（1）信息化数字化奠定根本
信息化和数字化是数据资产化的坚实根本。互联网的发展带来了云打算、物联网、大数据等技能的广泛运用，为数据的天生、存储、传输和处理供应了支撑。我国数字经济规模和运用场于领先地位。互联网的遍及、移动互联网的兴起、云打算、物联网等技能的发展，提升了信息化和数字化的水平。信息化和数字化的发展不仅表示在技能层面，还表示在政策和制度层面。我国政府通过出台政策法规，为数据的天生、存储、传输和处理供应了法律保障，确保了数据天生利用过程中的安全性和合规性。此外，信息化和数字化的发展在制造业、金融、医疗等各行各业得到广泛运用，不仅促进行业数字化转型升级，也为数据资产化供应了丰富的数据资源。
（2）数据要素改革朝阳东升
数据作为新时期的关键生产要素，已经在数字经济和社会发展中发挥着重要浸染。随着数字化进程的加快，数据的代价日益凸显，数据要素改革也逐渐成为国家计策的主要组成部分。近年来，我国政府出台了一系列政策，推动数据要素市场化配置，促进数据要素的开拓和利用。2019年，党的十九届四中全会首次将数据列为生产要素，标志着数据要素改革的正式启动。2020年4月，中共中心、国务院印发的《关于构建更加完善的要素市场化配置系统编制机制的见地》明确了要素市场制度培植的方向和重点改革任务，提出要勾引造就大数据交易市场，依法合规开展数据交易，推进政府数据开放共享。
数据要素改革的详细方法包括数据产权制度的建立、数据交易市场的造就、数据安全管理的加强等。2022年12月，中共中心、国务院印发的《关于构建数据根本制度更好发挥数据要素浸染的见地》提出，要建立数据产权制度，明确数据的归属和利用权，保障数据交易的合法性和合规性。数据资产化是数据要素改革的主要方向之一。财政部在2023年8月印发了《企业数据资源干系司帐处理暂行规定》，规范了企业数据资源干系司帐处理，强化了干系司帐信息表露，推动和规范数据干系企业实行司帐准则，准确反响数据干系业务和经济本色。
（3）人工智能赋能千行百业
近年来，人工智能（AI）技能迅猛发展，成为推动科技进步和经济社会发展的主要力量。人工智能的自主学习温柔应能力、强大的数据处理能力，以及在各个领域的广泛运用，使其成为经济社会发展的主要推动力。人工智能对千行百业的赋能浸染尤为显著。通过引入AI技能，各行各业能够实现生产过程的自动化和智能化，提升生产效率和做事质量。例如，在制造业，人工智能能够优化生产流程，实现智能制造；在医疗领域，AI技能则通过赞助诊断和个性化医疗，提升了医疗做事的质量和效率。中国在人工智能政策上给予了高度重视，自2017年工信部发布《促进新一代人工智能家当发展三年行动操持（2018-2020年）》以来，中心和地方政府陆续出台了一系列政策文件，推动人工智能的快速发展。
2. AI时期数据资产化的主要意义
在人工智能时期，数据作为新型生产要素，正成为推动社会经济高质量发展的关键资源。数据资产化的核心在于数据资源的确权、流利和交易，以及为人工智能大模型的演习供应数据支持，促进各行业的智能化转型和技能创新。
（1）实现经济社会高质量发展的关键举措
数据资产化通过支撑传统家当智能化、助力数字经济创新和提升社会运行效率，成为了实现经济社会高质量发展的主要引擎。它为人工智能技能供应了坚实的数据根本，使其能够在各行各业中发挥更大的浸染，促进了经济构造的优化与效率的提升。第一，数据资产化为传统家当智能化升级供应支撑，使企业能将生产数据转化为高质量数据集，推动生产流程智能化。第二，数据资产化通过为新兴数字经济供应核心数据支持，推动了数字商业模式的创新和新业态的形成。第三，数据资产化通过促进人工智能在各行业的广泛运用，全面提升了社会运行效率。
（2）造就和发展新质生产力的支撑
