1. 引言
随着信息技术的不断发展，数据作为数字化、网络化、智能化的基础，成为AI技术进步的核心资源，也是构建智能系统的基石，数据资产的概念日益重要。2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》，亦即为公众所熟知的“数据二十条”，首次在国家层面提出数据资产概念，并明确提出“探索数据资产入表新模式”。2024年1月1日，《企业数据资源相关会计处理暂行规定》正式施行，我国数据资产入表活动正式进入实操阶段，数据正逐步加快由“资源”向“资产”的身份演变。2024年7月18日党的二十届三中全会通过《关于进一步全面深化改革推进中国式现代化的决定》，进一步强调指出：“加快建立数据产权归属认定、市场交易、权益分配、利益保护制度，提升数据安全治理监管能力，建立高效便利安全的数据跨境流动机制”，数据资产化步伐持续加快。
企业数据资产化相关问题与数据要素交易流通市场的建立健全息息相关。一方面，攻克企业数据资产的会计确认难题有助于构建企业资产计量和价值评估体系，是统一、合规的数据产品和服务市场的基础；另一方面，成熟且活跃的数据市场可以加速数据价格的发现，为构建完善的数据资产评估方法创造了基础环境。然而，受企业数据管理意识与能力的局限，加之相关法律规范及会计规则的缺位，相当一部分数据资源未能实现有效的管理与开发利用。据中国信通院《数据资产化实践白皮书(2024)》[1]，截至2023年末A股上市公司数据资产披露率仅为2.7%，多数企业未能将数据资产以会计科目形式反映在资产负债表上，很大一部分原因是企业无法明确数据资产的权属问题，尽管有《暂行规定》作为指导性文件，在实务中数据资产确权与入表仍存在很大困难。
基于以上情况，本文创新性地从数据流通视角切入研究数据资产确权问题，基于经济所有权与法定所有权分离原则，运用对比分析法和案例分析法，同时考虑AI时代特点，构建数据流通视角下数据资产确权路径框架，降低企业数据流通中的法律风险与合规成本，提升数据资产交易效率，激发企业数据创新活力，为数据要素市场化改革提供理论支撑，为数据要素市场化提供可操作的确权范式，支撑我国参与全球数字治理规则制定。
2. 文献综述
数据流通研究动态。现有研究主要聚焦于数据流通的理论、技术、法律和实践层面，缺乏对其法律框架边界界定等的深度挖掘剖析。陈禹存等从生命周期与风险防范双视角构建了数据流通安全技术体系，提出了49项关键技术，为数据流通的安全治理提供了技术支撑[2]。CHAFIQ等探讨了区块链技术在地理空间数据共享中的应用潜力，认为区块链能够提升数据安全与透明度，但需解决技术可扩展性和法律适配性问题[3]。Li等从哲学角度重新定义了数据流通的概念框架，提出“数据异化”是数据流通的核心，并强调法律合规与利益分配的重要性[4]。付新华则聚焦企业数据流通的法律困境、激励困境与技术困境，呼吁通过立法平衡私人利益与公共利益，构建高效的数据流通生态[5]。Logrippo基于角色访问控制(RBAC)模型，探讨了数据流安全中的保密性与完整性，提出了一种更通用的偏序模型来定义数据流安全[6]。邓炜辉和金海从理论逻辑与法治保障角度分析了数据流通对新质生产力的赋能作用，指出当前数据立法前瞻性不足、监管有效性欠缺等问题，并提出了优化法治体系的建议[7]。Kitchin等通过爱尔兰规划数据生态系统的案例研究，提出数据流通并非简单的“流动”，而是通过复制、增殖和转化形成新的数据形态，这一过程对数据完整性、科学可重复性及数据主权提出了挑战[8]。金赛辉和梁健指出，数据流通能够释放数据的潜在价值，但面临跨行业、跨区域的接入难题以及安全隐私保护等挑战[9]。
