数据，被称为数字经济时代的“石油”，正深刻改变着生产生活方式和社会治理方式。自党的十九届四中全会明确将数据列为生产要素以来，国家数据局挂牌成立，数据要素市场化政策密集出台，地方数据集团、数据交易所相继落地，各行业与市场主体也积极布局探索数据要素创新应用，我国数据产业步入蓬勃发展阶段，数据要素潜力加快释放。统计数据显示，目前我国数据生产量突破50泽字节（ZB），建成高质量数据集超10万个，规模超890拍字节（PB）。2024年数据企业超40万家，产业规模达5.86万亿元。

在平安城市、雪亮工程等重大项目建设的带动下，历经多年发展，我国已建成规模庞大的视频监控与物联网感知体系，汇聚了海量视频图像、物联网感知等各类数据资源。凭借这些数据资源，安防行业成为数据要素落地应用的核心场景，在智慧城市建设、社会治理、公共安全防控等领域发挥着关键支撑作用。随着行业数字化转型、智能化升级持续推进，叠加数据要素市场化改革不断深化，安防数据的商业价值、产业赋能价值日益凸显。但与此同时，行业仍面临数据价值挖掘不足、合规流通难、商业化路径不清等现实痛点。如何在严守合规底线的前提下，打通数据汇聚、治理、流通、应用等全业务链条，将海量安防数据转化为可运营、可增值、可赋能的数据资产，成为新时期行业高质量发展亟待破解的重要课题。基于此，本刊围绕“安防数据要素价值释放”这一主题，推出两期专题访谈系列内容。本期特别专访浙江省安全技术防范行业协会秘书长、数字安防与非传统安全研究院院长赵永华，分享他和团队在安防数据资产化领域的研究与思考，解读安防数据资产化发展内涵、思路与实操重点其对安防企业的具体指导价值，推动数据要素赋能安防产业转型升级，助力行业迈向高质量发展。

赵永华：这个问题非常关键，在讨论“安防数据要素价值释放”这一主题前，必须要厘清相关概念，才能帮助我们更好地认识和理解“数据要素价值”。

首先，数据要素。根据国家数据局的正式定义，数据要素是指把数据作为一种能够参与生产、分配、交换和消费的新型生产要素来对待，与土地、劳动力、资本、技术并列。全国数据工作会议明确提出2026年是“数据要素价值释放年”，要求着力畅通数据流动和资源配置渠道，激活数据市场供给和需求，促进数据要素全面融入经济价值创造过程。简单来说，“数据要素”是一个宏观的政策和理论概念，讨论的是数据在整个经济体系中的角色定位。

其次，数据资源。按照国家数据局的定义，数据资源是指具有使用价值、可供开发利用的数据集合，它强调的是数据的“原料”状态。在安防行业，数据资源可以理解为海量摄像机每天采集的原始视频流、门禁系统的刷卡日志、人证比对设备的抓拍记录等。这些数据量大、形式杂，但如果没有经过系统性的加工和治理，数据的价值是潜在而非现实的。

再次，数据资产。根据财政部发布的《企业数据资源相关会计处理暂行规定》，数据资产是指企业合法拥有或控制的、能够带来经济利益、且成本或价值能够可靠计量的数据资源。安防数据能否被称为“资产”，核心要看三条：权属是否清晰（企业是否合法拥有或控制）、价值是否可计量（能否进财务报表）、经济性是否明确（能否带来收益）。在安防领域，能够称得上数据资产的，往往是经过清洗、脱敏、结构化处理后，形成了明确应用场景的数据产品。

最后，语料资源。与前面三者不同，语料资源是专门用于训练和优化自然语言处理模型以及大语言模型的数据集合，具有高度的结构化、标注性和任务导向性。它不是给人看的报表，而是专门“喂”给AI模型的学习材料。杭州应急管理语料库就是一个典型案例——杭州市通过“人工标注+模型辅助+专家审核”的分级处理模式，构建了包含16万条文本、4万张隐患图片、1万分钟视频的多模态语料集，为AI模型训练提供了高质量的数据支撑。

