当前，以数据要素为基础的数字技术发展正深刻影响数字化转型的发展趋势，“人工智能 + 数据要素”为代表的数字技术创新加速变革工业资源配置模式。基于数据要素驱动的制造业集群化发展涌现出产业互联网、虚拟产业园等产业组织新形态，重构工业经济时代规模经济与范围经济的作用机理，推动全球新一轮科技创新和工业革命，重塑全球制造业的比较优势格局。将新型工业化建设同数据要素流通、数据价值挖掘有机结合，可以为推进数据要素市场建设、落实国家大数据发展战略奠定重要基础。充分挖掘工业数据价值对深入推进新型工业化意义重大。

一、工业数字化转型加速释放数据价值

工业大数据是工业领域产品和服务全生命周期数据的总称，包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据，以及工业互联网平台中的数据等，数据在经过传输、清洗和处理后，可以升级为工业生产的“决策大脑”，为工业生产的优化、质量控制、设备维护、供应链管理等关键环节提供重要改进依据。工业数据的深度开发利用，可以有效提高全要素生产率、驱动产业智能化升级，其价值贯穿生产全流程，是推动产业数字化转型的关键手段。在全球范围内，工业数字化转型加速以“数据”为中心转型，从设备预测性维护的算法迭代，到工艺知识图谱的因果推理，再到供应链协同网络的生态重构，制造业正在数据驱动下重塑生产力范式。

近年来，随着基础大模型性能的持续突破，高质量数据集和模型库已成为人工智能赋能新型工业化的重要抓手。截至 2024年7月，我国工业制造有效数据集数量达3757个，成为工业企业降本增效、重塑企业竞争力的战略选择，推动工业数据从“规模红利”向“价值红利”转变。

（一）制造业数实融合推动新型工业化建设

我国是世界上工业体系最为完整的制造业大国，数据资源和应用场景极为丰富，工业数据资源开发利用价值空间巨大。由国家数据局等多部门联合印发的《“数据要素 ×”三年行动计划（2024—2026 年）》《关于促进企业数据资源开发利用的意见》《关于促进数据产业高质量发展的指导意见》等政策相继实施，形成促进数据产业和数据市场发展的政策合力，大力支持工业企业培育数据驱动型智能制造新模式，带动数据要素的高质量供给和高效流通，培育出智能工厂、数字化车间等新型工业化场景。

海量的工业数据规模和丰富的工业场景为数据价值释放提供了重要载体，借助数字化工业场景与数据价值形成机理深度融合，加速大模型精准利用以及高效赋能，正成为工业大模型深度赋能新型工业化的新方向。如长城汽车形成了以“工业数据一元化”为核心的“53211数智化战略”，实现了产品研发、制造、营销、运营和服务等关键环节的数据采集，覆盖产品的全生命周期和全价值链，强化了对经销商、供应商、员工、车辆和供应链等数据的智能化管理水平，显著提高了平台的运营效率和产品的综合质量，数据价值在多元工业场景的运用中得到有效释放。

（二）数据价值挖掘引发新经济增长

工业数据是推动数字化转型的基础性战略资源，是产业经济发展的关键性创新驱动力。随着多模态大模型、推理大模型等技术突破，通过人工智能大模型对海量、多源、异构的工业数据进行高效整合以及价值挖掘，对产线设备运行数据、产品质量检测数据、供应链物流数据等进行深度分析，实现了技术与产业关键环节的深度融合，挖掘出传统方法难以发现的潜在规律与价值信息。当前，工业领域高质量数据集建设有效支撑“人工智能 +”在工业场景的应用落地，工业数据集的开发已从单一数据标注向“机理融合、知识嵌入、动态迭代”的系统闭环方向演进，构建“原始数据—高质量数据集—智能应用”的闭环链路，推动数据产品创新与服务型制造转型，同时推动数据要素与无人驾驶、具身智能、低空经济等数据密集型产业融合发展。数智融合技术带动新质生产力加速创新，助力我国在未来产业竞争中加快谋篇布局，抢占发展先机。