数据资产研究动态。围绕数据资产的确认、计量、估值、治理及市场化应用已有多维度研究，但数据资产的权属界定尚未形成国际共识，估值方法仍缺乏普适性标准。Kayani等通过量化分析揭示了极端经济危机下数字资产与传统资产、可再生能源价格的动态关联性，为投资组合优化提供了理论依据[10]。Stankevich基于区块链技术分析了俄罗斯数字金融资产市场的快速发展，指出法律适配性是全球数字资产市场扩张的关键[11]。此外，汪文华等和周睿探讨了数据资产的会计确认与计量问题，主张增设“数据资产”科目并完善信息披露机制，以解决权属模糊和计量标准缺失的困境[12] [13]。张林等提出数据治理是挖掘数据资产价值的关键，需通过评估与治理的互动提升企业数字化转型效能[14]。同时，储德高和孙佩以国有企业为例，提出数据资产资本化体系设想，推动数据要素与实体经济的深度融合[15]；闫晴和高婷婷则从税收角度分析了数据资产交易的制度困局，呼吁完善立法与征管机制以适配数字经济特性[16]。Li等(2025)运用博弈论研究了不同市场结构下数据资产的定价机制，发现需求侧的竞争特性显著影响定价效率，而市场化竞争能提升整体利润空间[17]。
数据资产确权的研究动态。目前数据资产确权在理论创新和技术应用上已有进展，但跨行业、跨境场景下的确权协同机制亟待完善。申卫星系统回应了数据确权的理论争议，指出确权能够避免“公地悲剧”、矫正市场失灵，并通过产权支配实现个人信息自决，为数据要素市场化提供制度保障[18]。贾小爱和潘雯铃从经济所有权视角区分数据产品与许可、原始数据与衍生数据，明确了个人、企业和政府数据的差异化确权路径[19]。Gandhi关注欧盟边境管理机构Frontex的数据共享实践，揭示其数据治理模式对隐私权和数据主权的潜在威胁，呼吁加强公共领域数据确权的合规性[20]。Naderi和Shojaei在建筑行业提出动态NFT模型，通过区块链技术实现数字孪生数据的透明确权与交易，为数据所有权管理提供了去中心化解决方案[21]，王燕则通过构建多期超额收益模型对数据资产进行估值定价，强调数据所有权不明确和隐私保护问题对市场化进程的制约[22]。罗玫等结合会计视角提出，数据资产的权属应基于数据资源的持有权、使用权和经营权，三者共同构成对数据经济利益的支配权，符合会计意义上的资产控制权要求[23]。黄世忠等进一步从商业模式角度分析，认为数据资产的权属需与商业场景紧密结合，通过明确数据资产的持有者、加工者和使用者角色，构建动态的确权框架[24]。同时，罗亚文从登记制度视角提出数据产权登记的“对抗主义”模式，区分登记标的与客体，强调全国统一登记平台对数据交易流通的促进作用[25]。王东初等针对工业数据场景，设计基于区块链的可信确权与价值流转框架，通过轻量化信任模型提升系统安全与效率，为解决多方参与下的权属争议提供了技术方案[26]。黄健强和符舒凡则从“三权分置”出发，提出基于数据物理形态的分类确权路径，为企业数据资产入表提供实践指导[27]。Manoury等基于Catena-X项目研究汽车产业链中数字孪生的数据主权管理，比较了三种所有权更新模式的适用场景，强调数据主权对循环经济的重要性[28]。
现有研究主要集中于数据流通的技术机制与价值评估，其权属讨论多围绕国家与个人维度展开，关注财产权缺失与产权管理等宏观议题，而对数据资产本身的权属信息结构及配置逻辑缺乏系统剖析。在微观企业层面，数据资产仍普遍面临权属模糊的困境，确权实践具有双重现实意义：其一，可优化企业财务结构，通过产权界定与价值量化提升资产估值；其二，有助于增强资本市场信用基础，缓解融资信息不对称，降低交易成本。然而，数据权属的界定涉及多维度复杂性，亟待构建动态确权框架，依托数据溯源与贡献度量化实现利益分配的动态平衡。随着AI时代数据资产复杂性及其动态演化特征的加剧，未来研究需深度融合数据流通规律与AI技术特性，系统阐释多主体交互中的权属配置机制，进而构建面向AI发展的适应性数据资产确权体系。