我们可以通过一张表格，对比分析，重点看一看“数据资源”“数据资产”“语料资源”的区别与联系（见表1）。

赵永华：“安防行业是数据资源的大金矿”这个说法绝非夸张，而是由安防行业本身的产业规模和数据特征决定的。

从产业规模看，当前我国安防市场已形成全球最大的产业集群，据《中国安防行业“十五五”发展规划纲要》数据，“十四五”安防行业总收入年均增长率达到 5.5%，2025 年行业总产值达 10050 亿元。

从设备规模看，2024 年全球摄像头出货量约 5.5 亿台，我国占 60% 以上，2025 年预计突破 6 亿台。我国公共区域摄像头密度已达 12 台 / 平方公里，“雪亮工程”2025年覆盖了全国 90% 以上的城乡。光是在中国安防市场，海康威视就以 23% 的全球市占率稳居第一，大华紧随其后占10.5%，两家合计占据国内市场超 70% 的份额。这些设备24 小时不间断地产生着海量数据。

从安防数据的核心特征来看，有三个突出的特点：

一是规模大。根据中国安防协会发布的《中国安防行业数字安全白皮书》的调研，21% 的安防企业运营数据达到 GB 级，17% 达到 TB 级，而运营和处理数据规模超过1PB 的安防企业仅有两家——其中一家的数据规模甚至超过了 50PB。这只是安防企业自身运营的数据量，如果算上所有安防设备在终端产生的数据，整体体量将成倍增长。

二是价值密度高。安防数据的价值体现在两个层面。一方面，安全层面的直接价值，例如，遵义智城集团的智慧消防平台通过实时感知和精准预警，消防设施完好率可从 20% 提升至 95%，隐患整改率从 32% 上升至 97%。另一方面，经济层面的间接价值，例如，应急管理“久安”AI大模型高质量数据集能够实现对关键场景的实时感知，累计识别安全隐患 1.2 万余起，已在 20 余个省份推广。

三是时空属性强。安防数据天然带有时间和空间标签，这使得它特别适合用于时空分析、行为建模、趋势预测等场景。当这些数据与交通、应急、环保等其他领域的数据进行融合时，能产生巨大的“1+1>2”效应。例如，中国铁塔汇聚超过 800TB 多模态样本数据，构建了交通、应急、环保等多行业超过 500 个高质量数据集，支撑了 70 多个下游任务，目标检测精准率超过 90%。

目前安防行业的数据利用还远未达到其应有的深度。根据艾瑞咨询数据，2025 年中国数据要素市场规模已超2,000 亿元，2028 年有望突破 3,000 亿元。而安防作为数据采集的“第一公里”，无疑是数据要素市场中体量最大、数据类型最丰富、应用场景最广泛的行业之一。安防数据确实是一座巨大的“金矿”，但数据资源需要确权才能变成数据资产，如何把安防海量“矿石”提炼成“黄金”，还需要整个行业共同努力。

赵永华：这个问题触及了当前安防行业数据治理的核心痛点。安防行业数据利用现状不容乐观但方向明确。根据《中国安防行业数字安全白皮书》的调研数据，仅有14% 的安防企业在 10 年前就已全面启动关键生产流程的自动化与数字化转型工作，而仍有 38% 的安防企业尚未启动数字化转型工作。也就是说，超过三分之一的安防企业在数据利用这个维度上还停留在“未开工”状态。

更严峻的是，安防行业的“数据孤岛”问题比较突出。奇安信在近千场实战攻防演习中发现，不少企业的设备、平台、能力、中心难以统筹纳管，碎片化问题严重。曾经有案例显示，某头部金融机构部署的防火墙就涵盖数十种型号，涉及国内外不同品牌，形态包含硬件、软件及云部署等多种模式，最终导致安全运营中心汇集的海量数据杂乱无章、彼此孤立，无法支撑全域态势感知。跨部门信息共享机制不完善、数据壁垒未完全打破，是当前安防行业普遍面临的瓶颈。