（三）工业数据交易规模不断扩大

数据交易是促进数据流通、发挥数据要素价值的重要途径，我国工业数据交易市场规模增长迅速，数据交易规模持续扩大。2021 年，我国工业数据交易额仅为 40.1 亿元，2023 年增长至 116.8 亿元，2024 年交易规模突破 160亿元，2030 年将达到 724.2 亿元。截至 2024年 12 月，广州数据交易所、上海数据交易所工业制造数据产品分别达 633 个、414 个。

深圳数据交易所、北京国际大数据交易所、苏州大数据交易所等数据交易所工业制造数据产品数量近百个，工业制造领域数据交易规模占数据交易规模总量的比重逐年增加。数据要素市场的日益成熟，使得传统制造业开始与上下游企业打通数据，产业互联网手段形成产业集群。中小微企业参与产业集群的可信数据要素市场，将会产生大量可信、可穿透的交易数据，进一步完善产业生态产品的整体品质、降低产业生态运营的整体成本。2024 年，在国家数据局的推动下，24 家数据交易机构联合发布《数据交易机构互认互通倡议》，在打破区域壁垒、畅通数据要素流通渠道、提升数据流通交易效率方面做了有益探索，有助于产生大量产业数字金融服务新模式，逐步解决中小微企业融资难的问题。

二、工业场景下的数据价值形成机理

（一）工业数据的价值属性

工业数据的价值贯穿制造业全链条，其属性包括技术、资产、应用与合规四个维度（图1），揭示了工业数据从技术价值沉淀到资产价值转化，再到场景价值深度融合的逻辑链路，同时强调合规性对全域价值落地的保障作用。工业数据价值属性在于将物理世界的生产要素转化为可量化、可决策的虚拟数字资产。通过人工智能技术赋能，工业数据的价值挖掘得以深化，多模态工业数据的融合分析突破了单一数据源的局限性，聚合分析更深层次的价值关联规律，从而释放更大的业务场景数据赋能潜力。例如，数字样机设计与仿真、数字孪生工业过程监控、规模化定制生产、柔性资源配置与调度、韧性供应链系统、全链条碳资产管理等新型复杂工业化场景，通过打通全要素、全价值链以及全产业链的“信息孤岛”，使数据价值能够在不同系统、不同业务和不同企业之间高效灵活流动，发掘更为丰富的智能化应用，同时也为工业数据的价值创造和流通开辟了新途径。

图 1 工业数据价值属性

（二）工业数据来源的多模态属性

随着自动化、信息化、智能化技术在制造业中的广泛应用，工业制造管理系统、生产监控系统、设备运行维护系统、产品质量检测系统、能耗管理系统中的各种机器设备、工业传感器等在运行和维护过程中会产生大量的多源异构数据，其多模态属性可以通过关联分析消除单一数据偏差，增强设备状态监测、故障预警及剩余寿命预测的准确性。多模态数据（数据结构、数据来源、数据语义等）可以提供更全面的工业信息维度，借助动态数据估值调整，使单一数据的价值分析模式从“单点优化”升级为“系统增效”，从而显著提升数据价值评估的准确性和深度（如信息互补、预测准确性和动态评估）。随着工业数据口径、数据字典和数据标准逐步完善，制造业多模态数据与工业场景融合水平将逐步提高，通过可信数据空间、区块链等技术，打造面向行业应用的数据空间，将有效推动工业数据价值跨行业跨区域的流通。

（三）工业数据价值动态演化机制

随着工业数据分类分级标准以及数据要素价格机制的逐步完善，数据要素资源与工业应用场景结合效益创造的价值得以量化。通过交易和金融结合实现数据资产的价值增值，这一过程体现了数据价值形态、价值创造过程、与工业场景的协同以及价值创造模式的动态变化。数据价值形态随着价值生成过程呈现出从资源数据到智慧数据、资产数据、资本数据的动态演变；同时，数据价值创造模式也从价值倍增模式向投入替代模式和资源优化模式演变。生产效率的提升、传统生产要素的替代以及资源配置的优化，进一步推动了数据价值在工业智能化进程中逐级释放，体现了数据在工业领域的价值赋能发展前景，以及在不同阶段和场景下的动态变化和适应性。