本文的边际贡献主要体现在以下两个方面：第一，通过历史维度的对比分析，提炼并论证了AI时代数据资产的确权需求。本文系统对比了前三次工业革命与AI时代数据资产在表现形式与流通过程上的本质差异，揭示了数据资产的积累性、非消耗性、强动态共享性等新特征。第二，通过多案例的交叉对比分析，构建并验证了一个分阶段的动态确权路径框架。本文摒弃了从单一权利主体或单一法律原则出发的简单化思路，而是遵循数据要素流通的生命周期，选取了覆盖从数据采集到终端使用全链条的五个典型案例。
3. AI时代数据资产的概念辨析及特征
《企业会计准则——基本准则》中对资产的定义是：资产是企业过去的交易或事项形成的、由企业拥有或控制的、预期会给企业带来经济利益的资源。
3.1. 数据资产概念辨析
1) 数据、数据资源与数据资产。资源反映的是客观存在的事物，具有天然属性，表现为对实物或数量方面的管理；资产是一种价值化储藏手段，具有经济属性，代表所有者在一段时期内通过持有或使用该实体所生产的一项或系列经济收益。数据是一项资源，数据资产是对于符合会计意义资产标准的数据资源的资产化。如图1所示，从泛在无序的符号、资料到数据资源，再从数据资料转变为数据资产，一般意义上的数据需要经过一定程度的采集、处理与存储之后才能转变数据资产，这种反复的处理与提纯过程也意味着，实际上仅有一小部分数据资源能够被确认为数据资产。
Figure 1. Relationship between data, data resources and data assets
图1. 数据、数据资源与数据资产关系
2) 数据资产与无形资产。数据作为资产予以确认与计量时，可归为无形资产的新型子类，其概念界定为：企业在生产经营过程中生成或通过外部渠道获取，且拥有所有权或实际控制权，预期能在特定期间为企业带来经济利益流入的数据资源。无论其规模大小、类型差异，凡满足上述标准的数据资源，均应认定为数据资产，并纳入会计计量与核算范畴。数据资产不等于无形资产，参考对比现有会计准则，数据资产在会计处理上可暂时归类为无形资产，但其特性决定了需要更特殊的权属安排。
数据资产不完全符合会计准则中对于“资产”及“无形资产”的定义，因此，数据资产目前体现在企业的财务报表上较少。但对于数据资产的确认和计量，从会计角度的讨论其实只是一个起点，这一研究议题更重要的价值指向还在于：如何从广义上认可数据的价值及其对企业价值的贡献。
3.2. AI时代数据资产特征
对数据资产进行确权的前提是明确数据资产的概念和特点，根据特征选择合适的计量属性，为数据资产后续的确认、计量与披露奠定基础。
“数据资产”一词于1974年由Peters提及，其概念由信息资源与数据资源的表述逐步演化而来，并伴随数据管理、数据应用及数字经济的发展得以广泛传播。如何对AI时代的数据资产进行特征总结，如表1所示，本文拟在现有的前三次工业革命中所出现的按现在定义可被确认为数据资产进行对比分析，得出AI时代数据资产的核心特征。
Table 1. Comparison of data assets across the first three industrial revolutions
表1. 前三次工业革命下数据资产对比
时期 |
表现形式 |
流通过程 |
第一次工业革命 (18世纪末到19世纪初) |
