数据产业的培育，需要一场“能力建设长跑”

（本文作者陈宏民，上海交通大学行业研究院副院长）

刚刚落幕的2026年“数据要素×”大赛，给“数据很热”提供了一个直观的注脚。全国超2.9万支队伍报名，超14.5万人参赛，共角逐出330个项目晋级全国总决赛。

与往届相比，这届大赛有三个鲜明特征：数据供给从“单一来源”走向“多元融合”，超过90个项目聚焦多源、跨域数据的交叉使用；“模数共振”成为技术主线，超过50个获奖项目名称直接嵌入AI、智能体、大模型；数据赋能从单一行业走向产业链上下游，超过70%的获奖项目由多家单位联合申报，14个“可信数据空间”项目覆盖医保、交通、能源等关键领域。

赛场之外，热度同样真实。2025年我国数据产业规模达6.78万亿元，全国数据企业达48.2万家，同比增长17.9%。政策层面，“十五五”规划明确提出实施可信数据空间发展行动计划。国家数据集团挂牌成立，数据流通服务机构培育政策密集出台，政府、资本与社会对数据的投入，已经形成一股不可逆转的合力。

与此同时，几个结构性问题同样值得正视。公共数据的开放规模和范围仍有上升空间，真正可供社会化开发利用的高价值数据依然稀缺；领先民营企业的参与程度有望更强，大赛参赛主体以央企、地方国企和科研院所为主，头部平台型科技企业和垂直领域数据龙头的参与深度有限，大赛所呈现的水平还不能完全代表国内数据赋能的整体面貌；一些重要领域的数据应用仍有巨大空间，以金融业为例，银联拥有跨行交易的全景数据但维度相对单一，商业银行握有政务数据接口却因安全顾虑难以汇聚，各持一隅。

这一现状，给未来的产业趋势、政策方向和生态建设提出了更高的目标，也引出一个更根本的问题：数据产业的成长，是否遵循着某种可以被认知、也必须被尊重的规律？

生产要素的成长规律：从“自用”到“共享”再到“交易”

数据是一种正在快速成长中的新型生产要素。回顾劳动力、土地、资本品、技术这四类先行者的历史，没有哪一种要素是在一夜之间就进入成熟交易状态的。从价值实现形态的角度看，它们的成长大致走过了一条“自用—共享—交易”的路径。

自用，是要素应用的起点形态。所谓自用，是指要素的拥有者与要素价值的受益者在微观层面是重合的——自己拥有，自己使用，自己获益。农业社会以家庭为单位的男耕女织，游牧部落以部落为单位的协作放牧，都是劳动力要素“自用”的典型形态。土地在早期同样如此：开垦者耕种自己的土地，产出归自己所有，不需要市场，也不需要契约。“耕者有其田”，曾经是一个理想社会的标志。技术的早期形态也高度自用——工匠的手艺、作坊的配方，首先服务于自身的生产，而不是拿来出售。自用形态的优点是启动门槛最低：不需要市场规则，不需要信任机制，要素拥有者天然有动力，为了自己把要素的价值发挥出来。

共享，是要素价值在被局部认知之后出现的中间形态。当劳动力作为一种要素的价值逐渐形成共识，但大规模交易的条件尚不具备时，共享模式开始兴起。传统农村秋收时大量雇佣短工，邻里之间换工互助，都是劳动力要素的共享形态。共享的本质特征是：要素的拥有者与受益者从相同或者相近领域开始在微观层面分离，但这种分离并不以标准化的市场定价为前提——它依靠的是熟人网络、社区规范或双边协议。技术在共享阶段的典型形态，是企业之间的联合研发、专利交叉许可、行业共性技术平台。共享的效应强于自用，因为它让要素进入了更广阔的用途；但它仍然不是最优配置，因为共享的范围受制于信任半径和交易成本。

交易，是要素应用走向成熟的标志。当劳动力市场发育出成熟的职业培训体系、多层次的招聘渠道和完备的劳动法规，绝大部分劳动力需求就可以通过市场交易来满足。土地市场、技术交易市场、资本市场，同样遵循了这一逻辑。从理论上看，交易形态的价值效应最强：一个有效的市场能够让要素流向最有价值的用户和场景。但交易形态的生态环境也最复杂——它需要清晰的产权界定、可信的定价机制、可执行的合同规则，以及争议发生时的仲裁和司法救济。

这里有一个容易被忽视的规律：从自用到共享再到交易，价值效应逐步提升，但生态复杂度也同步跃升。自用最简单，共享需要信任，交易需要一整套制度基础设施。这意味着，要素的成长不可能被“催熟”——你无法在一个要素的共享网络尚未发育成熟时，就强行把它推入大规模标准化交易的阶段。揠苗助长的结果，往往是交易场所建起来了，但真正的交易迟迟不发生。

