-
数据可信流通障碍是制约数据要素市场化配置的关键瓶颈。为破解这一难题,国家数据局于2024年发布《可信数据空间发展行动计划(2024−2028年)》,将可信数据空间界定为“基于共识规则,联接多方主体,实现数据资源共享共用的一种数据流通利用基础设施”,并明确其“数据要素价值共创的应用生态”和“支撑构建全国一体化数据市场的重要载体”的战略定位。
1 根据《可信数据空间创新发展报告(2025)》,我国可信数据空间在政务、金融、工业互联网等领域已形成一批示范试点。2 其运行实践表明,可信数据空间并非传统意义上撮合供需的交易平台,而是承载数据汇聚、开发、交易和收益分配等多重功能的制度化基础设施(苏宇和卢怡,2024),呈现多主体价值共创下的新型数据交易生态模式(夏义堃等,2024)。在其数据生态中,数据供给方(供数方)、数据加工使用方(用数方)、数据服务商(中介方)、空间运营方(运营方)及数据产品需求方(需求方)等多方主体围绕数据供需匹配和场景化开发,形成具有强交叉网络外部性的多边市场生态结构。然而,可信数据空间承载的数据要素多边市场仍处于探索阶段。我国可信数据空间实践普遍面临多元主体参与动能不足、交易规模有限等问题,这使得多边市场尚未形成规范定价机制。从经济属性来看,数据具有非竞争性和可复用性特征,前期的采集、治理和基础设施建设易产生高昂固定成本,而边际复制成本趋近于零(Jones和Tonetti,2020)。在缺乏历史交易参考和稳定现金流预期的情况下,基于边际成本或成本加成的传统定价逻辑难以为供需双方提供准确可靠的价格信号(Arrow,1972;李三希等,2024)。从市场结构来看,数据要素交易高度依赖正向网络外部性。只有当供数方、用数方和中介方均达到一定规模时,数据质量、算法性能和应用场景才能协同增效,否则容易陷入负向网络外部性与低活跃度的冷启动困境(Katz和Shapiro,1985;Sánchez-Cartas和León,2021),需要外部干预打破僵局(Parker和Van Alstyne,2005)。上述情况使得可信数据空间下的多边市场天然呈现出从冷启动期向有序期演化的阶段性特征:前者的定价目标应侧重于激活多方主体参与、覆盖基础成本,后者的定价目标则应转向提升定价效率与公允性。由此,分阶段构建与多边市场演化相匹配的定价机制,成为可信数据空间发挥全国一体化数据市场重要载体功能的关键切入点。
现有研究从不同角度探讨了数据要素定价机制和可信数据空间下的市场运行,但仍难以解释这一新型场景下分阶段定价的内在逻辑。从数据空间制度研究来看,现有成果多基于欧洲在工业互联网、制造业和智慧城市等领域的实践,聚焦国际数据空间的架构设计与治理模式(Curry等,2019;Otto和Jarke,2019),回答“空间如何搭建、规则如何约束”等问题,较少讨论空间中多方主体的交易定价问题。从数据交易定价研究来看,一部分沿用成本法、收益法等基础估值思路,另一部分则基于博弈论和合约理论的微观视角,面向双边或多边主体设计最优定价与激励契约(Bhargava等,2020;Xiao等,2020)。这些研究普遍预设市场已相对活跃,忽视了冷启动期激活市场和有序期提升效率的定价目标差异。而双边(或多边)平台定价研究虽然揭示了交叉网络外部性以及两部收费、交叉补贴等原理(Rochet和Tirole,2006;Mclntyre和Srinivasan,2017;Majumdar等,2025),但研究对象多为商业平台中交易权属可分割的商品或服务,难以直接适用于数据空间“服务即商品”的特征。因此,已有研究均未回答在可信数据空间这一多边市场中,如何在冷启动期通过定价机制激活多方主体参与,以及如何在有序期构建兼顾多主体利益与公允价值逻辑的定价体系。
为回答上述问题,本文立足于真实世界中可信数据空间的交易活动,将数据要素市场界定为由供数方、用数方、运营方、中介方和需求方五类主体构成的多边市场,构建“冷启动期−有序期”的两阶段发展框架以及相应的定价机制,为可信数据空间的交易定价机制提供了理论基础。
本文的学术贡献主要体现在以下三个方面:第一,在可信数据空间真实交易场景下,首次界定数据要素多边市场的交易主体、交易客体和市场“冷启动期−有序期”的两阶段特征;第二,提出以成本补偿为核心、兼顾交叉补贴的冷启动期非对称定价机制,破解多边市场启动困境;第三,提出基于成本法、市场法和收益分成的有序期公允定价模式,以提升数据要素市场化配置效率。
-
数据空间(Dataspace)概念由富兰克林等美国学者最早提出(Franklin等,2005),是一种弱集成、价值导向的数据共存技术范式,强调在不预设统一模式与语义的前提下,通过“按需(pay-as-you-go)”方式实现多源异构数据的统一访问与管理。在该技术概念框架下,后续研究进一步基于产业实践共识,将数据空间界定为一种基于共同规则、支持数据共享与交换的去中心化基础设施,旨在支撑多主体间可信可控的数据协作(Nagel等,2021)。以德国汽车行业Catena-X为代表的数据空间实践表明,该模式能够在供应链网络中构建跨主体的可信数据链,并支持制造业生态的深度协同(Otto,2022)。在更宏观层面,欧盟已布局涵盖“共同数据空间−行业数据空间−测试床”的多层级数据空间体系,以支撑欧洲统一数字市场建设(钱锦琳等,2025)。
国内相关政策已将数据空间进一步明确为可信数据空间,这一转变体现出我国在数据空间建设中对安全可信的重视。2021年,工业和信息化部印发《“十四五”大数据产业发展规划》,提出“率先在工业等领域建设安全可信的数据共享空间,形成供需精准对接、及时响应的数据共享机制”。
3 基于技术与制度的二元视角,有学者认为可信数据空间是多种安全技术融合而成的可信技术生态,由主体可信、行为合规、行业标准建构的可信制度体系共同组成(包晓丽,2024)。在实践应用层面,我国在数据空间领域的探索虽起步不久,但相关政策体系已初步构建,应用布局亦初步成型。《可信数据空间发展行动计划(2024−2028年)》明确提出“到2028年,可信数据空间运营、技术、生态、标准、安全等体系取得突破,建成100个以上可信数据空间,形成一批数据空间解决方案和最佳实践”。
4 在政策支持下,我国可信数据空间正从概念验证迈向实践落地阶段。根据《可信数据空间创新发展报告(2025)》,2025年,国家数据局首批推出63个创新发展试点,覆盖900余项应用场景,在能源、医疗等重点行业形成可复制的创新实践。5 例如,南方电网构建的能源行业可信数据空间,贯通“源−网−荷−储”全链条数据,实现跨域协同调度;江苏数据集团打造的医疗行业可信数据空间,连接医保、医疗与医药机构,实现全流程数据治理与共享。 -
可信数据空间作为实现安全可信数据共享的去中心化平台,本质上构建了一个由多类主体共同参与的多边数据生态(Otto和Jarke,2019)。这使得可信数据空间不仅在技术上是安全可信的数据基础设施,在制度上也能成为数据要素市场化的重要载体和交易场所,实现跨主体的数据协作、能力集成与价值共创。