1) 手工记录的纸质账本 2) 工厂使用的简单统计表格、通过书面文件规定的分工与流程标准化文件 3) 市场与贸易记录等非系统性用于生产交易过程的数据资源 |
① 单一工厂内部通过纸质账本传递； ② 原料采购部门与生产部门通过定期会议交换库存和需求信息的跨部门流通； ③ 工厂与供应商、客户之间交换订单数据和市场信息的跨区域性信息传递； ④ 工人和技师通过手写技术手册如机器操作指南传递实践经验 |
第二次工业革命 (19世纪末到20世纪初) |
1) 工业化中的生产记录报告，市场与贸易数据 2) 科研与技术文档如实验室数据、专利文件和技术手册等 3) 企业财务与管理数据如成本核算表、工资发放记录等初步标准化用于工业化进程的数据资源 |
① 生产部门与采购部门通过书面报表或会议记录共享库存与需求信息的企业内部流通； ② 企业与供应商通过电报交换订单数据的跨企业流通； ③ 专利数据和工业标准通过国际博览会如1900年巴黎世博会和行业期刊传播的跨国技术转移 |
第三次工业革命 (20世纪四五十年代到21世纪初) |
1) 智能制造与生产数据如实时采集的机器运行参数，全球供应链管理系统中贸易数据 2) 能源与资源管理数据如碳排放记录、能源效率分析数据 3) 市场与用户交互数据如通过电子商务平台、社交媒体收集的数据 4) 科研与技术文档如数字化专利文件、开源代码库等 |
① 企业通过云端协同平台、工业互联网平台实现内部流通； ② 通过区块链技术实现供应商、制造商、物流商的订单数据共享实现跨企业流通； ③ 可再生能源发电数据通过智能电网跨国共享、全球开发者通过GitHub等平台共享代码与算法实现全球性流通 |
AI时代即工业4.0及之后的数据资产特征，既延续了前几次工业革命的技术演进逻辑，又在智能化、全球化、合规性等方面展现出显著差异。结合前三次工业革命的数据资产演变及搜索结果中的关键信息，AI时代的数据资产特征可总结如下：
1) 积累性与非消耗性。数据资产具备可复用与持续增值的特征，其价值在使用中不会产生实体损耗，反而在反复整合、分析与融合过程中得以累积与增强，展现出典型的积累性与非消耗性。
2) 价值可变性。数据资产的价值随其组合形态、算法选择与应用场景的变化而动态演化。同一数据在不同分析目标与处理路径下可呈现显著差异的价值表达，体现出多维情境依赖与价值重构性。
3) 虚拟性。数据资产以数字信息为本质，其价值独立于物理载体，呈现明显的虚拟性与非物质性。存储介质仅作为其存在条件，不构成价值内核。
4) 非排他性与强动态共享性。数据资产具有非排他使用特征，并可依托隐私计算、联邦学习等技术实现“可用不可见”的协同共享。AI技术进一步强化了多方动态协作能力，推动非排他性向协作型共享机制演进。
5) 强渗透性。数据资产通过高流动性与智能分析能力，能够深度融入各类生产要素与生产环节，实现跨系统、跨层级的渗透融合，赋能全链条智能化协同。
6) 弱依附性。AI生成合成数据的能力，降低了数据对特定主体或物理场景的依赖性。结合区块链等技术，数据资产的产生与流通趋向去中心化与自主化。
7) 动态实时性。边缘计算、流处理等技术推动数据从“存储后分析”转向“流中增值”，实现实时采集、即时分析与动态响应，极大提升了数据资产的时效价值与场景适应能力。
AI驱动的实时数据采集与处理技术如边缘计算通过将算力下沉至终端设备或边缘节点，实现了数据从“存储后分析”向“流动中增值”的范式转变。在智能制造场景中，传感器实时采集的生产数据经边缘AI模型即时分析，可动态调整设备参数，避免传统集中式云端处理的高延迟问题。这种实时性使数据资产的时效价值显著提升。