当前数据要素处在什么位置

用这把尺子来量数据，判断是清晰的：数据要素总体上仍处于“自用”为主、“共享”正在快速发育、“交易”尚在积极探索的阶段。

自用仍然是当前数据价值释放的最大基本盘。大量企业正在通过用好自身数据实现显著的降本增效：华泰纸业通过数据整合与产业大脑建设，推动采购成本降低12%、库存占用资金减少20%、交付时间缩短30%；美的集团依托AIGC与智能体在全价值链的部署，节约各项成本达7亿元。这些案例的共同点是，数据价值的受益者与数据的产生者在同一组织边界之内。

共享形态正在数据空间中加速生长。可信数据空间试点的逻辑，恰恰是让多方在“原始数据不出域”的前提下实现有限度的价值交换。大赛中超过六成的参赛项目采用了“数据换订单”“数据换服务”等新型流通模式，说明在实践中，数据价值的跨主体实现正在以远比“明码标价买卖”更丰富的方式发生。政策层面也已经明确鼓励“数据换数据、换订单、换服务、换模型、换场景”等交换方式，而非把所有数据流通都塞进标准化交易的单一通道。

真正的标准化数据交易，仍处在早期探索阶段。数据交易所的功能正在从“促成交易”向“综合服务”拓展，价格发现、合规保障、供需匹配等基础能力尚在建设之中。这本身就是一个信号：数据要素的成长阶段，还不到用交易额单一指标来衡量成败的时候。

遵循规律，顺势向前

基于上述分析，加快培育数据产业的政策逻辑，应当从“追求交易规模”转向“匹配成长阶段”。

第一，循序渐进，把生态建设放在交易撮合之前。数据要素的生态复杂度决定了，没有共享网络的充分发育，就难有高质量的交易市场。当前政策的优先项，应当是继续扩大可信数据空间的行业覆盖和场景纵深，让更多企业在共享和交换中积累对数据价值的共识、形成可复用的数据产品和接口标准。交易规则和定价机制需要在共享实践中逐步凝练，而不是在实践之前就被设计出来。

第二，培育和鼓励产业互联网平台在数据价值释放中发挥更大作用。数据要素从“自用”走向“他用”，中间需要一个成本最低、最贴近真实场景的转化层。产业互联网平台恰恰扮演着这一角色。它们扎根产业链，了解上下游企业的真实痛点和数据诉求，同时自身拥有数据治理能力和技术工具，能够在供求两端之间找到成本最低的价值释放路径——既不需要把数据推上标准化交易平台去“明码标价”，也不需要各方从头搭建一套共享规则，而是在具体的业务场景中让数据“用起来”，在用的过程中逐步形成标准和模块。更重要的是，平台在解决具体问题的过程中，会自然推动数据的标准化和模块化。卡奥斯的实践提供了一个有说服力的样本。

具体而言，可以沿着两个方向加大培育力度：一是鼓励产业互联网平台与行业可信数据空间深度联合，让平台成为高质量数据集进入真实场景的“连接器”——数据空间提供合规框架和治理规则，平台提供场景入口和落地能力，两者互补而非替代；二是支持平台以“大企业共建、中小企业共享”的方式扩大数据价值的覆盖面。

第三，高度重视“自用”创造的价值，尤其在共享和交易条件尚不成熟的时候。自用不是数据要素成长的“低级阶段”，而是当前阶段价值释放的主渠道。政策应当更加关注两件事：让企业知道自己的数据有哪些潜在价值——通过宣传大赛中涌现的典型案例，让更多企业看到数据自用能够带来什么；让企业学会如何用好自己的数据——培育工业软件、管理软件、数据分析服务商等第三方能力供给，降低企业数据自用的技术门槛。只有企业普遍学会用好自己的数据，才会产生获取外部数据的真实需求。而这种外部需求，最初往往指向同行业的相关数据——这正是行业数据集和行业可信数据空间最有可能率先发挥作用的逻辑所在。

数据产业的培育，需要的不是一场“交易额竞赛”，而是一场“能力建设长跑”。当越来越多的企业学会用好自己的数据，当行业性的共享网络足够稠密，当信任机制和技术底座足够坚实，数据要素自然会走向它应当走向的成熟形态。政策的智慧，在于识别这个节奏，并在每一个阶段做那个阶段最该做的事。

第一财经一财号独家首发，本文仅代表作者观点。