基于平台经济学视角,传统双边平台通常作为中介,连接两类用户群体,例如在特定领域中撮合买方与卖方(Hagiu,2009)。相比之下,多边平台(Multi-sided Platform)汇聚多个互补的用户群体,由平台所有者提供关键性的基础能力,其他参与者则基于该平台提供附加性服务,共同构建平台生态(de Reuver等,2018)。这一特征与可信数据空间的运行模式一致。在可信数据空间中,平台建设方通过制定章程与使用规则,明确数据供给方、数据需求方、治理主体、技术服务提供者等多类行为主体的权利、义务与责任边界,形成覆盖多元主体的治理政策体系,并为多边互动与协作提供制度基础(Otto和Jarke,2019)。区别于仅在数据提供者与使用者之间进行撮合的传统数据中介,可信数据空间运行于更复杂的多边结构之中:不仅需实现供需双方的匹配,还需依托机制设计,激发多方参与者之间的交叉互补性与网络外部性,从而提升数据共享的规模、质量与效率(Möller等,2024)。
然而,已有研究对可信数据空间的多边平台属性及作用鲜有关注。多数文献仍基于双边平台理论,对数据要素交易平台在供需匹配效率、跨边网络外部性等方面的优势展开具体分析(杨东和高清纯,2023)。可信数据空间作为多边平台,其安全可信属性本身能够在数据交易过程中降低搜索、谈判与合规成本,并在统一的平台架构中将多元外部性内部化,从而在价值协同与生态构建方面搭建超越双边平台的制度优势。吴江等(2024)从多边平台视角分析了数据要素的多边交易模式及框架,认为当前数据要素多边交易生态的核心挑战在于如何促进交易主体有效连接互动及确保交易高效可信。事实上,这些问题正是可信数据空间试图解决的,也是其作为多边平台发挥独特功能的关键。
-
可信数据空间的建设旨在推动数据要素在多主体间实现安全可信的有序流通。在此过程中,合理的定价机制是其能否形成可持续运行能力和价值闭环的关键。已有研究主要着眼于技术架构设计(Kalogeropoulos等,2023)、制度信任构建(包晓丽,2024)及运营模式分析(夏义堃等,2024)等领域,而对基于可信数据空间的数据交易如何定价、采用何种价格形成机制等问题讨论较少,使得可信数据空间作为数据要素市场基础设施的制度功能未能充分显现。
现有研究并未解释可信数据空间的交易特征。首先,数据交易不同于传统生产要素交易,存在经典的“信息悖论”:为保护数据资产价值,供给方在交易前通常不会完全展示数据内容,这导致需求方难以判断其真实效用(熊巧琴和汤珂,2021)。因此,已有研究普遍在强信息不对称假设下展开讨论(Yu和Zhang,2017;Xing和Wang,2024;林娟娟等,2025),通过信号设计、质量筛选或机制设计等方法,缓解买卖双方的信息差。然而,在可信数据空间中,隐私计算、可验证计算、智能合约等技术显著降低了信息不对称程度,使得传统定价方法的前提条件与理论假设不再完全适用,需要重新审视数据质量评估、价值评估与风险定价的逻辑。
其次,从市场结构看,可信数据空间作为典型的多方平台,具有从冷启动期向有序期演化的生态特征。依据耗散结构理论,在远离平衡态的开放系统中,通过与外界持续交换物质、能量与信息,系统可在适当条件下从无序状态转变为有序状态(Prigogine,1987)。可信数据空间下的数据多边市场是典型的耗散结构系统,在外部制度激励和网络效应的积累下,市场作为一个开放系统,由主体活跃度低的冷启动状态突破相变阈值,演变为交易稳定的有序期状态。已有研究指出,多方平台在发展过程中通常经历从技术创新驱动的早期阶段迈向规模化成熟期的动态演化路径(Henfridsson和Bygstad,2013;Tan等,2015)。在可信数据空间下,冷启动期具有多方主体活跃度不足、网络外部性难以内化和价格信号难以有效生成的特征;而进入有序期后,随着制度信任与技术协同的强化,交易规则趋于稳定,平台内部价格发现机制形成。因此,需要开展分阶段、差异化的定价机制设计。然而,已有数据定价研究大多直接以成熟平台为前提,主要围绕垄断或差异化竞争条件下的定价机制与社会福利最大化展开讨论(Prüfer和 Schottmüller,2021;席轩和张玉林,2024)。这种以“稳态市场”为基础的分析框架难以揭示定价方法在平台不同发展阶段的适配逻辑,也无法满足可信数据空间从冷启动期迈向有序期的差异化定价需求。
总体而言,已有研究对可信数据空间的理解仍存在以下不足:一是大多停留在双边平台视角,忽视可信数据空间中多方主体参与带来的多边交互与外部性内部化机制;二是仍以强信息不对称假设为前提讨论数据定价,这与可信数据空间通过隐私计算、可验证计算等方式显著缓解信息不对称的特性不相符;三是普遍基于平台成熟期的稳态市场假设讨论价格形成,缺乏对可信数据空间从冷启动期至有序运行阶段的动态定价机制研究。本文基于可信数据空间的多边交易结构与安全可信的交易特征,重点探讨其多边市场从冷启动期向有序期演化的市场特征与定价机制。
-
本文以中国联通开发并在杭州数据要素运营中心落地的“可信数据资源空间”为基础,设计可信数据空间交易机制。
6 可信数据空间可采用“四层四域”功能体系(见图1),用于多方主体下的可信数据资源开发利用与流通交易,致力于实现“流通即合规、交易即确权”的治理目标。因此,可信数据空间本质上构建了汇聚多元主体的多边数据平台(Otto和Jarke,2019),围绕场景化的数据需求促使各方主体协同开发数据产品以形成应用生态,进而在数据要素市场中形成价值共创型的多边市场结构。与传统双边市场仅连接供需两方不同,多边市场通过平台基础设施同时服务并连接多个相互依存的主体(Rochet和Tirole,2006;Sánchez-Cartas和León,2021),通过激发主体间的交叉网络效应,促进数据生态繁荣。因此,可信数据空间的交易机制需有效激励各方主体参与,以实现生态系统价值最大化。 -
可信数据空间构建了一个由五类直接参与主体构成的复杂生态系统,包括数据供给方、数据加工使用方、空间运营方、数据服务商和数据产品需求方。在可信数据空间下,多方主体在数据资源的汇聚开发、价值转化与收益分配中紧密协同,任何一类主体的规模、活跃度或质量都将通过交叉网络效应直接影响整个平台的价值。
数据供给方(供数方)是数据资源的提供者,包括公共数据运营部门、企业等。其核心职能在于完成数据确权与质量校验,并按共识规则将标准化数据资源接入空间。供数方的数据流通意愿与合规程度将直接影响平台的数据资源供给能力。因此,供数方是冷启动阶段生态建立的基础力量。
数据加工使用方(用数方)通常包括人工智能企业、数据科技企业、金融机构等。其职责是利用数据空间提供的工具与流程,将原始数据转化为具备商业价值的数据产品或服务。用数方的开发效率与产品质量直接决定数据产品与服务的市场价值。
空间运营方(运营方)作为空间的基础设施建设者与交易规则制定者,承担底层架构设计、交易流程组织与全链路风险管控等职责。在统一的计费体系、供需匹配机制与合规审查流程中,运营方是协调多方主体利益、维持生态秩序的制度性中枢。