（四）工业数据价值形成的理论模型

基于上述分析，工业场景下的数据价值形成理论模型以数据资源为基础，经由数据采集、存储、清洗等数据处理环节，借助数据挖掘、机器学习等数据分析技术，与企业业务流程和应用场景深度融合，从而逐步实现数据价值的释放与提升。数据价值转化、数据价值应用、数据放大生态以及数据价值提升作为关键环节，贯穿数据价值形成全过程。各因素相互作用、相互影响，共同推动数据价值从生产要素向新质生产力的质变，通过“数据 + 模型 + 算力 +场景”释放工业数据价值的乘数效应，实现新型工业化的智能化发展创新（图 2）。

图 2 工业数据价值形成机理

三、工业场景下的数据价值评估方法

（一）数据价值评估的重要性与难点

在工业 4.0 与数据要素市场化的双重背景下，工业数据作为数字经济的核心生产要素，其价值评估是驱动制造业数字化智能化转型的关键环节，是实现产业链协同创新与数字生态价值重构的基础。工业数据价值评估有效揭示了数据要素的经济属性，能够为工业全链条提供科学精准的成本预测及效能评估。通过进一步加工，数据可转化为数据产品，并通过数据交易以实现价值变现，从而推动工业数据从“资源沉淀”向“价值释放”跃迁。但不同应用场景下，工业数据价值评估的侧重点存在差异，实际操作中面临数据量大、来源多样、评估标准不统一等问题，导致数据价值评估的时效性和准确性受到影响。

（二）工业数据资产价值评估体系

工业数据资产价值评估体系的构建是基于数据价值动态演化机制，融合价值闭环管理、场景适配原则、多维度指标体系三大核心要素，形成的工业数据价值评估范式，核心在于依据数据要素的场景化价值生成规律，构建价值闭环管理、场景适配原则、多维度评估指标的评估指导框架（图 3）。该框架梳理了评估闭环、适用场景、评估方法和评估流程四大要素，提供了一套科学、系统的工业数据价值评估解决方案，涵盖数据价值评估在不同业务环境下的应用。通过这一框架，企业可以识别和量化数据资产的价值，从而在数据驱动的决策中获得竞争优势。价值评估闭环覆盖数据采集、处理、应用以及反馈优化的全生命周期，确保数据价值能够持续攀升并得到最大化利用；场景适配原则强调评估体系要充分考量不同工业场景的显著差异，为工业数据资产的科学评估奠定实施基础。

图3 工业数据资产价值评估体系

（三）工业数据价值评估方法

1. 成本法

成本法是以工业数据的形成与维护成本为依据评估数据价值，考虑数据采集、整理、存储、安全防护等环节的资源投入，包括人力、物力、财力耗费等成本。成本法的评估步骤包括核算工业数据采集、整理、存储、安全与维护等环节的成本，汇总得到数据价值评估值，该方法的计算模型如下所示：

P = C×F （1）

式（1）中：

P——被评估数据资产的价值；

C——重置成本，包括直接成本（如数据采集、整理、存储等方面的支出）、间接成本（如管理费用等）、流通税费及预期利润；

F——调整因子，包括剩余经济寿命调整因子、质量特性调整因子、行业特征调整因子、数据稀缺性调整因子与其他调整因子。

成本法的优点在于评估过程相对客观、可量化，尤其对于新生成的、独特性的工业数据集，能合理反映其基础价值底线；缺点是忽略了数据潜在的市场收益与战略价值，可能低估数据资产在创新应用中的价值增量，适用于企业内部对数据成本核算与基础价值认定场景。在成本法的具体实施案例中，浙江五疆科技发展有限公司委托浙江大数据交易中心开展“化纤制造质量分析数据资产”入表评估（全国首单工业互联网数据资产化案例），完成了生产阶段的设备运行状态、工序关键参数、原材料的质量状况、过程成品检验数据、工人操作记录等多个维度的数据梳理以及形成数据资产相关的成本归集。

2. 市场法

市场法是参照市场上类似工业数据产品或服务的交易价格来评估待评估数据价值，遵循替代原则，假设在公开市场上存在可比的数据商品，其成交价格能在一定程度上体现数据的市场认可价值。市场法的评估步骤包括筛选可比工业数据交易案例、分析价格影响因素、对可比案例成交价格进行调整，得出待评估数据的市场价值，该方法的计算模型如下所示：

