数据证券化爆发：“路还没完全修平，车已批量上路”｜首席访谈⑲

数据资产金融化正获得政策和市场的双重加持。

2026年4月27日，国家数据局发布2026年课题委托研究征集公告，将“数据资产化态势跟踪及支持政策研究”单列，剑指数据资产入表、质押融资和证券化等深水区，并着手构筑监测指标体系。

事实上，随着“数据资产入表”政策深化和人工智能对高质量数据集需求的爆发，数据资产化乃至金融化已爆发式扩容。Wind数据显示，截至2026年4月中旬，沪深交易所年内申报的数据资产支持证券项目达103单，总规模突破2114亿元大关，其中44单已获受理。仅一季度受理量便超越2025年全年水平，年内落地发行规模（63亿元）亦大幅赶超2025年的总盘子。  

这一演进速度，似已远超两年前的情形。2024年3月，全国政协委员赵柏基在接受南方周末新金融研究中心调研时曾指出，数据作为“新质生产要素”，受制于估值标准不一、规则割裂，市场仍处于初级阶段。（详见《全国政协委员赵柏基：数据流通交易市场亟待一体化》 ）。然而，当数据开始被批量装进融资产品，承载风险与收益的底层资产，投资者所见的产品到底是数据本身的使用价值，还是披着一层数据外衣的信贷化产品？数据证券化初现繁荣的背后，隐藏着怎样的风险？南方周末新金融研究中心研究员围绕相关话题专访清华大学经管学院党委副书记、区块链金融研究中心主任高峰教授，试图从数据要素的经济学属性与治理框架中寻求解答。高峰教授长期研究数据要素，承担国家重点研发计划项目子课题“征信大数据确权与交易模式研究”。

高峰称，严格来讲，现在市场上的主流产品并非成熟意义上的“数据收益权证券化”，而是更接近披着数据外衣的信贷资产证券化。他认为，数据真正的价值，恰恰与交易次数、质押比例无关。他更担心的问题在于，路还没完全修平，车已经开始批量上路了。从数据流通到数据证券化，并不是一个自然而然、顺理成章的线性升级。中间缺少的，可能不是更多的交易，也不是更高的估值，而是一种更强的使用价值证明、更清晰的价格形成机制，以及一套更能分辨“到底是数据在赚钱，还是信用在借壳”的制度能力。如果这些问题迟迟得不到回答，眼下这场快跑，最后留下来的未必是一个更成熟的数据要素市场，可能只是一轮被“数据”二字装点过的金融热潮。

清华大学经济管理学院金融系教授高峰。（受访者供图）

数据只是外衣

南方周末：2026年以来，数据资产支持证券申报和发行明显提速。在当前政策环境下，应如何看待这个速度？

高峰：速度本身当然值得关注，但我更想先厘清两个概念：市场的热度和市场的健康度。两者并不总是同步。

今年以来，政策层面对数据要素市场化配置的推动明显加快，场景建设、流通服务机构培育、数据价值释放，都被提到了更靠前的位置。这一背景下，数据资产支持证券迅速放量，算不上意外。对金融机构而言，首单路径一经验证，接下来最自然的动作就是复制。

但数字自身说明不了全部问题。真正需要追问的是，这两千多亿元背后，有多少是数据作为“生息资产”在独立创造现金流，又有多少只是把数据当成一种新的信用抵押品，嵌入既有融资链条。

如果后者占了大多数，那我们今天看到的，首先是金融体系对新题材的吸纳能力，还不能等同于数据要素市场已经成熟。热度可以靠政策窗口、机构意志和产品创新快速催生，但健康度最终还是要靠标准化确权、公允估值、稳定现金流，以及真实场景中的持续使用来支撑。

南方周末：也就是说，重点不是规模本身，而是到底证券化了什么？

高峰：对。要讨论热度，先得看清它究竟证券化了什么。

如果以已发行项目为样本来看，目前底层资产结构已经相当清楚：信托贷款债权是绝对主流，真正以数据收益权为底层的产品占比不足5%。这意味着，眼下已经落地的这批产品，底层的大头仍然是企业以数据质押获取贷款后形成的债权，而不是数据本身在场景中持续创造的经营性收入。

换句话说，投资者表面上看到的是“数据资产”，但很多时候，真正承担偿付责任的仍是企业的主体信用、担保安排，以及贷款本身的回收能力。严格来讲，若按这一已发行样本结构判断，当前市场上的主流产品更接近“数据参与增信”的融资产品，而不是成熟意义上的“数据收益权证券化”。

数据资产现金流更不稳定

南方周末：你刚才提到“真实场景中的实际使用”，具体指什么？

高峰：指的是数据作为生产要素，真正进入生产场景，解决实际问题，并持续形成价值。

现在很多数据资产支持证券的逻辑，是企业先把数据“押”给金融机构，再把贷款债权证券化。这个链条里，数据被“使用”的场所，主要集中在风控审批和融资增信环节，而非业务运营和价值创造环节。也就是说，它发挥的是金融功能，产业功能基本缺席。