数据服务商(中介方)作为第三方中介机构,为数据产品交易提供确权、审计、标注、安全合规等专业服务,是保障数据可信流通的技术支持方,也可承担合规鉴证职能。其服务嵌入可信数据空间后,有助于降低多方协作的交易成本,提升市场效率。
数据产品需求方(需求方)涵盖政务部门、企业和个人等,作为可信数据空间的收益贡献者,通过交易平台购买数据产品或服务以满足业务需求。其支付意愿与效用函数直接构成价格机制的约束条件与市场均衡的微观基础。
-
可信数据空间中的交易客体,根据其形态与价值特征,可分为数据集、数据产品和数据服务。其交易本质均为特定权利组合的转移,表现为基于“数据资源持有权、数据加工使用权、数据产品经营权”的数据提供、融合开发与信息服务,并在合同中明确范围、期限、用途等限制条款,以支撑和满足多边市场下不同主体的需求。
数据集是指为特定目的而持有,由元数据、主数据、参考数据及数据关系构成,具备可拆分、可融合、可衍生特征的数据集合。在可信数据空间下,数据集交易的核心标的是数据资源持有权或数据加工使用权,通常以数据包或标准化接口的形式交付。在授权使用模式下,供数方转移的是特定范围和期限内的加工使用权;在产权转让模式下,供数方可长期或永久性让渡数据资源持有权。
数据产品是基于一个或多个数据集,经深度加工、封装后形成的具备明确边界、可计量、可交付、可交易的数据资产,表现为报表、指标、算法模型、应用软件等多种形态。在可信数据空间下,若数据产品由用数方开发,其交易前提为已从供数方获得数据集的合法加工使用权。因此,在数据产品交易中,必须清晰界定并披露数据原材料的权属及衍生品权属。
数据服务作为一种以能力提供为基础的交易模式,依托数据集或数据产品,通过应用程序编程接口(API)调用、分析报告、模型运算、定制化解决方案等方式提供服务。数据服务的常见模式包括数据采集、数据标注、数据加工、数据分析、联合解决方案等。
-
可信数据空间下的数据要素多边市场在冷启动期存在主体活跃度低、正外部性难以内化等特征。用户使用平台交易获得的收益或效用,会随另一边用户数量的增长而提高(Armstrong,2006),但在冷启动阶段往往难以形成足够的网络规模来触发跨边网络外部性。在此背景下,多边市场的最优定价原则是优先补贴外部性难以内化的一侧,通过策略性、非市场化的补贴机制激发市场活跃度(Tan和Zhou,2021)。因此,在可信数据空间的冷启动期,定价机制应基于外部性内部化逻辑,通过对关键参与方的成本补贴,打破初始低活跃度均衡,促成网络外部性并培育市场生态。
-
冷启动期是数据要素市场由无序向有序相变的初始阶段,其特征表现为现象层、机制层、行为层和结果层四个维度。
-
此阶段的显著特征在于多方主体同时表现出低活跃度。在价值实现侧,受限于缺乏可验证的历史数据支持,需求方难以量化订阅数据集、购买数据产品和数据服务所带来的经济收益增量,导致价值认知不足,支付意愿低于开发成本。在价值创造侧,一是数据治理难、成本高,且数据可复用性易导致价值外溢。这削弱了供数方的积极性,使其倾向于采取保守策略;二是用数方因市场需求规模不足而难以收回开发成本,从而抑制数据产品供给。多方主体的低活跃度导致多边市场依赖的交叉网络效应难以形成,市场陷入启动难的困境,需要依靠外部干预打破僵局(Parker和Van Alstyne,2005;Sánchez-Cartas和León,2021)。
-
数据的非竞争性特征决定了其产品开发具有显著正外部性(Arrow,1972)。用数方在模型训练、标注、标准制定等环节的知识积累具有强溢出效应,可被其他市场主体低成本复用。供数方治理数据属于专用性投资,具有高沉没成本特征(Williamson,1986)。但市场定价受限于需求侧支付意愿,难以覆盖其边际成本,出现成本与价值倒挂的现象。由此形成私人成本大于私人收益、社会收益大于私人收益的价值偏离(Jones和Tonetti,2020),即供数方的边际私人收益曲线位于边际社会收益曲线下方,用数方的知识溢出价值被市场无偿占有。此现象抑制了市场各方主体的投入意愿,加剧了资源配置的低效。
-
在信息不对称与风险规避动机下,供数方倾向于逆向选择,向市场供给低质量数据集。由于数据质量验证成本高昂,数据治理成本会从供数方转嫁给用数方(刘源等,2024)。用数方需额外投入资源进行数据修复,导致开发成本上升、社会总成本增加。这种成本转嫁行为会引发“劣币驱逐良币”现象,即高质量数据集因治理成本过高被挤出市场,低质量数据集占据市场主要地位,从而进一步削弱需求方的支付意愿。由此,社会总成本超过社会总收益,形成帕累托无效配置(Arrow,1972),加剧市场失灵。
-
传统边际成本定价在冷启动期面临失灵(Jones和Tonetti,2020)。一方面,供数方的数据采集与治理投入具有高固定成本特征,使得边际成本定价无法覆盖供数方的沉没成本;另一方面,需求方缺乏定价锚点与价值评估机制,导致价格弹性不足,市场难以通过价格信号调节供需。平台若采用成本加成定价,则高昂的价格将抑制需求增长;若采用渗透定价,则无法激励供数方持续投入,形成低水平均衡锁定。这一定价机制失灵的根源在于,信息不对称条件下,平台难以观测并计量多方主体的真实投入与贡献,市场难以依靠自身力量突破从无序到有序的相变阈值。因此,必须依赖强有力的外部干预(如政府补贴、平台激励等)打破僵局(Tan和Zhou,2021)。
-
可信数据空间在冷启动期面临的核心困境在于,低市场活跃度导致难以生成有效的价格信号以协调多方主体参与。传统定价模式在此阶段失灵:边际成本定价无法覆盖数据产品开发的高额沉没成本;而公允定价则因交易稀疏与应用前景不明,缺乏可信的价值锚点。因此,该阶段定价机制的核心功能并非“价值发现”,而是通过非市场化的策略性规则设计,激励关键主体参与,构建初始信任,为市场系统从无序向有序的相变积累临界能量。本文的定价机制设计基于正外部性内部化理论,聚焦创造市场价值的两个基本主体——供数方与用数方,旨在破解供数方不愿投入治理、用数方不愿投入开发的困境。中介方的服务定价属于交易派生的市场行为,需求方的需求由高质量产品激发,运营方的回报则在于市场的长期价值。
-
对于供数方,数据治理需投入高专用性成本,但数据资源价值需依托应用场景释放,且易产生价值外溢现象。因此,定价机制需要补贴核心参与方的高专用性成本(Parker和Van Alstyne,2005)。一方面,可实施成本补偿定价,允许并鼓励供数方采用可验证的成本加成模式进行报价。运营方可通过可信凭证机制,认证其在数据采集、清洗与合规治理等环节的专用性投资,并在此基础上设定合理的加成率,以形成公允的交易价格。该成本补偿机制将不可回收的沉没成本转化为可交易价格的重要组成部分(Rochet和Tirole,2006),直接缓解了供数方的投入顾虑,从而激励数据资源供给。另一方面,专用性投资的不可逆性使得交易双方在事后可能面临机会主义行为的风险(Williamson,1983),此时可引入基于实物期权理论的柔性定价合约。用数方在接入数据时,预先承诺未来数据产品销售的收益分成比例;而供数方则被赋予一个期权:可选择在交易发生时以较低的固定价格即时兑现收益,或在数据产品产生显著市场收益后行使期权以获取分成溢价。此模式有效平衡了供数方对即期成本补偿与远期价值分享的需求,减轻了用数方的前期支付压力。
