2024年7月3日，2024中国数字经济发展和治理学术年会在清华大学成功举办。本届学术年会聚焦“数据要素、人工智能与数智时代的理论创新”，邀请国内外40余位专家、学者及机构代表进行主旨演讲和交流。来自清华大学、北京大学、中国人民大学、中国科学院大学、中国社会科学院大学、浙江大学、南开大学、上海交通大学、西安交通大学等高校和数字经济相关科研机构及企业代表共400余人出席线下会议。会议通过多个平台同步直播，当天信息浏览量超过十万人次。
复旦大学经济学院教授、副院长，复旦-图卢兹创新与数字经济研究院执行院长寇宗来以《数据资产入表：机遇与挑战》为题进行了主旨演讲。本文根据寇宗来教授现场发言内容整理。
非常荣幸再次有机会在年会上汇报一点我自己关于数据资产入表的一些想法。上半场的时候，黄益平老师已经探讨了数据资产入表，非常有洞见，我看其他会场也有类似的主题。希望我讲的内容能对其他老师讲的内容有所补充。
数据资产入表现在是非常热的一个话题。我之所以也想探讨这个问题，主要有两个方面的考量。一是问题导向，既然从政府到企业到个人，整个社会都非常关心数据资产入表，作为从事数字经济研究的经济学者，理应对此有所关注。二是我觉得数据资产入表虽是重大的机会，但里面也有不少的陷阱，亟需阐释清楚其中的经济机理，希望可以对未来的政策制定、实施和改进提供一些参考。
首先，这里列了一些与数据资产入表相关的重要政策文件。因为时间关系，我就不一一展开阐释了。二十大报告和数据二十条，可以视为原则性的文件。近期最为直接和最为重要的是财政部关于数据资产入表的指导意见。此外，中国资产评估协会给出了更加具体的指导意见，财政部之前也对加强数据资产管理给出了指导意见。
另外值得关注的是国家数据局等17部门联合发布了《“数据要素×”三年行动计划（2024-2026年）》，里面列出了一些非常明确的政策目标。以我对中国许多政策文件实施效果的理解，如果有明确的考核指标，那就特别重要。比如说当年的《国家中长期科学和技术发展规划纲要（2006-2020）》，其中规定，到2020年我们的宏观研发强度要达到2.5%。许多研究表明，2006-2007年成为中国经济创新模式转换的分水岭。倍增计划里面提到了一些非常明确的目标，比如300个以上的应用场景，年增20%，交易规模倍增，支持数据上的上市融资等等。可以预期，这些指标会对各部委、各地方都有很强的约束、指导或激励作用。
最后要提及一个重要文件是2018年9月，由中办国办联合发布的《关于加强国有企业资产负债约束的指导意见》。今天其他老师尽管提到了资产负债表或者资产负债率，但好像都没有提到这个指导意见。这个指导意见出台的动机应该是防风险，主要是针对金融风险以及地方债等。在落实机制上，指导意见的核心是一种锦标赛制度：首先测算一下国有企业的平均资产负债率，以此为基准，如果资产负债率高出基准五个百分点，那就该警戒了，如果再高五个点，即比基准高出十个点，那就要进重点监管名单了，这非常要命，意味着不能再发债了。此外，资产负债率纳入国有企业领导年度考核的KPI里面，大家当然明白，进企业领导考核的KPI意味着会非常具有执行力。
综合上述两方面的政策背景，我们来看实践观察。有什么发现呢？我这里主要是参考了中金固收的研究，他们对于2023年底以来各个地区数据资产入表做了细致的案例归纳，由于时间，我不详细展开，但从这些案例中可以发现，地方政府以及相关企业最希望实现的模式是“入表+融资”，也就是说，企业推动数据资产入表最重要的目标就是融资，不管是去银行融资，还是到资本市场上去融资。
基于上述政策背景和现实观察，我们尝试做一些理论和机制分析。首先需要回答的一个问题是，为什么数据资产入表当下变得这么热，这么重要呢？
在宏观层面上，这当然是顺应了发展数字经济的国家战略，但从更加微观的地方政府层面来讲，则是反映了从“地租”向“数租”转换的一种趋势和意愿。