4. AI时代数据资产确权
数据资产确权的本质是通过法律和技术手段，明确数据的所有权、使用权、收益权等权利归属的过程，通过确权，数据可以作为一种无形资产进行交易、使用和管理，促进数字经济的健康发展。由于数据资源需要经过一定程度的采集、处理与存储之后才能转变数据资产，采集、处理与存储等均属于数据流通的一部分，本文基于此探讨数据流通视角下的数据资产确权路径。
4.1. 经济所有权与法定所有权相分离
数据资产确权的核心在于实现数据流通的效率与合规性之间的平衡。传统所有权理论强调权利的静态归属与排他性，难以适应数据在流通中的动态共享与价值衍生特性，基于用益物权理论与现代产权分割理论，本文提出将数据资产的法定所有权与经济所有权在流通中进行适度分离。法定所有权作为数据归属的根本依据，保障原始权利人的最终控制权与人格权益；经济所有权则作为数据流通中的权益配置机制，反映数据在不同阶段、不同主体间的使用、收益与经营权归属。
这一分离架构需建立于《民法典》物权编与合同编的基础上，并需与《个人信息保护法》《数据安全法》等形成制度衔接。同时，可通过智能合约与区块链存证等技术手段，将法律规则转化为可执行、可追溯的代码逻辑，实现相互协同的确权模式。
4.2. 经济所有权视角下AI时代数据资产确权的原则
1) 区分原始数据与衍生数据。原始数据是指数据流通过程中初次产生或源头收集的、未经加工处理的数据，经过加工处理后就成为拥有不同价值的衍生数据。原始数据的所有权必须数据原生主体，不管后续是何数据使用主体，衍生数据的权属则需要适配具体的使用场景。
2) 明确数据的流通过程。数据确权需厘清流通过程中的动态权属关系，该过程本质上是数据资源在供给方与需求方之间伴随价值传递与安全信任的交换转移，涉及所有权、经营权、使用权、收益权等的让渡，且前三种权利可相互分离。从市场流程看，数据要素流通主要包括如图2所示的原始数据产生与收集、数据处理与产品化、产品登记挂牌、试用交易、交付服务及最终使用等环节。实践中，以数据主体是否改变为标准划分，更有利于明晰权利归属。完整追踪数据流转路径，方能依据流通中的行为痕迹、协议约定及合规要求，界定各主体权益，构建可验证的确权体系，为后续交易与合规审计提供基础。
Figure 2. Data flow process
图2. 数据流通过程
3) 基于AI数据生命周期的差异化确权规则构建。AI时代数据资产形态多元，包括训练数据、推理数据、模型权重及生成式输出等，不同形态在权利变动节点与归属逻辑上差异显著，传统单一确权模式难以应对其复杂性，亟需依据AI生命周期构建阶段适配的差异化确权框架。具体而言：训练数据阶段，原始数据主体保留法定所有权，数据处理者基于合法授权与技术投入获得对训练数据集的经济所有权，包括使用权与有限处分权；模型权重作为算法对数据的抽象表达，经济所有权一般归属于开发者，但若训练数据涉及人格或版权内容，原始权利人仍可依法主张署名、收益共享等权益，形成“数据–算法–权益”的链式归属结构；推理数据与生成式输出阶段，其权属则需结合主体参与程度、控制机制与生成过程动态判断，实现多方权责与收益的合理协调。
4.3. AI时代下数据资产确权方式
数据资产本质上是数据经过加工和利用形成的资产形态。本文认为，在AI时代多维度信息共享的背景下，数据资产已呈现出高度多元化特征，其标准化程度不足、体系分散的现实问题，导致难以构建普适性评判标准。因此，确权需回归数据本源，聚焦数据动态流通过程中的核心属性，即以数据主体的权属状态是否发生实质性变更作为界定依据。
为系统构建并验证AI时代数据资产的确权路径，本研究采用以案例分析法为核心，并辅以对比分析法的质性研究策略，具体研究方法设计如下：