-
用数方面临支付意愿与价值认知的错配。其开发活动同样具有沉没成本属性,且最终市场需求存在不确定性。定价机制需通过行为干预,降低其决策门槛并重塑价值感知。一方面,可采用二部定价策略。依据价格歧视理论,对数据产品与服务实施“固定费+从量费”的分离定价。以免费或极低的固定费用开放基础数据包或有限次API调用,最大限度降低准入门槛,以吸引用数方入驻并形成使用依赖;对高频调用、高算力消耗的数据服务,实施阶梯式从量收费。此机制能有效甄别不同支付意愿的用户群体,最大化挖掘消费者剩余,并分摊其开发风险。另一方面,可运用数据价值锚定方法。基于行为经济学中的“锚定效应”,平台运营方需提供可感知的经济效益指标,明确价值贡献(Mclntyre和Srinivasan,2017),以提升多方主体活跃度(Sánchez-Cartas和León,2021)。例如,可提供某数据集对模型预测精度的贡献度预测数据,为用数方构建清晰的价值锚点。
-
Pigou(1920)提出,当存在正外部性时,私人收益低于社会收益,政府可通过补贴来纠正市场失灵。因此,在冷启动期,政府补贴与平台支持作为支撑市场启动的关键力量,需要形成合力。一方面,政府补贴需与定价机制相适配。对于成本补偿定价,政府或平台可联合设立数据开放基金,基于数据的稀缺性、质量等级及社会效用价值,对供数方经认证的治理成本按差异化系数进行配套补贴,激励数据开放,并间接降低供数方向用数方的最终报价;对于二部定价的牵引,政府可通过发放数据消费券或算力券,定向抵扣用数方所需支付的固定费用或初始从量费用,以扩大用数方的基数。目前,该模式已在贵州、四川等地推行,并获得地方政府的政策支持。另一方面,平台的激励措施能够鼓励市场参与主体创造高价值内容(Jain和Qian,2021)。运营方可将基础服务作为公共品提供,如确权、审计等第三方专业服务,并将其以标准化、免费或补贴的形式嵌入交易流程,直接为所有参与主体提供信任背书与技术保障,从而大幅降低多边协作的初始门槛。
-
当可信数据空间下的数据要素市场突破相变阈值进入有序阶段,市场呈现多边交易规模化、产品标准化与风险共担等成熟特征,这为公允定价提供了市场基础。该阶段价格机制的核心由成本补偿转向效率匹配。因此,有序期定价机制的关键在于构建一套与多边市场结构相适配的公允定价体系,使其能够灵敏感知并反映数据产品在终端场景中创造的效用与社会价值,同时有效协调供数方、用数方、需求方等参与主体的利益,引导生态向更优的均衡状态持续演进。
-
当可信数据空间在内外力的共同作用下突破相变阈值,进入有序期,其特征体现在以下四个层面:
-
该阶段,多方主体呈现规模化扩张的交易特征。供数方、用数方、中介方与需求方积极参与数据产品开发与交易,市场交易频率与交易量显著提升。其直接结果是生成了连续、透明且可进行历史比较的市场交易价格序列和价格基准。这标志着市场信息不对称程度大幅降低,价格信号重新发挥引导资源配置的作用,为定价提供了实时数据与估值锚点。
-
数据产品标准化推动数据要素市场在市场主体自主运行下进入成熟阶段(高富平和冉高苒,2022)。从市场客体与主体结构来看,标准化与专业化构成了有序期的核心特征。一方面,市场中涌现出大量标准化、模块化的数据集、数据产品与数据服务,其生产流程和质量指标趋于稳定,全生命周期成本得以清晰核算与审计鉴证。另一方面,市场参与主体呈现专业化分工:头部企业主导通用型数据产品,中小型用数方与中介方深耕垂直细分领域。
-
该阶段,可信数据空间信任机制已较为成熟,各方主体对数据产品在不同场景下的价值贡献形成了更为清晰的共识,风险共担意愿显著增强。这使得高频、成熟的标准化产品能够通过市场法实现高效定价;而对于创新性较强、价值不确定性高的产品与服务,各方主体表现出更强的长期主义倾向,即更愿意基于收益分成规则,缔结风险共担、利益共享的柔性契约。
-
该阶段的定价机制为与产品特性和市场结构高度适配的市场公允定价。市场法、成本法与收益分成法三者并存,各自应用于适宜的定价场景。成本法为标准化数据产品提供基础价格锚,市场法基于可比交易实现价格发现,收益分成法通过风险共担与利益共享激励多方合作开发。价格机制的核心功能由成本补偿转向价值发现与资源配置,驱动整个数据生态系统向更高阶的有序状态演进。
-
随着数据要素市场突破冷启动期的相变阈值,进入结构稳定的有序期,定价机制需从冷启动期的成本补偿导向转向价值创造导向。此时,市场的主要矛盾已由“如何激活交易”转变为“如何优化配置”,即如何实现消费者剩余最大化与生产者持续创新激励之间的动态平衡。在交易活跃、主体丰富的多边市场结构中,若缺乏有效的价格信号,强势参与者(供数方)可能凭借网络规模和议价优势实施扭曲定价,抑制终端需求(Rochet和Tirole,2006);同时,无序竞争下的价格战会挤压用数方的利润空间,削弱其长期迭代产品与创新的能力(Mclntyre和Srinivasan,2017)。因此,有序期不再依靠外部补贴创设价格,而是构建并维护一个能够使价格自发、高效地反映数据要素稀缺性与真实价值的市场环境。
国际会计准则理事会将“公允价值”定义为市场参与者在计量日进行有序交易时出售资产或转移负债所收到的价格(IASB,2011)。而公允价值计量是指在计量日以活跃市场的公开报价为基础进行资产估值,并将公允价值变动计入当期损益的会计处理方法(曾雪云,2014),其应用场景主要集中于股票、债券及衍生工具等证券投资类金融资产。在缺乏有效市场价格时,公允价值需要进行主观估计(Liang和Riedl,2014;Pickerd和Piercey,2021),存在较高的不确定性;且可观察性越低,不确定性越高(曾雪云,2016)。当数据要素市场进入有序期后,虽然数据产品本身并不完全具有传统金融资产的即时成交特征,但在可信数据空间中,平台化制度安排所实现的交易标准化、信息透明化与信用可追溯,为数据产品提供了类市场化计量基础。平台积累的海量、可比的交易记录,组成了市场参考价格序列。这标志着,尽管数据产品天然存在异质性,但在制度赋能下,其计量逻辑正向“准市场化”方向演进,且公允价值计量模式本身具有参与性和引导性,可直接影响行为主体的交易策略(陆正飞,2018)。
可见,将公允价值应用于数据要素市场定价具备理论延展性与实践可行性。在本文语境中,可信数据空间下数据产品与服务的公允价格,是指在空间提供的标准化、透明化交易环境下,充分知情的多边市场参与者基于数据产品的成本、稀缺性及未来收益预期所形成的、能够有效引导资源配置的均衡价格。
