【正文】

中国数据要素产业已经完成了从0到1的政策制度搭建阶段，目前正处于从1到10的市场化落地验证期。尽管政策框架已基本成型，但商业化盈利模式尚未完全打通。预计未来3到5年将是整个行业商业模式验证和市场化格局固化的关键窗口期。行业发展的核心驱动力已从早期单纯围绕数据本身，转向了围绕产业谈数据。随着人工智能、物理AI、具身智能等新兴产业的快速发展，数据要素与这些产业的融合度日益加深，显著提升了数据要素产业的价值天花板和想象空间。

目前，数据要素产业已形成较为确定的上、中、下游三层架构。上游是数据资源层(供给层),核心参与者包括以各地数据集团为主体的公共数据运营机构、互联网龙头企业及平台、以及垂直领域的数据服务公司。此环节的核心壁垒在于能否掌握核心数据资源，尤其是公共数据，其授权运营尚处试点阶段，市场化供给不充分，主要掌握在地方数据集团手中。中游是流通与技术服务层，作为产业的核心枢纽，连接上下游。主要参与者包括数据交易所、数据经纪商、数据治理商、隐私计算公司以及数据合规、评估等专业服务机构。其中，技术服务商的市场化程度较高，参与者众多；而以数据交易所为核心的数据经纪商模式虽发展较早，但尚未形成完备的市场化闭环。下游是数据应用层，即付费方。核心落地场景包括金融、政务、医疗以及AI 大模型训练等。金融和政务是目前国内落地最成熟、付费能力最强的两大场景，但项目周期普遍较长。AI 训练是近一年来需求弹性最大、增长速度最快的应用领域。整体来看，掌握核心公共数据资源的“国家队”在资源端优势明显，但市场化运营效率有待提升，期待国家数据集团的成立能起到统筹作用。

从各环节的价值量来看，资源端的稀缺性最有可能形成长期议价能力，但前提是权益稳定、持续更新、难以替代，并有明确的付费场景。掌握客户生产经营过程数据、专业价格数据或难以重建的长期历史数据，通常比汇集公开重复信息更有价值。运营商规模大、场景多，但数据业务增量未必足以显著改变整体利润，不能仅凭资源量判断股价弹性。

训练数据与标注环节的需求弹性较高，利润分化也会较大。标准化人工标注容易面临竞争与自动化替代；专业知识密集的数据评测、多模态采集、复杂任务数据和高质量反馈数据，更可能体现稀缺性。要区分客户支付一次加工费的业务，与能够向多个客户合规授权的自有产品。合成数据可以降低部分成本，也可能压缩传统采集和标注的单价，不能只计入需求利好。

数据治理和基础软件可能成为AI落地的重要受益环节。企业即使拿到模型，也仍需处理数据质量、权限、口径、更新和可追溯问题。若供应商把这些能力做成可复制的软件，客户扩张时存在利润率改善空间；如果每单都依赖大量驻场开发，收入增长可能伴随同等人力增长。

参考研报

20261010-国泰海通证券-新质生产力顶层设计落地，AI应用、未来产业与数据要素迎发展机遇