赵永华：“数据入表”的全称是“数据资源入表”，是指企业将符合条件的数据资源按照会计准则纳入财务报表的过程。它的政策依据是财政部于 2024 年 1 月 1 日起正式施行的《企业数据资源相关会计处理暂行规定》，这份文件首次在制度层面明确了数据资产的会计确认和列报路径，标志着我国在推动数据要素市场化配置、健全数据资产管理制度方面迈出了关键一步。

推动数据资产入表，是实现数据资源资产化、资本化、市场化的前提基础。目前安防行业的数据入表整体参与度非常低。据 Wind 资讯数据统计，截至 2025 年第二季度末，我国数据资产入表的 A 股上市公司共 102 家，占比不足 2%；入表资产合计规模仅为 56.37 亿元，且大多数公司入表资产占总资产比例低于 1%。在安防相关领域，能看到的公开案例屈指可数。

我们来看一个标杆案例，2024年11月，浙江省海宁市“低空+经济城市综合数据资产”在上海数据交易所挂牌，价值突破 2 亿元，成为全国首个低空经济领域城市综合数据资产案例。这些数据资产不仅限于简单的买卖，还具备更高的金融属性，可用于抵押融资，可以“入表”。

为什么安防企业数据入表仍处于“政策热、实践冷”的状态？主要有四个难点。

一是确权困难。安防数据常常涉及第三方（被拍摄者）的信息权益，企业是否拥有对数据的完整控制权，本身就是一个法律难题。海康威视、大华股份虽在 AI 精度校准和数据处理方面有大量技术投入，但这些投入带来的数据权益归属并不是简单清晰可定的。

二是计量困难。财政部等四部门明确要求“以成本计量内部形成或外购的数据资源”，不得将以评估等方式得出的金额直接作为入账依据。安防企业积累的数据资源往往是研发过程和日常业务的附带产物，成本如何单独归集？企业 A 的安防数据和企业 B 的安防数据，价值差异巨大，如何找到公允的评估方法？这些问题在实务中都难以解决。

三是治理基础薄弱。数据入表要求企业内部必须有一套完整的数据治理体系，从数据采集、清洗、脱敏、标注到质量管理、安全合规，都需要有制度安排和流程保障。然而，国内安防产品的联网工作率仍较低，这意味着大部分设备的数据连基本的采集和流通都还没解决，更谈不上数据治理。38% 的安防企业尚未启动数字化转型，意味着大量中小企业连数据治理的基础能力都不具备。

四是价值不确定性。企业愿意将数据入表，前提是这部分数据能被确认为“能带来经济利益”的资产。但在安防行业，数据的价值往往需要与具体应用场景结合才能显现，而很多安防企业还处在硬件驱动的经营模式中，没有形成成熟的数据产品和服务体系。

但令人鼓舞的是，已经有一些安防领域的先行企业完成了“从 0 到 1”的突破，它们在智慧消防、工程施工安全等细分赛道上探索出了数据资产化的可行路径。这对整个安防行业而言，既是示范，也是方向。

赵永华：从数据资源到数据资产，本质上是一个从“无序”到“有序”、从“潜在”到“显性”的转化过程。这个过程可以用一条操作链来概括：①数据归集与治理→ ②数据合规服务 → ③企业数据资产梳理识别服务 → ④数据资产会计处理咨询服务→ ⑤数据质量评价服务 → ⑥数据资产价值评估服务 → ⑦数据资产和规划服务 → ⑧数据产品交易撮合服务。其中，第①～③步是“资产识别与确权”阶段，回答“我有什么数据资源，哪些能变成资产”的问题；第④～⑥步是“资产计量与定价”阶段，回答“这个数据资产值多少钱，凭什么值这么多”的问题；第⑦～⑧步是“资产变现与资本化”阶段，回答“数据资产怎么用、怎么卖、怎么融资”的问题，是两个并行的价值出口。