怎么理解这个基本的判断？打比方来说，这是一个做蛋糕和分蛋糕的故事。不妨将整个经济分为两个部门，一个是垄断部门，一个是竞争部门。在竞争性部门中，大量的企业相互“卷”，优胜劣汰，不断地提高劳动生产率，做大了整个社会的蛋糕。但是，按照经济学的基本原理，竞争性企业最终只能获得正常利润，也就是说，它们所创造的社会剩余，不管以什么方式，最终都会沉淀到垄断部门，成为垄断租金。基于上述理论框架，并结合土地和数据两大要素，我们可以管窥地方政府从“地租”到“数租”的激励转换。首先看土地要素。给定中国独特的土地制度，地方政府是城市土地增值收益的实际拥有者，由此，在过去二三十年中，逐渐形成了一整套以城市土地租值最大化为核心的发展模式。作为城市土地的垄断供应者，通过以地质押融资，城市政府采用了类似于双边市场的“失之东隅收之桑榆”的经营模式：一方面，花钱改善基础设施，以低土地价格招商引资；另一方面，通过住宅用地拍卖，获得不菲的土地出让金，形成所谓的第二财政。很显然，现在这种以土地资本化为核心的发展模式已经难以为继，所以，地方政府必须找到土地财政的替代方式，而基于公共数据的数据财政是一种颇受关注的可能性。两三年前，我自己提到了“数租”的概念。之所以将“数租”和“地租”这两个概念并列起来，是因为它们有一个相似之处，即垄断供应。城市土地是地方政府垄断供应的，而公共数据，实际上也是政府垄断供应的。到了数字经济时代，大家都知道数据具有潜在的巨大市场价值，因而一个自然的推演是，既然过去地方政府可以依赖土地要素而推动持续的经济发展，那未来应该也可以依赖数据要素而推动持续的经济发展。
根据我们之前提到的政策背景，现阶段许多政府之所以热衷于数据资产入表，应该跟改善资产负债表有一定的关系。刚才黄益平老师已经谈了数据资产入表可能存在的问题，我等下也会进行深入讨论。不过，我想先谈谈这样做的可能的积极因素。大家都知道辜朝明写了一本书叫《资产负债表衰退》，前阶段很热，国内学界和业界进行了激烈的争论。我的理解，主要是两个问题，一是可否用资产负债表衰退来解释日本经济的长时间低迷，二是资产负债表衰退的观点是否对中国应对当前的经济挑战有参考价值。关于这本书大家见仁见智，但有一点在理论上是可以成立的，即人们对资产负债表变化预期的自实现性。特别地，如果某个微观主体预期到未来经济会下滑、资产会贬值，其最佳决策将是尽快地出售资产，化解债务，降低杠杆，而当企业认为自己可能面临资产负债率约束时，尤其如此。如果这种预期只是个体企业，那没什么问题，但如果大家都这样预期，衰退预期就会自实现；大家都争相出售资产，资产价格下跌，衰退预期强化，形成恶性正反馈。在此意义上，数据资产合理合规入表会有一个直接的效应，即不用花费真金白银，便可以从账面上做大资产，在一定程度上缓解资产负债率约束所引起的自实现机制，进而避免经济陷入到资产负债表衰退的陷阱之中。
凡事有利有弊。刚才谈了数据资产入表可能具有的积极意义，下面呼应黄益平老师的演讲，谈谈其中可能隐藏的问题和风险，以及我认为的合理方案。
按相关文件，数据资产有三种入表方式，可以计入存货，可以计入无形资产，也可以计入开发支出。我主要探讨存货和无形资产。
数据资产入表需要对数据资产进行估值，主要有三种方法：成本法、收益法、市场法。收益法是最本质的，其含义是数据资产的价值等于其未来各期现金流的折现值总和，但问题是很多数据资产尚无明确的应用场景，因而难以预测和估算未来的收益流。
作为权宜之计，市场法是说，针对某项数据资产，如果存在与之类似且已经在市场中交易的数据资产，则以该交易价格为基准做一些适当调整即可。但很显然，市场法面临两个方面的问题：一，如何实现“第一推动”？因为可比数据资产也同样面临估价。二，如何定义“可比”？又如何确定调整系数？这里面隐藏着一个悖论，如果两个数据集不相似，则无参考意义；但如果它们很相近，那么，它们就会形成“竞争”或“替代”关系，因而它们的市场价值必须同时决定。
相比而言，成本法最简单粗暴，但在现阶段却是最具可实施性的，实际上也正是各地普遍采用的。其含义是，假设为获得某项数据资产花费了成本C（比如收集、整理、清洗等），则乘以某个合理的加成比例或者价值转换系数θ，就是对该数据资产价值D的估计，即有D=θC。
在数据资产按照成本法入表之后，企业的资产负债率变为：
R=（L+C）/(A+D)=(L+C)/(A+θC)
其中，L是原来的负债（Liability），A是原有的资产（Asset），C是投入（Cost），D是投入C之后所得到的数据资产（Data Asset）。
简单的求导分析可知，投入C之后能否改善企业的资产负债率，取决于两个因素：一是原来的资产负债率R0=L/A。二是转化系数θ。更具体地，如果θ×R0>1，则资产负债率得到改善（变小），反之则反是。