说得再直白一点，交换价值和使用价值，这两者之间有一道很深的鸿沟。

数据真正的价值，恰恰与交易次数、质押比例无关。关键在于它能不能进入合适的场景，被合适的人、以合适的方式真正用起来。同一份消费者行为数据，对精准营销企业可能价值很高，对一家物流公司可能几乎没有意义。数据的价值高度依赖场景。也正因为如此，当我们把数据打包成融资产品在市场上流通，实际上是在给一个“场景依赖型”的资产贴上一个更像“普遍适用”的价格标签，这本身就存在问题。

这两年，政策其实也一直朝着这个方向在引导：从可信数据空间，到“数据要素×”行动，再到公共数据“跑起来”示范场景，背后的核心意图都不是再包装一遍数据，而是让它落地应用、形成效益。

南方周末：但资本市场的逻辑很直接，只要有现金流，就可以证券化。

高峰：现金流也要分来源。

传统资产证券化之所以成立，是因为底层现金流的来路比较清楚：房贷对应按揭回款，租赁对应租金，收费收益权对应相对稳定的经营收入。它们的共同点是，现金流有合同基础、有时间表，预测边界也相对清晰。

更接近本源的数据资产证券化，底层现金流应来自数据使用价值本身，比如授权费、接口调用收入、数据服务费，或者基于特定模型、算法和服务能力形成的持续经营收入。只有这类收入，才更贴合“数据收益权”这个概念。麻烦在于，这类现金流通常比传统资产更不稳定——数据会衰减，会被替代，也会随着技术路线和监管边界的变化而迅速重估。正因如此，真正的数据收益权证券化，比外界想象的更难。

数据估值存在路径依赖

南方周末：赵柏基前年谈过，一体化市场还处于初级阶段，估值标准可比性不足，入表和融资都有现实堵点。此类偏基础设施的问题如今为何更加重要？

高峰：因为市场的阶段变了。现在这些问题不再只是“市场建设不完善”的表现，而是正在成为“市场匹配效率低下”的症结。

起步阶段，这些问题看起来像成长的烦恼：规则不统一，估值不成熟，授权链路不够清晰，融资和处置机制还在摸索。人们会觉得，这是任何一个新市场都会经历的过程。

但当市场开始批量申报、批量受理、批量发行的时候，这些问题就不再是“以后慢慢解决”的长期议题了，它们会径直进入产品风险识别、信用判断和市场定价。

举一个最简单的例子。如果估值体系之间缺乏可比性，不同平台、不同机构对同一类数据的估值逻辑相差悬殊，投资者如何理解同类产品之间的底层质量？如果授权链路依然模糊，数据的合法性、稳定性、持续性该怎么验证？银行和金融机构过去就对数据授权、动态监控、质押物处置存有顾虑，到了证券化层面，这些问题不会自动消失，只会以更复杂的方式向市场传导。

南方周末：所以眼下最大的障碍其实不只是“估值难”？

高峰：对。但这里需要做一个关键的区分。

很多人说数据估值难，其实说的是：面对一堆权属不清、场景不明的数据资产，非要给它拍一个可用于入表或融资的“价格”。这个当然难，而且会一直难下去。

但如果把问题换一下：在一家保险公司用某类气象数据优化农险定价这个具体场景里，判断这批数据能贡献多少新增利润。这个并没有那么难。只要场景明确、用途清晰，数据的价值贡献是可以估算的，对应的收益现金流也能算出来。

所以真正的问题不是“数据估不了值”，而是有太多参与者，不愿意去做匹配场景这个更费力的事。他们想绕开“这批数据到底能解决谁的什么问题”这个前置环节，直接跳到“这批数据值多少钱、能不能拿来融资”。这不是技术难题，这是路径上的懒惰。

真正的病灶是数据没有场景化使用

南方周末： 这就意味着，传统的“先确权、再估值、再挂牌、再融资”这条路径，对数据来说可能走不通？

高峰： 至少是不完全适用。因为传统价格机制用在数据这种资产上，本来就不太灵。

土地、能源、矿产、机器，这些东西大多具有较强的竞争性和稀缺性，你多用一点儿，我能用的就少一点儿，所以它们更容易围绕供需形成价格。数据不一样。数据有明显的非竞争性，我调用它，不妨碍你也调用它；它的价值又高度依赖场景匹配，不同场景、不同主体、不同算法之下，同一份数据，价值可能差异巨大。一旦过度强调“排他性”和“统一价格”，反而可能忽略数据真正的价值来源：不是它归谁所有，而是它能不能被真正用起来。

