文︱陆弃

一份附带2美元报酬的收视调查问卷，原本只是再普通不过的市场行为，却意外成为一次制度反思的引爆点。美国胡佛研究所研究员库肯在填写问卷时意识到，自己的观看偏好、点击习惯和停留时长，被明确标注了价格，有人愿意为之付费、交易、再利用。这种微小而具体的交换行为，与美国宏观制度层面对“数据是否具有资产属性”的长期回避，形成了强烈反差。个人层面，数据被精准定价；国家层面，却始终拒绝承认其经济地位。这种割裂并非偶然，而是美国数据治理体系长期悬置的缩影。

库肯在英国《金融时报》的文章中点破了这一矛盾：美国并非不了解数据的价值，而是不愿将其正式纳入制度框架。与之形成鲜明对照的是，中国已经明确将数据列为生产要素，并通过制度设计推动数据资产化落地。2024年施行的《企业数据资源相关会计处理暂行规定》，首次为数据入表提供了清晰路径，允许符合条件的数据被确认为无形资产或存货。这并非象征性立法，而是直接改变企业资产结构与信息披露方式的制度动作。中国联通将超过2亿元人民币的数据资产纳入报表，正是这一变化的现实注脚。

这种差异首先体现在认知层面。美国长期以来将数据视为隐私问题、合规问题或安全问题，却刻意回避其作为经济资源的属性。监管话语中，数据更多被当作需要限制和防范的对象，而非需要定价和配置的要素。中国的路径恰恰相反：在承认风险的同时，正视数据在数字经济中的基础性作用，通过制度化手段将其纳入生产要素体系。这一选择并非价值判断的简单对立，而是发展阶段与战略重心的差异投射。

从机制上看，美国的迟疑源于多重结构性掣肘。现行公认会计准则难以处理非实体、可复制、价值高度依赖场景的数据资源，监管机构对估值不确定性的担忧，使问题长期被搁置。然而，这种“难以确定”并未阻止市场对数据的真实使用。数据经纪行业每年创造超过2000亿美元营收，广告、保险、金融和政治动员系统，早已围绕个人数据建立精密的定价模型。制度不承认，并未让数据失去价值，只是让价值游离于资产负债表之外，形成巨大的制度盲区。

历史案例更清楚地揭示了这种矛盾。Toysmart破产案中，联邦贸易委员会阻止客户数据被拍卖；RadioShack破产时，1.17亿条客户记录的归属引发激烈争议。美国法院在这些案件中表现出的谨慎，恰恰说明司法体系早已意识到数据是企业最具价值的资产之一。问题不在于“是否有价值”，而在于是否愿意将这种价值系统性地承认、计量并纳入治理框架。长期回避的结果，是数据在法律、会计和监管之间反复横跳，却始终没有一个稳定的制度位置。

这种制度空白在人工智能时代被进一步放大。数据不再只是副产品，而是算法训练和模型演化的核心原料。当资本、算力和算法趋于同质化时，数据的规模、质量与治理能力，直接决定技术上限。拒绝量化数据价值，等同于在最关键的生产要素上放弃系统性管理。这不仅削弱企业决策能力，也使政府在隐私保护、数据安全和公共资源配置上缺乏清晰依据。库肯所指出的联邦数据治理混乱，并非执行问题，而是缺乏统一价值锚点的必然结果。

风险已经显现。2015年美国人事管理办公室的数据泄露事件，导致2150万人的安全审查信息外泄，其影响远超一般网络事故。如果这些数据在制度上被明确认定为高价值资产，其保护等级、投入强度和问责机制都将截然不同。未被估值的资产，往往也是最容易被忽视的资产。与之对比，各国对电磁频谱的管理经验恰恰说明，只要承认价值，就能建立交易、保护和配置体系，无形并不构成制度障碍。

中国推进数据资产化的意义，并不在于短期账面变化，而在于提前构建一套可演化的治理框架。将数据纳入资产体系，意味着它将被持续审计、披露、评估和监管，其流通边界、使用规则和责任主体也随之清晰化。这种前置性的制度设计，为未来人工智能、数字贸易和公共治理提供了基础设施。反观美国，长期依赖市场自发调节和事后纠偏的路径，在数据成为核心生产要素后，正暴露出明显滞后。

库肯提出的改革建议，本质上是一次制度补课：从会计准则到信息披露，从联邦机构到地方政府，建立统一的数据资产认知框架。这并非激进主张，而是对现实经济结构的追认。问题在于，制度调整往往需要危机作为推动力，而数据领域的危机具有高度隐蔽性，往往在累积多年后才集中爆发。届时，补救成本将远高于前瞻布局。

那份2美元的问卷，最终指向的是一个更大的问题：当每一次点击、每一条记录都在持续创造价值，却始终无法在国家层面的制度中找到位置，这种失衡还能维持多久？数据已经在塑造财富分配、技术路径和国家竞争力，拒绝承认并不能让问题消失，只会让差距在无声中扩大。中国选择正面迎接这一现实，美国则仍在犹豫。真正的不确定性，并不在于数据如何估值，而在于美国是否还能承受继续回避所带来的长期代价。