这样，结合前面的政策背景可知，如果某个国有企业的发债融资已经受到资产负债约束，那么，它将有很强的积极性通过数据资产入表来改善自己的资产负债率。但如上分析可知：第一，转化系数θ必须足够大，至少要大于R0、大于1/θ，否则无法改善资产负债率。第二，给定满足前提条件一，则根据财力和需要投入合适的C。
具体实践中，转化系数应该是由专门从事数据价值评估的中介机构来给出的。但问题是，中介机构是否会对此做出客观公正的科学评价呢？因为数据资产入表还刚开始，缺乏充分的经验证据，但从道理上，这与债券信用评级有一定的相似性。根据既有文献以及我们自己的前提研究，发债人付费信用评级机构在进行评级时，受到两种相反力量的影响：一方面是声誉机制，意思是评级机构为了维护自己的市场声誉，会给出比较合理的评级；另一方面是评级选购会导致评级膨胀，原因很简单，市场中有多家评级机构，它们为了争抢评级业务获得评级收入，必然有积极性取悦发债人，进而会导致评级虚高。美国安然事件等表明，评级选购的道德风险是非常严重的。类比到数据资产入表，则是θ很有可能被严重高估，以改善资产负债率并实现发债和融资的目标。
当然，银行或者投资者也不傻，资产负债率在形式上达到了融资或发债要求是一回事，最终实现数据质押融资还是另一回事。关于数据资产的“入表+融资”模式，简单来说有两种可能性：一是质押的数据真有价值，这当然是我们都期望实现的结果。二是带有政策迎合的性质。我自己的一个研究领域是创新与知识产权。几年前参加过一个关于知识产权质押融资的学术和政策讨论会，其主题是中小微创新企业是否可以通过专利质押融资来解决“融资难，融资贵”问题，这与数据质押融资有类似之处。中小微创新企业缺乏常规的抵押物，但可能拥有专利等知识产权，所以，专利质押融资似乎是一个既符合“创新驱动”发展战略又能针对性地解决中小微企业“融资难，融资贵”的政策方案。根据当时讨论会上了解的情况，某个银行的确做了几笔专利质押融资的贷款业务，但实际上，银行在确定贷款发放对象时，真正看重的还是一些常规的业务指标，只不过将其包装成了一个专利质押融资贷款的案例，即带有政策迎合的性质。或许正因如此，专利交易市场搞了多年，效果也并不是特别显著。
在知识产权质押融资中，比较成功的是版权或者著作权。英国有个歌手最早利用歌曲质押融资成功发债融资，国内的华谊兄弟、爱奇艺等，也利用著作权进行了成功的质押融资。
同样是知识产权质押融资，为何版权好搞，而专利权难弄？究其本质，发债融资是一种金融杠杆行为，其可行性非常依赖于底层资产的价值稳定性。专利权很难满足这个条件。诚如道德经所说，“金玉满堂，莫之能守”，如果专利权的市场价值很高，那一定会吸引竞争者进行“周围创新”，开发出非侵权的替代技术专利，最终市场竞争会将专利权的市场价值耗散掉。由此，专利质押融资面临一个两难悖论：要么专利权一开始就没有什么市场机制没有价值，要么一开始很有价值，但这又必然诱发周围创新，导致专利权在本质上是一种具有高度风险和不确定性的资产。
与之相比，版权的市场价值则要稳定得多，不但是因为保护时间长，更因为其具有高度的不可替代性。比如，有无数的歌手可以翻唱《昨日重现》，但翻唱的歌曲与Carpenter的原唱还是不同的。电视剧、电影也是类似的情形。比如，射雕英雄传、笑傲江湖都翻拍过很多版，但那些经典版本，却一直难以替代。
这解释了同样是知识产权质押融资，为何版权作为底层资产要比专利更加可行。当然，如果一定要进行专利质押融资，那么，标准必要专利（SEP）可能是最具有可行性的，因为其有效性、不可替代性以及价值稳定性在很大程度上得到了技术标准的保护。
按照上述逻辑进行推演，以数据资产质押融资，最大的挑战在于如何让出资方，不管是银行还是其他投资者，能够比较清楚地理解数据资产在未来发挥作用的应用场景、商业模式以及可计量的现金流。但很显然，如果满足这个条件，则意味着数据资产入表的价值评估就应该采取收益法，而不是成本法。
上面的分析隐含着一个基本结论：脱离应用场景而进行数据资产价值评估以及市场交易是很难的，但反过来说，实现数据价值、用数据赋能经济发展，也并不依赖于单纯的数据交易，而最为关键的是要推进数据资本化，结合应用场景，通过企业估值而对数据价值做整体评估。