-
在有序期,公允定价机制的核心在于通过活跃的市场交易形成反映数据产品内在价值与供求关系的合理价格。《企业会计准则第39号——公允价值计量》指出,企业以公允价值计量相关资产或负债,使用的估值方法主要包括市场法、收益法和成本法。一方面,已有研究从会计计量视角梳理了数据资产在历史成本、公允价值及评估法等不同路径下的确认与计量思路(秦荣生,2020);另一方面,亦有研究结合数据要素特性评估了市场法、收益法和成本法在数据资产定价中的适用性差异与现实困境(欧阳日辉和龚伟,2022)。立足于可信数据空间的多边市场特征,本文结合数据产品特性及主体行为特征,提出以下三种公允定价模式:
(1)基于成本法的基础性公允定价模式。该模式适用于标准化程度高、成本结构透明的数据产品或服务,如标准数据库、API接口服务,也适用于面向公共公益领域低价出售的数据产品或服务。为实现成本的可比与可验证,运营方可提供标准化的成本核算框架作为参考,协助交易主体清晰界定涵盖数据采集、清洗、存储、标注到模型封装等环节的直接与间接成本,由供数方参考并使用。在此基础上,供数方或用数方依据此框架核算并披露其成本结构,形成可信的成本基准,并根据产品类型与应用场景,在成本基础上引入合理的成本加成机制,以保障基本利润空间。最终价格在“成本加成”的合理区间内由双方议价形成。该模式通过成本信息透明化,建立了信任锚和基准价格,有助于保障基础供给的稳定性。
(2)基于市场法的竞争性公允定价模式。该模式适用于交易频率高且存在可比产品的成熟数据产品,其价格由全体市场参与者的集体交易行为共同决定。在价格形成过程中,平台主要发挥信息服务与机制保障作用:其一,聚合并公开关键市场参数,包括产品交易频次、复用强度、生命周期、用户覆盖面及同类产品定价区间等,为多方主体提供决策支持。其二,基于这些变量构建价格调整函数,动态生成定价区间。供数方参考市场参数进行报价,用数方则依据此透明信息进行出价与选择,最终成交价为多方博弈的结果。其三,建立市场均衡调节系数,通过调整平台费率等市场化手段,对阶段性价格异常、垄断溢价或供需失衡进行平滑调节。该模式最大限度地发挥了市场的价格发现功能,使价格能够灵敏地反映数据的稀缺性与网络效应。
(3)基于收益分成的激励性公允定价模式。该模式适用于难以事前估计交易量和贡献度的数据合作开发场景。该模式直接关联供数方的报酬与用数方的实际经济收益,构建了风险共担、利益共享的定价机制。实践中,供数方与用数方作为核心定价主体,基于数据产品在具体业务场景中的预期贡献确定基准收益,并协商设定多主体的基础分成比率。双方可引入多要素调整因子(如价值贡献因子、风险承担因子、权利组合因子、用数特性因子等),对基础分成比率进行校准。在此过程中,运营方提供可信的计量、审计及合约自动执行环境,确保分成规则的公平公正实施;第三方审计机构等中介方则提供专业且独立的价值贡献评估服务。该模式激励各方从常规交易转向长期协作,从而最大限度激励创新与运营活力,促进企业价值稳步提升。
-
本文聚焦可信数据空间下的数据要素多边市场,分析了冷启动期与有序期的市场交易特征,并据此设计了相应的市场定价机制。冷启动期具有多方主体活跃度低、正外部性难以内化、成本转嫁、定价机制失灵的特征。基于市场失灵理论中的外部性内部化观点,本文对冷启动期数据要素多边市场展开定价机制研究,提出成本补偿与期权合约等非对称定价机制。有序期具有交易规模化、产品标准化、风险共担与公允定价特征。基于公允价值理论,本文设计并提出基于成本法的基础性公允定价模式、基于市场法的竞争性公允定价模式以及基于收益分成的激励性公允定价模式。
本文提出如下管理建议:第一,针对数据要素多边市场发展特征实施分阶段的定价策略。运营方与政策制定者应在冷启动期重点采用成本补偿的激励机制破解启动难的问题,在有序期建立健全以成本法、市场法和收益分成法为核心的公允定价体系,促进数据资源有效配置。第二,充分利用可信数据空间的技术优势,推行收益分成模式。建议各方主体在交易可追溯、贡献可计量的信任机制下,优先采用收益分成定价合约,实现风险共担、利益共享,为高质量数据集、数据产品与数据服务提供可持续的产业化生态。第三,构建适配多边市场结构的公允定价机制。可信数据空间应设计透明、开放的价格形成与收益分配规则,确保供数方、用数方、中介方、运营方等多元主体的贡献能在价格中得到合理体现,以维持数据产业生态的稳定与繁荣。第四,推动权益类通证和技术信任机制(曾雪云,2023)与可信数据空间新商业模式的融合。成本法在有序期依然具有重要性,但需将其置于可信数据空间的多边交易框架和技术信任机制下进行优化与重构,如通过平台认证的分布式成本核算模型建立信任基础。
未来研究可基于可信数据空间的场景适配性与演化复杂性,深化以下三个方面的贡献:一是理论机制方面,构建嵌入技术信任机制的可量化数据供给、加工、服务等多方主体价值贡献的收益分成模型。二是实践路径方面,聚焦案例研究与实地调研,在真实数据交易场景中,界定交易主体、交易客体和交易模式,突破“数据资产交易”的思维定式,推行“数据服务交易”模式,拓展可信数据空间下成本补贴与公允定价的实现路径。三是核算政策方面,将可信数据空间的数据流通利用基础设施(如云计算平台)作为数字技术类资产入表核算(曾雪云等,2025),使企业数字化投入的会计核算与经济实质相一致,提升会计信息的定价作用和治理作用。
-
摘要: 数据要素市场正从供需双方直接交易模式向基于可信数据空间的多方交易模式跃迁,但现有研究并未解释可信数据空间的交易特征。本文聚焦可信数据空间下的市场定价机制,从多边市场视角首次明确界定可信数据空间的交易主体与交易客体,分析“冷启动期−有序期”两阶段多边市场交易特征,并据此设计相应的定价机制。研究表明,冷启动期呈现多方主体活跃度低、正外部性难以内化、成本转嫁和定价机制失灵的市场特征,应通过成本补偿与期权合约的非对称定价机制激发数据要素市场活力,推进冷启动期相变至有序期。有序期呈现交易规模化、产品标准化和风险共担特征,可在公允定价理念下推进基于成本法的基础性公允定价模式、基于市场法的竞争性公允定价模式以及基于收益分成的激励性公允定价模式,提升多边市场定价效率。本文为可信数据空间下的数据多边市场分阶段定价提供了理论基础,有助于发展和繁荣数据要素市场。
Transaction Characteristics and Fair Pricing Mechanisms in Multi-sided Markets of Trusted Data Spaces