P = Q×F （2）

式（2）中：

P——被评估数据资产的价值；

Q——参照数据资产的价格；

F ——调整因子，包括但不限于质量特性调整因子、价格调整因子、日期调整因子、容量调整因子、供求关系调整因子与其他调整因子。

市场法的优点是能直接反映数据在市场环境中的现实价值，为数据交易、市场化合作提供参考依据；缺点是工业数据往往具有行业专属性与定制化特点，难以找到完全可比的交易案例，且市场价格易受短期市场波动、非理性炒作等非价值本质因素干扰，评估准确性受限，适用于企业间数据交易谈判、战略合作伙伴选择等基于市场价值的评估场景。在市场法的具体实施案例中，新译科技通过该方法评估多语言工业知识图谱数据资产，并以此获得交通银行 1000 万元授信，成为全国首例以市场法作为数据资产价值评估的实际应用。

3. 收益法

收益法是聚焦工业数据所带来的未来经济效益流量，通过预测数据在预期使用期限内对企业收益的贡献，并将其折现到当前时点来确定数据价值，强调数据的收益创造能力。收益法的评估步骤包括预测数据收益期限、估算年度收益增量、确定折现率，计算数据价值，该方法的计算模型 如下所示：

式（3）中：

P——被评估数据资产的价值；

Rt——数据资产第t 个收益期的预期收益额；

n——剩余收益期；

t——未来第t年；

i——折现率。

收益法的优点是充分考虑工业数据的潜在收益与战略价值，能够真实反映数据对企业长期发展与竞争力提升的核心作用；缺点是预测数据收益与确定折现率主观性较强，未来不确定性高，对评估人员的专业素养与行业洞察力要求极高，且评估过程相对复杂，需要大量假设与敏感性分析验证。在收益法的具体实施案例中，山东高速集团采用该方法对车流量数据进行价值评估，预测了数据在降低交通事故率、延长道路使用寿命等方面的经济价值，评估值达 3000 万元。评估中综合考虑数据更新频率、应用场景广度等多维指标，构建了动态调整的价值评估模型（工业设备运行数据可借鉴此案例，如通过机械振动监测数据预测设备故障减少带来的维修成本节约和产能提升收益，从而进行评估）。

4. 综合法

综合法是将成本法、收益法、市场法相结合的评估方法，将客观量化和主观评价相结合，依据工业数据资产具体情况和评估目的对不同方法调整权重进行综合分析。综合法评估步骤包括使用两种或三种评估方法对测算出的数据资产价值进行赋权加总，从而得出被评估数据资产的综合价值。三种方法中所依据的各种假设、前提条件、技术参数宜具备可比性，权重取值宜根据数据资产具体情况和评估目的进行设定，权重设定使用的方法包括但不限于层次分析法、模糊综合评价法和德尔菲法等。该方法的计算模型如下所示：

式（4）中：

p——被评估数据资产的价值；

a1——成本法权重；

p1——成本法计量值；

a2——收益法权重；

p2——收益法计量值；

a3——市场法权重；

p3——市场法计量值。

综合法的优点是能够综合考虑数据的多种价值维度，提高评估结果的全面性和准确性；缺点是权重的确定主观性较强，需要评估人员具备丰富的经验和专业知识，且评估过程较为复杂，计算量较大。在综合法的具体实施案例中，国网浙江新兴科技有限公司委托浙江大数据交易中心完成了“双碳绿色信用评价数据产品”的市场价值评估，是目前国内第一单在数据交易所提供市场参考价的基础上，以综合法（市场法公允价值与成本法参考相结合）进行评估的电力行业数据资产案例。