之前在浙大的演讲中，我讨论了数据资产的资本化，这里简要回顾一下其中的要点。资本化的过程是一个从通用资产转化为专用资产进而创造价值增值，再转回通用资产进而实现价值增值的循环过程。对应到数据资产的资本化，这意味着离开了具体的应用场景之外，数据是没有抽象的市场价值的。那如何看待我国的数据资本化现状和前景呢？
我们按照国家所作的数据分类进行讨论。
首先是个人数据。这应该没有什么资本化的问题。
其次是企业数据。按照我们刚才讨论的资本化逻辑，可以认为企业数据是天然资本化了的，无需政府关心。为什么呢？既然某个数据集是由某个企业收集整理的，是内嵌于它的商业模式的，那么，在大概率意义上，该企业对该数据集是最了解的，也是市场评价最高的，因而数据的市场价值的实现根本需要进行数据集本身的市场交易。当然，也可能会有一些数据集比较特殊，需要通过市场交易实现其价值增值，但大致上来说，企业数据是已经资本化了的。
这里顺便呼应一下汤珂教授刚刚讲的内容。他提到了数据交易面临阿罗信息悖论。我继续从产权视角做一点拓展，说明单单强调数据资产的交易和流通在价值评估以及入表上所面临的困难。我主要讨论存货和无形资产。
将数据资产计入存货，意思是它未来用于出售。但数据资产作为存货跟传统资产的存货有很大的不一样。因为数据的复制成本很低，所以，即便卖方把数据作为“存货”出售了，但如何让买方相信这个“存货”在产权上是完全转移了？他可能认为，你把声称把数据拷贝给我了，但原生数据可能并没有被“销毁”，还存在备份和留底，这种产权交割不清与传统的存货定义是相悖的。
再看将数据资产计入无形资产。无形资产的许可使用则会遇到中间品或耐用品垄断的科斯猜想问题。科斯猜想是说，对耐用品垄断者而言，今天出售的多，就意味着明天出售的少，即今天的垄断者和明天的垄断者存在着竞争，因为这种跨期替代问题，耐用品垄断者的利润反而会因为出售机会的增加而下降。类似地，对中间品垄断者，因为下游厂商之间的存在竞争，而竞争会导致租金耗散，所以，其中间品销售利润也可能会随着下游厂商数量的增加而下降，这就是为何中间品垄断者往往喜欢排他性授权的原因。简单对比可以理解，数据资产计入无形资产，其许可使用必然面临上述科斯猜想问题。
综合上述正反两个方面的原因，我们认为，企业数据的产生过程意味着，它基本上可以说已经资本化了，无需政府去关心。
第三种是公共数据。这是亟待资本化的，但因为缺乏资本化的主体和配套的体制机制，公共数据资本化面临着“不能”“不敢”“不愿”等问题，以及人们通常提及的“数据孤岛”问题。人们对此已有不少讨论，我不再展开。我想稍微讨论一下的是数据价值的互补性以及折旧的问题。很多人认为数据资产的折旧率很大，我觉得不能简单这么判断。的确，有大量数据在经济价值上是“朝生暮死”甚至“转瞬即逝”的，但也有很多数据的市场价值并不能简单地用折旧率的概念来刻画，也牵涉到不同数据集之间的价值互补性时尤其如此。比方说，要完整刻画某个对象需要100个维度的数据，这些维度之间具有完全的互补性，即只有完整刻画才会产生市场价值。这意味着，即便收集了到了99个维度，它的价值都等于0，但等到补齐第100个维度之后，突然就变得价值连城了。由此我们可以感受到，依赖中介机构进行数据价值评估，前面提到可能会存在高估的道德风险问题，而这里则又可能发生与互补性相对应的低估问题。
既然中介机构在数据价值评估中并不可靠，那解决方案在哪里呢？我认为，这恰好就是总书记最近提到的“积极发展风险投资，壮大耐心资本”。从融资角度来看，有两种基本形式，股权和债权。耐心资本是跨越经济周期的定海神针，它对应的应该是股权，而不是债权。债权对景气波动的反应是不连续的，通常不会做出敏感的反应，但一旦反应，就可能突然爆掉而进入危机。
对应于数据资产的资本化，风险投资具有不可替代的重要作用。实际上，我们认为公共数据资本化最合理可行的方式就是“有为政府+有效市场”的合资风投模式。其中，有为政府对应于国有资本，主要是解决与数据获取、数据安全以及政策支持相关的问题，有效市场对应于市场化的风险投资，主要是提供应用场景、数据赋能和市场估值。最终，政府和风投都是以股权方式获得收益分配。用股权而非债权，既能培育耐心资本，又能合理解决收益分配问题以及中介机构价值评估过程中的道德风险问题。
谢谢大家！我就到这里。