首先，在案例分析法方面，本研究选取了五个典型案例进行深入剖析。案例的选择基于以下三重标准。
1) 是否覆盖数据流通关键环节。确保所选案例共同覆盖数据从“原始数据产生与收集”、“数据处理与产品化”、“数据产品登记与挂牌”、“数据产品试用与交易”到“数据交付与使用”的全链条核心环节，从而能够完整地观察权属在不同阶段的动态变化。
2) 是否体现AI时代技术特征。优先选择在数据处理与流通中广泛应用人工智能、边缘计算、区块链等前沿技术的企业实践，以确保研究结论的时代适配性。
3) 是否兼顾主体与场景多样性。案例主体涵盖了科技公司、传统制造业、金融机构及公共部门，确保了研究发现在不同产权主体与业务场景下的解释力。
同时本研究案例的数据来源主要为各类公开资料，包括但不限于：1) 企业官方发布的公开报告；2) 政府数据交易所公示的合规数据产品信息；3) 权威媒体对相关企业数据实践的深度报道。通过对上述多源信息进行交叉验证，确保了案例信息的准确性与可靠性。
基于现有案例分析与对现有确权现状的思考，得出如图3所示的确权路径图，所有权始终以原始数据主体为起点，但通过加工和交易部分或全部转移。使用权遵循协议约定，随阶段演进从有限授权扩展至完全自主。经营权在加工后激活，流通阶段分化，最终通过技术手段与合同约束实现多方利益平衡。
Figure 3. Integration of data rights establishment pathways across different circulation scenarios
图3. 不同流通场景下数据确权路径整合
纵观数据要素流通的全流程，权属界定的本质在于建立风险与收益的动态匹配机制。无论是原始数据主体的初始权利主张，还是加工方对增值价值的合理获取，亦或是交易双方对使用边界的共识，均需通过技术赋能下的透明规则予以实现，当前，随着智能合约与隐私计算技术的发展，数据资产的权属管理正从静态的“所有权争夺”转向动态的“用益权配置”。这种转变不仅呼应了数据要素市场化配置的内在需求，更为构建兼顾效率与公平的数字经济生态提供了制度锚点。
对数据资产进行确权能有效保护数据生产者、收集者和使用者的合法权益。其次，明确的权属关系可以降低数据交易的法律风险，促进数据的合法流通和使用。此外，确权后的数据可以作为资产进行估值、交易和融资，充分发挥数据的经济价值。最后，数据确权为企业和组织的数据治理提供了基础，有助于建立规范的数据管理制度。数据确权是一项复杂而系统的工作，需要企业从战略高度予以重视，投入必要的资源，建立长效机制。通过有效的数据确权，企业不仅可以防范法律风险，更能够充分发挥数据资产的价值，在数字经济时代赢得竞争优势。
5. 结论与展望
随着人工智能技术的快速发展，数据已成为驱动数字经济发展的核心生产要素。本文基于数据流通视角，系统分析了AI时代数据资产的积累性、非消耗性、动态共享性等特征，揭示了传统物权法在应对数据权属模糊性上的不足，并提出动态确权框架的必要性。研究指出，从原始数据收集、加工产品化到市场化流通的全流程中，数据权属需根据风险承担与收益归属动态调整，通过技术赋能与制度创新平衡各方权益。当前，数据确权仍面临权属争议、法律缺位等挑战，亟需结合区块链存证、智能合约等技术手段，构建透明可追溯的确权体系，同时完善数据产权归属、交易规则与利益分配机制。未来，建立高效、公平的数据确权制度，将有效释放数据要素价值，降低流通风险，推动数字经济与实体经济深度融合，为全球数字经济的可持续发展奠定坚实基础。
基金项目
本研究为江苏省大学生创新训练计划项目成果(项目编号：S202510299012)。