案例背景
2026年10月，多家财经媒体关注到具身智能训练数据产业的快速扩张。据中国证券报与第一财经的相关报道，随着机器人、智能驾驶等具备物理交互能力的智能系统从实验室走向工厂、仓储与家庭等真实环境，用于训练操作技能与运动控制的高质量数据，成为最稀缺的生产要素之一。围绕数据采集、清洗、标注、仿真合成与合规交易，一条新兴产业正在形成：数据采集基地、动作捕捉工场、仿真数据平台与数据交易所等新型主体密集出现，部分企业的机器人操作数据集开始以许可授权方式定价交易。报道同时指出，数据资产的会计确认与估值方法正在被重新讨论，此前长期被视为成本中心的数据资源，开始以资产形态进入企业报表与估值体系。
这一变化的经济含义远超一个细分行业的兴衰。它标志着数据从技术副产品转变为可交易、可计量、可融资的生产要素，也意味着企业资产负债表上最被低估的部分可能面临价值重估。对管理学教学而言，这是讨论资源基础观、要素市场与资产估值方法的鲜活案例。本案例将从要素属性、价值计量与治理结构三个维度展开分析。
核心分析
一、从副产品到战略资产：资源基础观视角下的重估
资源基础观认为，企业持续竞争优势来源于有价值的、稀缺的、难以模仿且可被组织利用的资源。具身智能数据的特殊性，使其高度符合这一判据。视觉与文本数据可以从互联网规模化获取，而机器人完成一次成功抓取所需的力控时序、关节角度、失败样本与边界工况，只能在真实物理交互中产生，无法凭空生成。这类数据具有强烈的实践粘性：它附着于具体设备、具体场景与具体操作流程，难以被竞争对手复制或购买，因而具备稀缺性与难以模仿性。由此产生的管理含义十分明确：企业在日常运营中积累的过程数据，其潜在价值可能远高于账面所反映的水平。长期以来，这些数据被当作日志与副产品，随业务完成即被丢弃或长期沉睡。具身智能产业的爆发，为这类沉睡资源提供了一个外部定价参照。管理者需要重新盘点自身的数据家底：哪些流程数据具有场景独占性，哪些具备跨主体复用价值，哪些可以通过合规加工形成对外供给。这一盘点过程，本质上是对企业资源禀赋的一次重新识别。
二、价值计量难题：从成本法到收益法的方法论选择
数据要成为资产，必须解决计量问题。会计与资产评估中有三类基本方法：成本法按重置或历史投入计量，收益法按未来经济利益的折现计量，市场法按可比交易价格计量。数据资产的特殊性在于三者都存在困难：成本法难以反映真实价值，因为采集成本与使用场景弱相关，一次昂贵的采集可能因场景变化而一文不值；收益法依赖对未来现金流的估计，而数据资产的价值高度依赖具体应用场景，场景不确定则现金流难以预测；市场法受制于可比交易稀少，且每一笔数据集在覆盖度与标注质量上差异显著，可比性有限。目前实践中的折中做法是分层计量：底层原始数据按成本法入账以保证谨慎性，加工后的数据集与数据产品按收益法或市场法评估并作为表外披露，形成入表加披露的双轨制。这一安排对管理者有两方面启示。其一，数据资产化不仅是财务技术问题，更是倒逼企业建立数据全生命周期成本核算与价值追踪的管理工程。其二，估值方法的差异会带来显著的报表影响，管理层需要警惕以评估值替代经营实绩的倾向，避免把重估收益当作经营成果。
三、要素市场与治理结构：数据交易的制度基础
数据成为可交易要素，需要产权界定、质量标准与流通规则三项制度基础。产权方面，具身智能数据往往涉及设备方、场景方、采集方与运营方的多重贡献，权属划分复杂，需要在采集之前以合同明确各环节的权利边界。质量方面，训练数据的价值取决于覆盖度、标注精度与分布合理性，缺乏统一的评测标准将导致劣币驱逐良币，因此行业亟需建立可验证的质量基准。流通方面，数据可无限复制且复制过程不产生损耗，传统物权交易规则难以直接适用，更适宜采用许可授权与使用范围限定的方式交易。从交易成本理论看，上述三项制度的作用在于降低数据交易中的搜寻、议价与执行成本。当制度成本过高，数据交易会退化为双边私下交易，市场规模难以扩大。因此，数据交易所与行业平台的真正价值不在于提供撮合场所，而在于提供确权、质量认证与合规交付的公共基础设施。对企业而言，参与数据要素市场的关键准备是建立数据合规体系：来源合法性审查、个人信息与商业秘密脱敏、授权链条留痕。缺少这一准备，资产重估的收益可能被合规风险吞噬。
管理启示
第一，把数据盘点纳入战略例行工作。企业应定期识别具有场景独占性与跨主体复用价值的过程数据，评估其资产化潜力，而不是等到行业风口出现才被动应对。第二，建立数据全生命周期的成本核算与价值追踪体系，为资产入表与估值提供可靠基础，避免估值结果与经营实绩脱节。第三，在参与数据流通前完成合规准备，重点解决来源合法、脱敏充分、授权链条完整三项要求，把合规成本计入资产化的收益测算。第四，管理层需要理解：数据资产重估改变的是资源配置的信号，而非企业创造价值的方式本身，真正决定长期竞争力的，仍是把数据转化为产品与服务的能力。
其他思考
- 数据在物理交互场景中形成的实践粘性使其成为稀缺资源，企业应如何识别自身运营中具备类似属性的过程数据？
- 在成本法、收益法与市场法各有局限的情况下，企业应如何选择数据资产的计量与披露方式，以兼顾谨慎性与信息有用性？
- 数据要素市场的发展依赖确权、质量标准与流通规则三项制度基础，企业在参与交易前应建立哪些内部治理机制以控制合规风险？
关键词：具身智能、数据要素、数据资产、资源基础观、价值重估
来源：中国证券报 / 第一财经 | 整理：经管大课堂
原文链接：https://www.rcbom.com/aibps/6668.html