Abstract: The data element market is shifting from a direct bilateral supply-and-demand trading structure to a multi-party transaction model based on trusted data spaces. However, prior research has not yet adequately explained the transaction characteristics of trusted data spaces. This study focuses on the market pricing mechanism within trusted data space, clearly clarifies transaction subjects and objects from a multi-sided market perspective, analyzes the transaction characteristics across two phases—the cold-start phase and the orderly phase—and designs corresponding pricing mechanisms. The study reveals that during the cold-start phase, the market exhibits low participant activity, difficulties in internalizing positive externalities, cost shifting, and pricing mechanism failures. To address these issues, an asymmetric pricing mechanism incorporating cost compensation and option contracts is proposed to stimulate market vitality and facilitate the transition from the cold-start phase to the orderly phase. In the orderly phase, transactions are characterized by scale, product standardization, and risk sharing. Under the principle of fair pricing, three pricing models are advanced: a cost-based fundamental fair pricing model, a market-based competitive fair pricing model, and an incentive-based revenue-sharing fair pricing model, all aimed at improving pricing efficiency in multilateral markets. This study provides a theoretical foundation for phased pricing in data multilateral markets within trusted data spaces, contributing to the development and prosperity of the data element market.-
Key words:
- trusted data space /
- cold-start phase /
- orderly phase /
- multi-sided markets /
- fair pricing
-
[1] 包晓丽. 2024. 可信数据空间: 技术与制度二元共治. 浙江学刊 (1): 89−100. [2] 高富平, 冉高苒. 2022. 数据要素市场形成论——一种数据要素治理的机制框架. 上海经济研究 (9): 70−86. doi: 10.3969/j.issn.1005-1309.2022.09.007 [3] 李三希, 林心仪, 兰森. 2024. 数据要素市场化: 数据交易平台建设路径探析——基于北京国际大数据交易所的案例分析. 江西社会科学 (10): 69−82. [4] 林娟娟, 黄志刚, 唐勇. 2025. 数据质量、数量与数据资产定价: 基于消费者异质性视角. 中国管理科学 (5): 88−98. doi: 10.16381/j.cnki.issn1003-207x.2022.0444 [5] 刘源, 喻迎, 陈宏民. 2024. 数据产品开发的激励机制研究: 道德风险理论视角. 管理评论 (6): 19−29. [6] 陆正飞. 2018. 对会计的制度逻辑和本质的思考——《公允价值计量与金融市场风险》一书评析. 财务与会计 (17): 84−85. doi: 10.3969/j.issn.1003-286X.2018.17.038 [7] 欧阳日辉, 龚伟. 2022. 基于价值和市场评价贡献的数据要素定价机制. 改革 (3): 39−54. [8] 钱锦琳, 夏义堃, 王雪. 2025. “理论−政策”协同视角下欧盟数据空间政策研究: 适配性诊断与中国镜鉴. 电子政务(网络首发). [9] 秦荣生. 2020. 企业数据资产的确认、计量与报告研究. 会计与经济研究 (6): 3−10. [10] 苏宇, 卢怡. 2024. 数据要素可信交易流通: 共同数据空间的制度塑成. 电子政务 (12): 53−64. [11] 吴江, 袁一鸣, 贺超城, 钱龙, 杜乐, 缪佳蕊. 2024. 数据要素交易多边平台研究: 现状、进路与框架. 信息资源管理学报 (3): 4−20. doi: 10.13365/j.jirm.2024.03.004 [12] 席轩, 张玉林. 2024. 考虑数据优势的在线平台数据投资和定价决策. 中国管理科学(12): 87−99. [13] 夏义堃, 程铄, 王雪, 钱锦琳. 2024. 数据空间建设的实践进展与运营模式分析——基于Data Spaces Radar的案例. 图书与情报 (2): 18−32. [14] 熊巧琴, 汤珂. 2021. 数据要素的界权、交易和定价研究进展. 经济学动态 (2): 143−158. [15] 杨东, 高清纯. 2023. 双边市场理论视角下数据交易平台规制研究. 法治研究 (2): 97−110. [16] 曾雪云. 2014. 公允价值计量与金融市场风险. 北京: 北京大学出版社. [17] 曾雪云. 2016. 公允价值会计准则的发展历程: 1975−2015. 金融理论探索 (4): 8−15. doi: 10.3969/j.issn.1006-3544.2016.04.003 [18] 曾雪云. 2023. 货币型权益工具: 基于区块链自治组织的通证发行、技术信任与治理创新. 金融市场研究 (9): 79−90. [19] 曾雪云, 费一洋, 夏文德. 2025. 