿易中轉站轉向新加坡那樣的科技“信息-金融”中心，一旦浙江的塔座與上海的塔頂走到一塊，中國香港未來百年就沒機會了。

需要指出，數據商發展也不能以自我為中心，只以膨脹數據要素價值為業，而要面向價值實現的源頭，經營有源之水。例如，在產業鏈中，要用最終產品來引導中間產品。目前數商很多是在豐富產業鏈，做中間產品，但中間產品不能是為數據而數據，不能只是為了數據轉變成錢，需要數據和真正的應用緊密結合起來。式（2）中空間貼現中的n，既指數據商，也指數據用戶，二者在雙邊市場中是雙邊關系。雖然會員費、使用費的錢可能主要是從Bi收上來的，但Ai才是從錢包掏錢給Bi，進而給造市商的人。要正確認識梯若爾傾斜式定價的本意，將應用導向、最終消費導向貫徹到要素價值實現的始終。

5. 模式五：龍頭+公共數據要素+場景化應用

這種模式是模式一的變體，支持龍頭、鏈主與“數據要素×”各公共機構（含數據集團），如與農業局、醫保局等合作，通過場景尋找數據需求，通過數據交換直接提供服務。深圳模式就具有這種特點。例如，農業局有了數據，不是坐等農民上門，而是在數據造市商牽線幫助下，主動走進村鎮，提供下沉式的數據場景服務。此時造市商的作用是撮合雙邊，一邊招商可以加工要素的數據服務商，為他們搭場子；一邊搭場子招來每個鎮、村，甚至每一家的不同場景的最終用戶，最后賺中間的撮合費。

需要特別指出，無論是模式一，還是模式五，要做好，關鍵都在于空間貼現（場景定價）。場景是一個情境定價問題。數據的價值在前端不確定，在后端才確定，中間可能存在巨大的價值差異。某位專家設想的數據要素一級市場與二級市場之間的巨大價差，是可能存在的。但不是存在于場內，而是存在于場外，存在于要素（中間產品）與應用（最終產品）之間。因此，博取這個價差的主要精力不應放在前端炒作，或利用信息披露人為膨脹虛假價值，而是做在情境牽引上。

數據在生命周期中具有強烈的情境定價特點，數據作為中間產品定一次價之后，再定價時需要和場景應用結合，這個過程場景對應的時間和地點都具體化了，這不是統一的宣傳和炒作可以做到的。場景主要發生在場外，在“價值實現”的過程中，在于抓住空間貼現中的每個n，并讓n足以在規模和范圍上成勢。僅靠城投公司轉化而來的數據集團本身，是做不了這個工作的，必須發動整個生態來做這個事。

6. 模式六：雙邊市場流量變現模式

目前的前店后廠模式，還有“小生產”的特征，表現為在后場中，交互還是一對一人工化地進行，而做不到在API技術支持下，實現一對一億、一億對一億這種大規模、大范圍的交互。要實現大規模、大范圍的交互，必須在交互的產業集群變為現實（如浙江模式）的基礎上或過程中，正式引入雙邊市場流量經營的方式，實現大規模定制。在大規模、大范圍基于應用的流量變現中，充分兌現、實現數據要素的價值。

在數字經濟中，蘋果商城數據業務對應資產（平臺、開發工具、流量）是一個定數，商城中的APP是10萬、100萬還是400萬，并不直接改變資產存量（潛在價值）。但是，每多出一個APP（n+1），資產的收益卻在相應發生變化，這種收益是通過蘋果支付系統瞬時結賬（n的集合中，廠商有收益則支付資產使用費，無收益無須支付），在同一時間內完成的。這個變化與最終產品廠商（APPs）在同一時間條件下空間上數量的多少是密切相關的。至于平臺方與同一應用的歷時收益關系仍遵從時間貼現。

互聯網企業這種做法同樣適用于金融業務與數據業務的融合應用。例如，針對農村地區金融服務歷史數據不足的社會群體，金融機構可融合電力、電信、公安等數據進行信用畫像，對各種需求進行精準識別，靈活高效地配置資金[6]。