数据资产化提升科技创新能力、优化生产要素配置、助力高技能家当的形成和创新生态系统的构建，成为造就新质生产力的主要支撑力量。第一，数据资产化在科技创新中发挥了至关主要的浸染。数据资产化通过数据的合规流利，使科研机构和企业能够获取所需的关键数据，推动人工智能在量子打算、生命科学等前沿领域实现快速打破。第二，数据资产化通过促进生产要素的创新配置，有效提升了生产力水平。第三，数据资产化还通过推动高技能和新兴家当的形成，进一步促进了新质生产力的造就。第四，数据资产化还推动了创新发展生态系统的构建。通过数据的成本化和市场化，吸引了大量风险成本和政策支持，进一步推动了创新链条的深度领悟。
（3）构建全国统一数据和技能市场的领悟枢纽
数据资产化通过促进数据流利、标准化管理和市场化交易，构建了全国统一的数据和技能市场的领悟枢纽。第一，数据资产化通过促进数据要素的市场化流利，加速了全国统一数据市场的构建。数据资产化通过数据确权、评估、标准化处理和合规流利，冲破行业和区域壁垒，实现数据资源的高效配置和代价最大化。第二，数据资产化推动了技能市场与数据市场的深度领悟，形成数据与技能相互支撑的创新生态。人工智能技能的发展高度依赖于高质量的数据集，而数据资产化则确保了高质量数据的获取、流利和合法利用。第三，数据资产化为统一市场标准和规范体系供应支撑，保障数据和技能市场康健运行，如2022年工信部国家出台的《数据安全管理办法》明确了数据在流利过程中的合规性和安全性哀求。第四，数据资产化在构建全国统一市场的过程中，也发挥了促进家当升级和领悟创新的主要浸染。数据资产化连接了数据要素市场和技能市场，形成了一个横跨多个家当、地域和技能领域的领悟枢纽。
3、AI时期数据资产化的核心路径征
在人工智能时期，数据不仅是信息的凑集，更是推动经济发展的主要资源、是造就新质生产力的主要支撑。数据资产化是指将数据从原始状态逐步转化为具有经济代价、可交易、可管理的资产的过程，因此演习模型为目标、以合规流利为核心、以标准规范为关键步骤的过程。
（1）演习模型是目标
演习人工智能大模型是数据资产化的终极目标。数据资产化是将数据资源转化为具有明确经济代价的资产的过程,经由数据汇聚流利和系统化、标准化的处理，形成了高质量数据集。高质量数据集是运用于演习天生式人工智能大模型、辅导生产经营活动并发挥主要代价的一组相互关联的数据凑集。依托政府、区域、行业的高质量数据集资源，演习国家性、区域性、行业性的人工智能大模型，赋能行业数字化转型、数智化发展。
（2）合规流利是核心
数据流利利用成为数据资产化代价实现的核心路子。数据要素化背景下，数据流利利用是高质量数据集形成的必由之路，是推动数据市场化利用与开释数据要素红利的一定路径。但数据流利面临一系列安全合规的问题，如数据权属边界模糊，多主体参与数据生产、加工、运用，所有权归属涉及数据采集者、数据处理者、个人用户等多边界模糊；数据跨境流动合规对企业环球化提出更高哀求。只有数据能够在法律和准则的框架下安全合规地流利、交易、汇聚、共享，才能形成行业、区域、家本地高质量数据集，使数据充分开释代价，促进行业企业数字化转型。
（3）标准规范是关键
标准规范是实现数据资产化的关键和保障。第一，在数据质量方面，数据标准通过统一数据格式、数据构造、数据类型、数据命名、数据洗濯标注等办法，确保数据的同等性和准确性，保障数据生产、加工和运用过程中的规范化，减少数据缺点和冗余，提高数据质量，增加数据可信度。第二，在数据流利方面，统一的数据标准和接口定义可有效促进不同运用之间的数据共享和集成，肃清数据孤岛，加速数据高效流利交易，降落数据管理本钱，提高数据掩护性和扩展性发挥数据代价。第三，在数据共享方面，统一的术语、根本数据标准可以保障组织各部门和团队在数据全生命周期管理过程中保持同等理解和处理，避免各不相谋导致问题。第四，在数据举动步伐方面，数据资产化的标准规范为数据根本举动步伐方案和培植供应方针，确保数据存储、处理和传输的架构符合业务需求和行业标准，为金融成本市场参与数据资产化供应制度性的安排。第五，在数据隐私保护方面，数据安全管理标准制度是保障数据安全和个人隐私的主要方法，通过制订数据安全防护标准和风险管理机制，加强数据在采集、存储、传输、利用等各环节的安全防护能力，强化对个人隐私的保护，防止数据透露和滥用事宜的发生。
本文仅代表作者不雅观点。
(本文来自第一财经)