全国首个词元计量收益分配体系落地青岛

□ 随着数据要素市场化改革不断深化，词元逐步成为适配全类型数据、可量化、可标准化的新型数据计量工具。不过，将词元概念落地到传统数据交易、收益分配场景，面临多重现实难题。

□ 目前，青岛数据集团在词元收益分配机制基础上，成功完成了全国首例词元计量数据产权登记，以词元为计量单位的数据交易，已全面进入实质性落地阶段。

近日，国家数据局在《关于推进行业高质量数据集建设行动的实施方案》中，首次正式提出“探索词元交易等新型交易模式”。依托青岛已率先建成的行政事业单位数据资产管理与收益分配机制，当地抢抓机遇、先行攻关，成功搭建起这套全国首创的词元计量收益分配体系。

专家表示，此举将推动数据计价方式告别传统粗放的“按条统计”模式，迈入以词元为核心的精细化计量新阶段，也为全国数据要素公允定价、收益合理分配探索出一套可复制、可推广的实践路径。

“传统数据流通交易一直面临计费难题，数据有的是结构化的单值字段，有的是非结构化的长文本、表格或图像，按‘条’或‘字段’计费，无法准确度量数据量的多少，更无法体现数据的真实价值。”青岛数据集团首席数据官、青岛数据资产登记评价中心主任赵传启说。

以医疗数据为例，像高血压等常见病诊疗数据存量充沛、获取门槛低，单组数据科研附加值有限；肌肉萎缩症等罕见病病例样本稀缺，在新药研发、病理攻关领域具备不可替代的高价值。但在传统计价规则下，两类数据以“条目”为单位计价，价值差异无法在收益中体现，稀缺优质数据供给方收益与贡献严重错配。

与此同时，公共数据来源横跨多个行政事业单位、经营主体，多源数据融合开发后，各供给主体贡献边界模糊，缺少量化标尺就难以实现公平分润，直接导致大量高价值政务数据、行业数据沉淀在各机构系统内，闲置资源无法转化为市场化资产。

“数据要素要真正流动起来，必须破解多源数据融合分账这一难题。而解决之道，恰恰在于引入词元作为数据价值的基本计量单位。”赵传启坦言。

词元是衡量AI数据处理、算力消耗的通用标准。随着数据要素市场化改革不断深化，词元逐步成为适配全类型数据、可量化、可标准化的新型数据计量工具。不过，将AI领域的词元概念落地到传统数据交易、收益分配场景，青岛数据集团开发团队也曾面临多重现实难题。

一方面，民生、医疗等核心行业数据兼具高价值与高私密性，原始数据包含大量个人敏感信息，直接转化计量存在隐私泄露风险，过度脱敏又会剔除核心特征、导致数据价值失真。如何实现原始数据“可用不可见”，在严守合规底线的同时完整保留数据核心价值，成为技术攻关的难点。另一方面，国内数据交易市场长期沿用“计条、计字段”的结算模式，经营主体交易习惯固化，直接全面切换新词元计价规则，极易引发业务衔接断层、市场适配困难，阻碍新模式落地推广。

针对一系列行业共性难题，青岛数据集团立足本地数据资产管理制度优势，探索出一套“技术脱敏+差异化计量+双轨过渡”的系统性解决方案，精准破解数据定价、隐私防护、市场衔接三重痛点。

在数据安全治理层面，团队创新采用特征提取式脱敏模式，规避了隐私泄露与价值损耗之间的矛盾。以高频应用的医疗数据为例，体系在词元转化过程中，剥离姓名、联系方式、住址等涉密原始信息，仅保留性别、年龄、病种、诊疗特征等可用于模型训练、产业研发的核心有效字段。既实现原始数据不出域、敏感信息不流通，严守数据安全和个人信息保护红线，又最大限度保留数据核心价值，为精准词元计量筑牢基础。

在价值核算层面，体系打破“数量等同价值”的粗放逻辑，构建以词元为核心、差异化加权的公允定价机制。统一将结构化、非结构化、长短文本、行业专项数据等全品类数据，转化为精细化词元单位进行核算。同时依据数据稀缺性、应用价值、行业效用设置动态加权系数，例如常见病乙肝诊疗数据系数设为1.0，稀缺性极强的罕见病肌肉萎缩症数据系数暂设为3.0，通过差异化系数兑现高价值数据的市场溢价，真正落地“多贡献多得、高价值多得”的市场化分配原则，彻底解决优质数据收益错配问题。

为降低市场改革阵痛、平稳推进模式迭代，项目创新实行“字段计量+词元计量”双轨并行机制。过渡期内，以传统字段计量与新型词元计量结果的加权平均值，作为各数据主体的最终贡献量与收益分配依据。这种模式既尊重市场长期形成的交易习惯，保障存量数据交易、合作分账业务平稳接续，又循序渐进推广词元计价新模式，引导经营主体逐步适应标准化、精细化的数据价值核算体系。

据了解，这套机制试运行以来，高价值数据集占比已超过40%，较去年同期增长了两倍以上。目前，青岛数据集团在词元收益分配机制基础上，成功完成了全国首例词元计量数据产权登记，以词元为计量单位的数据交易，已全面进入实质性落地阶段。（经济日报记者 刘 成）