数据基础设施建设支出的资本化: 基于资产与盈余的双重检验. 会计研究 (6): 92−106. [20] Armstrong, M. 2006. Competition in two-sided markets. The RAND Journal of Economics 37(3): 668−691. doi: 10.1111/j.1756-2171.2006.tb00037.x [21] Arrow, K. J. 1972. Economic welfare and the allocation of resources for invention. London: Palgrave. [22] Bhargava, H. K., G. Csapó, and R. Müller. 2020. On optimal auctions for mixing exclusive and shared matching in platforms. Management Science 66(6): 2653−2676. doi: 10.1287/mnsc.2019.3309 [23] Curry, E., W. Derguech, S. Hasan, C. Kouroupetroglou, and U. ul Hassan. 2019. A real-time linked dataspace for the internet of things: Enabling “pay-as-you-go” data management in smart environments. Future Generation Computer Systems 90: 405−422. [24] de Reuver, M., C. Sørensen, and R. C. Basole. 2018. The digital platform: A research agenda. Journal of Information Technology 33: 124−135. doi: 10.1057/s41265-016-0033-3 [25] Franklin, M., A. Halevy, and D. Maier. 2005. From databases to dataspaces: A new abstraction for information management. ACM Sigmod Record 34(4): 27−33. doi: 10.1145/1107499.1107502 [26] Hagiu, A. 2009. Two-sided platforms: Product variety and pricing structures. Journal of Economics & Management Strategy 18(4): 1011−1043. [27] Henfridsson, O., and B. Bygstad. 2013. The generative mechanisms of digital infrastructure evolution. MIS Quarterly 37(3): 907−931. doi: 10.25300/MISQ/2013/37.3.11 [28] International Accounting Standards Board (IASB). 2011. IFRS 13: Fair value measurement. [29] Jain, S., and K. Qian. 2021. Compensating online content producers: A theoretical analysis. Management Science 67(11): 7075−7090. doi: 10.1287/mnsc.2020.3862 [30] Jones, C. I., and C. Tonetti. 2020. Nonrivalry and the economics of data. American Economic Review 110(9): 2819−2858. doi: 10.1257/aer.20191330 [31] Kalogeropoulos, I., M. E. Vlontzou, N. Psaromanolakis, E. Zarogianni, and V. Theodorou. 2023. Edgeds: Data spaces enabled multi-access edge computing. 2023 Joint European Conference on Networks and Communications & 6G Summit (EuCNC/6G Summit). [32] Katz, M. L., and C. Shapiro. 1985. Network externalities, competition, and compatibility. The American Economic Review 75(3): 424−440. [33] Liang, L., and E. J. Riedl. 2014. The effect of fair value versus historical cost reporting model on analyst forecast accuracy. The Accounting Review 89(3): 1151−1177. doi: 10.2308/accr-50687 [34] Majumdar, R., A. Gurtoo, and M. Maileckal. 2025. Developing a data pricing framework for data exchange. Future Business Journal 11, 4. doi: 10.1186/s43093-025-00422-z [35] Mclntyre, D. P., and A. Srinivasan. 2017. Networks, platforms, and strategy: Emerging views and next steps. Strategic Management Journal 38(1): 141−160. doi: 10.1002/smj.2596 [36] Möller, F., I. Jussen, V. Springer, A. Gieß, J. C. Schweihoff, J. Gelhaar, T. Guggenberger and B. Otto. 2024. Industrial data ecosystems and data spaces. Electronic Markets 34(1), 41. doi: 10.1007/s12525-024-00724-0 [37] Nagel, L., J. J. Hierro, E. Perea, D. Lycklama, C. Mertens, A. S. Taillandier, and A. Grguric. 