所以我的判断是，对于数据市场发展而言，定价是问题，但更优先、更根本的问题是促进数据供需双方的匹配，促进数据的场景化使用。而现实的障碍是：太多人把匹配场景当成一件麻烦的苦差事，只想越过它，直接拿到一个估值结果去变现。这条路恰恰走反了。只有把顺序调回来：先找到场景，让数据在具体业务里跑起来，证明它能创造真实的经济收益，估值才会从一门玄学变成一门算术。在那个节点上再谈入表、融资、证券化，才是有根之木。

南方周末：但赵柏基前年也提到，估值标准不统一，本身就在影响一体化市场建设？

高峰：这个判断当时是对的，今天回头看，它依然是对症状的精准描述。但我们要深问一层：为什么估值标准就是统一不起来？

当时的思路是沿着传统资产的逻辑往下走：既然要建一体化市场，就得有可比的估值标准。这个方向没有错，就像说要通车就得把路修平。但几年过去了，标准建设投入了大量精力，顶层设计、评估规范、试点指引都没少做，为什么市场还在喊不可比？关键就在于，我们以为自己在修标准不统一这条路，但实际上是在一片场景真空上强行画车道线。

当数据价值没有经过具体场景的验证，没有产生可观察、可审计的收益流，估值结果自然千差万别。这是缺乏共同锚点的必然结果。所以说“标准不统一影响一体化市场建设”，我完全同意。标准不统一是病症，真正的病灶是数据没有进入场景、供需没有实现匹配。当数据开始在具体场景里产生可核算的经济收益，估值的锚点自然就浮现了。那个时候再谈标准统一，就不是顶层设计对着一片真空喊话，而是对已有实践的归纳和提炼。

所以回看最开始的问题：为什么当年那些基础设施问题如今更加重要？不是因为市场建设还没完工，而是因为批量扩量之后，市场对匹配效率的要求骤然提高了。那些老问题本质上都是因为没有为数据匹配合适的使用场景。路平不平当然重要，但我现在更担心的问题是：路还没完全修平，路线也还没确定，车已经开始批量上路了。

数据空转会导向更深的后果

南方周末：这轮热潮最值得警惕的是什么？

高峰：我不太想轻易用“泡沫”这个词，它太容易把问题标签化。我真正担心的，是一种更隐蔽的现象：数据在多个主体之间被反复登记、评估、挂牌、质押、融资、再打包，交易看起来很活跃，规模很大，但它始终没有进入实际的生产环节，没有形成可持续的经济增量。

这样一种“数据空转”，表面上比传统投机更体面，也更容易披着创新的外衣。风险未必会以很戏剧化的方式爆发，但它会导向一个更深的后果：资金会更容易流向那些擅长做结构、做包装、做交易的环节，而不是流向真正把数据嵌入业务场景、形成生产力的地方。

进一步说，当数据资产只是作为一个“好看的壳”去包装信贷、扩大资产负债表，而底层生产性活动并没有增加时，资源错配和风险堆积就会被一起放大。

南方周末：那什么样的产品，才算真正站得住？

高峰：我觉得第一步不是创新，而是“正名”。

现在市场上很多产品都被笼统地称为“数据资产支持证券”，但如果底层实际是数据资产质押贷款债权，更准确的叫法就应该把这一点写清楚。名称一模糊，本身就会带来定价模型的错配和市场预期的扭曲。投资者以为自己买的是数据要素市场的未来红利，实际到手的，很可能是一笔高度依赖主体信用和担保安排的信贷资产。

我理解，“数据收益权证券化”的基础资产不应是“数据被押在那里”的状态，而是数据与特定算法、模型、服务绑定之后，真正产生的持续现金流。换句话说，它靠“数据有没有持续被使用”来站住，而不是靠“谁来兜底”。

只有当市场上出现了不依赖外部强担保、主要靠数据服务收入就能覆盖本息的产品，我们才可以说，数据资产证券化真正从“借壳融资”走向了“价值证券化”。在这之前，对这个市场保持一点善意的警惕，不是唱空，而是提醒它别跑得太快、跑得太轻易。

南方周末：如果把这一轮放量放在更长的时间轴里看，你觉得最大的提醒是什么？

高峰：最大的提醒在于，从数据流通到数据证券化，并不是一个自然而然、顺理成章的线性升级。中间缺少的，可能不是更多的交易，也不是更高的估值，而是一种更强的使用价值证明、更清晰的价格形成机制，以及一套更能分辨“到底是数据在赚钱，还是信用在借壳”的制度能力。

如果这些问题迟迟得不到回答，眼下这场快跑，最后留下来的未必是一个更成熟的数据要素市场，可能只是一轮被“数据”二字装点过的金融热潮。换个角度看，如果这轮热度反而倒逼各方把问题回答清楚，那它未必没有积极意义。它至少把一个原本可以继续停留在概念层面的讨论，提前推到了现实面前。当下关于数据资产的讨论，核心已经变成：到底在做什么，又该怎么做。