四、工业数据价值评估发展展望

（一）关注新型工业大模型引发的价值评估需求

随着人工智能技术的飞速发展，新型工业大模型不断涌现，以多模态大模型（如 M6-Industrial、THU-IM）为代表的 AI 技术，通过嵌入热力学公式、切削力模型等工业机理，突破传统单一场景的数据价值边界，具有更强大的数据处理和分析能力，能够从海量工业数据中挖掘出深层次价值，从而引发一系列新的价值评估需求。例如，基于大模型的设备故障预测，不仅需要考虑传统的设备运行数据，还要融入更多的生产环境、供应链成本等多维度数据，对数据价值评估的完整性、准确性和时效性提出了更高要求。同时，大模型的应用场景也更加复杂多元，从单一设备的优化到整个生产流程的智能化管理，使得数据价值评估需要综合考虑不同场景下的数据贡献和业务影响，如清华大学研发的 THU-IM 模型通过融合硅片切割力数据与视觉图像，实现协同溢价计算误差率从 18% 降至 7.2%，为光伏企业数据资产入表提供精准依据。新型工业大模型往往涉及多个部门和领域的协同合作，数据的共享和流通更加频繁，进一步增加了价值评估的复杂性。

（二）构建多场景下工业数据价值评估标准体系

工业数据价值评估标准体系构建是实现数据资产化和市场化的重要基础，不同工业场景中的数据类型、格式和质量要求差异较大，如智能制造场景下的实时生产数据与供应链管理中的物流数据，在评估时需要针对各自特点制定相应的标准。多场景评估涉及多个工业行业和领域，需要协调各方利益，统一评估指标和方法，确保评估结果的可比性和可信度。例如，在评估数据的准确性时，机械制造行业和电子行业可能有不同的衡量尺度，需要建立细分评估标准来匹配行业需求。此外，构建评估标准体系可以规范评估过程中数据的安全性和隐私保护。在不同场景下，数据涉及的敏感信息不同，如企业的核心生产工艺数据和用户的个人隐私数据，在评估过程中建立严格的数据分类分级保护标准，可以确保数据的合法使用和存储。构建多场景下工业数据价值评估标准体系，是工业数据资产的可比性、可用性评估的基本制度保障，有力推动工业数据在不同场景下的价值流动和有效配置。

（三）探索工业数据要素市场评估产品创新

在工业数据要素市场化的进程中，探索评估产品创新是推动市场成熟和发展的重要动力。传统评估产品在面对工业数据的复杂性和多样性时，由于数据治理能力不足，往往存在局限性，需要研究更准确的评估方法以及开发更智能的评估工具。例如，利用机器学习算法开发在线评估平台，能够实时分析海量工业数据，快速给出评估结果，提高评估效率和精度。市场化评估产品创新与金融工具、跨境服务及生态构建的深度融合，可以为工业企业的个性化发展提供定制化的评估解决方案。例如，针对不同规模和行业的企业，设计差异化的评估套餐，满足企业在数据交易、融资、合作等不同场景下的价值评估需求；为出海企业开发“一带一路”工业数据评估工具包，为制造企业海外项目提升评估效率；探索数据价值保险等创新产品，为数据价值使用双方提供风险保障，增强市场对工业数据价值评估的认可度和信任度。通过不断创新市场化评估产品，可以更好地满足工业数据要素市场多样化的需求，推动工业数据的价值释放和产业数字化转型升级。

五、结论

全球工业发展已经进入了数字技术驱动和数据要素应用创新的快车道。以美国、欧盟为代表的国家和区域性国际组织加快出台数据战略，旨在重塑数字技术优势、抢占工业发展先机。我国正处在新型工业化转型升级和培育国际竞争优势的关键时期，持续挖掘工业数据价值潜力，成为支撑工业高质量发展的关键要素和创新引擎。随着国家工业互联网大数据中心、制造强国产业基础大数据平台等国家级基础设施的建设，以及工业数据流通和评估交易的制度完善，将推动工业数据产品与服务的标准化和规模化，激活工业数据价值评估的应用需求。未来，工业数据价值评估工具将与数字孪生、区块链等技术深度融合，评估方式将更加精准与多元，助力企业智能化决策和产业链协同创新，形成覆盖工业数据确权、流通、收益分配全周期的新型价值管理体系。应进一步拓展我国工业数据价值评估的应用场景和市场空间，释放万亿级工业数据资产红利，为实现“十五五”发展目标奠定坚实基础，助力我国在全球工业数据主权博弈中抢占先机、在全球科技与产业竞争中占据领先地位。

原文刊载于《数字化转型》2025 年第 5 期 作者：广州赛宝认证中心服务有限公司 刘小茵 郭伟龙