2021. Design principles for data spaces: Position paper. International Data Spaces Association. [38] Otto, B. 2022. The evolution of data spaces. Otto, B., M. ten Hompel, and S. Wrobel. Designing Data spaces: The ecosystem approach to competitive advantage. Cham: Springer International Publishing. [39] Otto, B., and M. Jarke. 2019. Designing a multi-sided data platform: Findings from the international data spaces case. Electronic Markets 29(4): 561−580. doi: 10.1007/s12525-019-00362-x [40] Parker, G. G., and M. W. Van Alstyne. 2005. Two-sided network effects: A theory of information product design. Management Science 51(10): 1494−1504. doi: 10.1287/mnsc.1050.0400 [41] Pickerd, J., and M. D. Piercey. 2021. The effects of high estimate uncertainty in auditor negligence litigation. Contemporary Accounting Research 38(4): 3182−3213. doi: 10.1111/1911-3846.12685 [42] Pigou, A. C. 1920. The economics of welfare. London: Macmillan. [43] Prigogine, I. 1987. Exploring complexity. European Journal of Operational Research 30(2): 97−103. [44] Prüfer, J., and C. Schottmüller. 2021. Competing with big data. The Journal of Industrial Economics 69(4): 967−1008. doi: 10.1111/joie.12259 [45] Rochet, J. C., and J. Tirole. 2006. Two-sided markets: A progress report. The RAND Journal of Economics 37(3): 645−667. doi: 10.1111/j.1756-2171.2006.tb00036.x [46] Sánchez-Cartas, J. M., and G. León. 2021. Multisided platforms and markets: A survey of the theoretical literature. Journal of Economic Surveys 35(2): 452−487. doi: 10.1111/joes.12409 [47] Tan, B., S. L. Pan, X. Lu, and L. Huang. 2015. The role of IS capabilities in the development of multi-sided platforms: The digital ecosystem strategy of Alibaba.com. Journal of the Association for Information Systems 16(4): 248−280. doi: 10.17705/1jais.00393 [48] Tan, G., and J. Zhou. 2021. The effects of competition and entry in multi-sided markets. The Review of Economic Studies 88(2): 1002−1030. doi: 10.1093/restud/rdaa036 [49] Williamson, O. E. 1983. Credible commitments: Using hostages to support exchange. American Economic Review 73(4): 519−540. [50] Williamson, O. E. 1986. The economic institutions of capitalism. The Antitrust Bulletin 31(3): 827−834. doi: 10.1177/0003603X8603100308 [51] Xiao, Z., D. He, and J. Du. 2020. A Stackelberg game pricing through balancing trilateral profits in big data market. IEEE Internet of Things Journal 8(16): 12658−12668. [52] Xing, A., and H. Wang. 2024. Pricing and sample set strategies of data providers under quality information asymmetry. Journal of the Operational Research Society 75(2): 278−296. doi: 10.1080/01605682.2023.2189907 [53] Yu, H., and M. Zhang. 2017. Data pricing strategy based on data quality. Computers & Industrial Engineering 112: 1−10.

下载: