数据资产入表：三大难点与破局之道

2026年7月23日，CPA大讲堂第55期开讲，容诚会计师事务所广西分所张帅老师围绕数据资产确认、初始计量、后续计量三大环节的实务难点，以及优化建议进行了深度分享。以下为讲座核心内容精编。

一、数据资产确认：三大“拦路虎”

数据资源要转化为数据资产并实现入表，需要满足会计上关于资产定义的两个核心条件：由企业拥有或控制，以及预期会给企业带来经济利益。然而，恰恰在这两个环节上，数据资产面临着三大难点。

第一，确权难。数据资产具有虚拟性和非排他性，传输复制成本极低，主体多元化导致权属关系远比传统物权复杂。一栋房子或一块土地无法复制，产权清晰，但一段数据可以低成本无限复制，复制后的数据与原始数据之间的产权关系如何界定，尚无定论。尽管国家层面已提出“数据资源持有权、数据加工使用权、数据产品经营权”三权分置的产权运行机制，但目前仍是纲领性文件，缺乏细化规定。各地数据产权登记制度尚处起步阶段，全国40余家登记机构在登记标准、审查流程、证书效力等方面差异显著。

第二，收益性判断难。数据需先经过清洗、标注、脱敏等加工实现“资源化”，再结合具体应用场景实现“产品化”，才能满足经济利益流入企业的确认条件。但实务中许多企业缺乏专业判断能力，数据资源能否真正实现产品化、能否产生切实的经济利益，很难准确评估。

第三，计量边界难固定。数据资产没有实物形态，无法像房子、土地那样用物理单位计量。它可以随时复制、修改、删除、合并，物理边界难以确定。同时，数据资产高度依附于软件系统，二者价值边界难以切割，自研项目中哪些价值属于数据资产、哪些属于软件，很大程度上依赖主观判断。此外，数据资产不能侵犯个人隐私或危害公共安全，需设定安全边界，但目前相关法律法规尚待完善。

二、初始计量：科目选择与成本分摊之困

（一）计入无形资产还是存货？

数据资产兼具多重会计属性——可自用或对外服务（无形资产特征）、可加工出售（存货特征）、价值波动不产生物理损耗（金融资产特征）。暂行规定明确：前两种业务模式计入无形资产，第三种计入存货。

从实践看，绝大多数企业选择计入无形资产。2025年A股136家数据资产入表上市公司中，128家计入无形资产（金额31.2亿），仅3家计入存货（金额0.2亿）。这背后有多重原因：数据资产可重复利用、可加工迭代，若直接出售则获利能力有限；同时数据资产安全合规风险高，各方对转让数据资产持谨慎态度。

2025年还出现了一个显著趋势：大量企业将原计入存货的数据资源重分类至无形资产，存货金额同比下降79.9%。主要原因包括：业务模式从一次性买断转向订阅式授权服务；监管要求“实质重于形式”划分科目；企业将核心数据集作为长期战略资产管理；各地数据交易所逐步减少数据买断交易品种。

（二）内部研发：资本化还是费用化？

内部研发形成的数据资产，其研究与开发阶段划分存在较大争议。数据资产研发活动个性化强，难以一概而论。

更大的难题在于成本归集与分摊。企业在录入业务数据的同时可能也发生了数据采集行为，在对数据进行分析的过程中也可能伴随数据加工——这些支出到底是业务活动支出还是数据研发支出，很难切割。数据资产的研发成果往往是其他项目的“伴生产物”，但缺乏类似副产品的可靠计量方法。此外，数据资产与软件系统的研发支出往往同时发生、密不可分，缺乏合理的分摊方法。

（三）外部购入与投资者投入：估值之惑

外部购入数据资产的初始计量相对容易，有交易价格可直接参考。但难点在于交易价格本身如何确定——目前数据交易市场不够发达，交易标的数量少，个性化差异显著，很难找到可比的交易价格作为参考。

投资者投入数据资产的情形更值得警惕。地方政府在公共民生领域积累了海量数据资源，可通过作价出资方式注入地方国企实现入表。但由于缺乏活跃的市场交易价格，公允价值确定高度依赖估值技术，评估行业尚处起步阶段，评估经验匮乏、手段仍在摸索。这可能导致数据资产泡沫化风险。2026年5月，沪深交易所全面暂停数据资产ABS申报与发行，正是因为底层资产确权难、定价难、现金流难以独立支撑。

三、后续计量：摊销、减值与披露的挑战

（一）摊销：使用寿命难以合理估计

数据资产摊销的核心难点在于使用寿命无法合理估计。它不像机器设备那样随使用发生物理损耗，可无限重复使用但时效性又很强。暂行规定虽指出了应考虑业务模式、权利限制、更新频率等因素，但仅提供方向，实务中难以落地。同时，数据资产更新迭代快，价值可能快速减损甚至归零，不能简单将其作为使用寿命不确定的无形资产而不计提摊销。

摊销方法和残值同样棘手。直线法未必符合实际，工作量法又缺乏物理计量单元。数据资产可能在使用寿命结束后仍具有变现价值，将残值预计为零也可能不合理。

（二）后续支出：资本化还是费用化？

无形资产准则没有后续支出的相关规定。但数据资产需要持续扩容、技术迭代、安全保护，后续支出发生频率高，且能显著提升未来经济利益。若全部费用化，不符合经济实质；若参照固定资产进行资本化，数据资产的不可分割性又使得将支出归属于特定组件几乎不可能。

（三）减值与披露

数据资产价值波动频繁、技术迭代快，减值风险高。但减值迹象不易识别——数据交易不活跃、缺乏参照物；减值测算方法也不够可靠，市场法难找可比交易，收益法下现金流和折现率的预测存在很大不确定性。

披露方面，暂行规定虽做了详细要求，但自愿披露由企业把握，可能倾向选择性披露；且披露信息可能涉及商业秘密甚至核心竞争力，企业难以在透明披露与保护商业秘密之间找到平衡。

四、破局之道：三项建议

第一，健全数据资产产权制度。2026年7月国家数据局印发《数据产权登记工作指引》，搭建了全国统一数据产权登记制度。该指引明确了三权定义：持有权是基础管控权，使用权是内部利用权，经营权是变现流通权。三者相互独立，可同属一主体也可分属多主体。这为数据资产的确权提供了重要制度基础。

第二，加强入表管理，防止泡沫化。应建立有效的数据交易市场，完善数据要素标准体系和统一交易规则。企业应建立量化评估模型，围绕数据资产对收入提升、降本增效的贡献设定评价指标。同时要推动数据资源产品化，避免沦为“纸面资产”。

第三，提高计量可靠性。一是区分数据资源和软件，明确核算标准——若资源主体是数据而软件仅用于读取管理，整体可作为数据资产；若数据仅起辅助功能，整体作软件资产。二是规范伴生业务的成本计量，建立数据资源目录和管理台账，确定合理的成本分配范围和分配方法。三是明确研发阶段划分标准，将研发过程分解为若干节点并制定验收标准。四是规范摊销要素——摊销年限不宜过长，建议采用加速折旧法以匹配数据资产初期价值较高的特征。五是区分后续支出性质：日常维护更新予以费用化，阶段性开发形成新产品则可资本化。

数据资产入表是数字经济时代的全新课题，确权、计量、后续管理各环节均面临传统会计框架难以直接套用的挑战。随着《数据产权登记工作指引》等制度逐步落地，以及实务中经验的不断积累，数据资产的会计处理将日趋规范。对企业而言，关键在于建立规范化的数据资产管理体系，在合规前提下充分挖掘数据资产的真正价值。

本文取材自CPA大讲堂第55期直播课程，授课教师：张帅，容诚会计师事务所广西分所业务总监，注册会计师、高级会计师、注册税务师，广西第五期十百千高端会计人才(注册会计师类)，第四届全国会计知识大赛注册会计师行业个人金奖

如想学习课程全部内容，可扫码下方二维码。

如需关注上海国家会计学院i上国会课程平台更多直播课程，可以订阅i上国会个人年卡会员。