雙邊市場比前店后廠模式在收費上有所改進，不是按使用收費，如對數據產品、數據服務直接收費，而是按使用效果收費。

前者是不管最終用戶應用有效（有銷售收入）無效（沒有銷售收入）均收費，而使用費是不固定的收費，以流量變現為依據收費，通過按使用效果收費實現。按使用效果收費的“效果”是指有效變現流量，在會計上指有銷售收入的那部分流量。

（三）生態化的總方向是場景牽引

總括地說，以生態化方式推進數據要素市場化，總的方向與原則可以概括在場景牽引中。

“數據二十條”在宗旨中明確指出了應用場景的重要性，《“數據要素×”三年行動計劃（2024—2026年）》[7]同樣提出要發揮場景牽引作用。脫離應用場景大建特建數據交易所，超越了當前從數據資源建設向數據要素建設發展的歷史階段。這并不是說場內交易不好，而是說不能超前，要打好應用這個基礎，不能一步登天，以致一腳踏空。打好基礎的標志，一定是數據基礎設施初步建立（以數據要素場形成為標志），數據服務產業初步發展（以形成世界級集群為標準），保障供求聯動的市場環境初步形成（以產得出與用得好首尾銜接為標準）。

為此，在發展的初期階段，要緊緊抓住場景牽引這個牛鼻子，以生態方式推進數據要素市場化。選擇以場景牽引作為帶動全局的牛鼻子，是因為其具有以下優點。

優點一：和場景結合的交易是在應用端定價，而不是在中間產品定價，所以其和行業應用結合緊密。

優點二：結合場景的交易更適合需求導向，是依據收益法定價。成本法定價和收益法定價相差懸殊，通過收益法定價，數據價值更加實在。

優點三：結合場景定價的交易，使用價值可以直接賦能實體使用價值，這種轉化過程是直接且高效的，無須先將使用價值轉化為貨幣，再將其投入實體經濟。因此，該模式可更直接地服務于實體經濟。

優點四：結合場景的交易有利于對外部性（流量）的轉化（變現）。流量是指買賣雙方的交互，這是化解外部性的關鍵。

優點五：結合場景的交易更適合服務業態，更加適合按使用權收費。中間產品的交易面臨諸多困難，這主要源于其定價方式側重于所有權定價。然而，當前的市場趨勢表明，低端業態主要聚焦于產品，而高端業態則更加注重服務。按服務收費模式能夠持續產生收入，從而更有效地實現財務增長。因此，基于情境的定價策略在經濟層面具有顯著的重要性。

解決了場景牽引問題，入表問題也將從根本上得到解決。現在入表難，關鍵是總的邏輯沒有理順?，F在人們想的往往是就要素談要素，等于就中間產品定價談中間產品定價。鑒于數據本身可以“多場景應用，多主體復用”這個根本特性，脫離最終產品給中間產品直接定價是不符合市場化規律的。符合規律的做法是用應用給要素定價，也就是用最終產品給中間產品間接定價。

把要素視為系統，應用就是其環境，最終產品構成中間產品的生態。這就是本文要表達的核心觀點，即要把傳統的基于要素本身的時間貼現，與數據要素特有的內生應用的空間貼現，在市場化過程中結合起來。

參考文獻：

[1]江小涓.數據交易與數據交互：頂層設計與探索創新[EB/OL].（2023-11-25）[2024-01-20] https：//baijiahao.baidu.com/s？id=1783702735013845997&wfr=spider&for=pc.

[2]“國家數據空間發展戰略研究”項目組.數據空間發展戰略藍皮書[EB/OL].（2024-05-31）[2024-07-20].https：//dss.idata.ah.cn/detail/265.

[3]于小麗，姜奇平.數據資本資產定價模型：基于兩部收費的方法[J].財經問題研究，2024（4）：16-32.

[4]讓·梯若爾.創新、競爭與平臺經濟[M].北京：法律出版社，2017：87.

[5]呂仲濤.以金融科技賦能開啟數字化轉型新篇章——工商銀行數字化轉型的探索與實踐[J]中國金融電腦，2021（S1）：8-9.

[6]俞林，許余劼.以數據要素促進金融發展[J].中國金融，2021（19）：82-83.

[7]國家數據局等17部門聯合印發《“數據要素×”三年行動計劃（2024—2026年）》（國數政策〔2023〕11號）[A/OL].（2023-12-31）[2024-06-08].https：//mp.weixin.qq.com/s/utNOAXwc_NHEXQdNqMZo7A.