对于安防企业而言，理解这个链条的结构至关重要：并非每个企业都要走完全部八步，但没有前五步的夯实，后三步就无从谈起。接下来我们具体来看看安防企业应如何落地每一步。

第一，数据归集与治理。核心任务是采集、整合、清洗、标准化企业拥有的各类数据资源，将分散在视频系统、传感器、报警平台等多个独立设备中的“数据碎片”变成“结构化资源”，为企业后续的资产化和价值释放打下质量基础。在安防行业中，视频监控数据、传感器日志、报警记录与处置报告等几类数据是治理的重点对象。如果企业数据量还停留在 GB 级，可以先从关键业务线的数据入手开展小范围试点；如果数据规模已超 PB，则需要部署企业级的数据治理平台。

第二步，数据合规服务。该环节主要覆盖三个维度，即来源合法审查（数据的采集获得是否经过授权、是否违反个人信息保护法）、合规性评估（是否符合网络安全法、数据安全法等法规要求）、数据确权服务（判定企业是否合法拥有或控制这些数据，是否满足后续入表的产权前提）。安防数据中最棘手的确权难题是视频监控数据，这需要企业从数据采集源头上做好授权声明的管理；人脸、车牌等敏感生物信息的合规性风险最高，必须在进入治理环节之前进行脱敏处理；安防企业应积极跟进数据资产全过程管理试点政策，符合条件的公共数据资产要“严格按照资产管理要求进行登记”，尽早取得数据资产证书，为后续的金融化铺路。

第三步，企业数据资产梳理识别服务。该环节具体工作包括编制数据资源目录、建立数据资产筛选标准、开展数据资产识别评估、形成数据资产候选清单等。对于安防企业来说，事件性结构化表格、经过脱敏的行为分析数据集、具备明确应用场景的 AI 训练集、企业研发过程中积累的知识库等数据是非常适合资产化的。企业可以从单一业务线条先开始试点，尽早设立或引入首席数据官或专门的数据管理团队，牵头进行现状排查。

第四步，数据资产会计处理咨询服务。这一步是将“可识别的数据资产”正式计入企业财务报表的专业过程。会计处理的核心是成本归集与分配，即企业需要把产生这些数据的所有相关成本（采集费用、存储成本、标注成本、治理费用等）归集到一起，以此为入账基础。需要特别注意，财政部 33 号文明确禁止对历史已费用化的数据支出进行追溯调整，且入账必须“以成本计量”，不得以资产评估值直接作为入账依据。这意味着安防企业过去已经记作费用的数据研发投入，无法“回头”补记为资产，只能从现在开始规范成本归集。

第五步，数据质量评价服务。这一步的核心目标是为后续的价值评估和交易定价提供“质量依据”，数据资产的质量等级，直接决定了它的估值和交易价格。从国家标准层面看，全国数据标准化技术委员会于 2025 年 8 月发布的《高质量数据集 质量评测规范》，确立了说明文档、数据质量、模型应用三大维度的 17 项评测指标。具体到安防场景，高质量数据集的质量要求包括：数据规模完整性、标注准确率（通常要求行业领域专家标注的比例）、时效性（数据更新的及时程度）、一致性（同一类型数据的格式统一性）等。对于安防 AI 语料资源（如标注好的隐患图片、视频片段），数据质量评价尤为关键，企业可参考国家数据局的“高质量数据集典型案例”来建立自身的质量评价标准和评测体系。

第六步，数据资产价值评估服务，这是入表操作链中技术含量最高的一环。2023 年 9 月，中国资产评估协会发布了《数据资产评估指导意见》，明确了三种基本评估方法：成本法、收益法、市场法，以及它们的衍生方法。对于安防企业来说，入表阶段严格按照成本法执行。

第七步，数据资产和规划服务。完成了前六步，数据资产就具备了“资本化”的资格。目前主要的数据资产资本化方式包括数据资产质押融资、数据知识产权质押融资以及两者结合的“双质押模式”。2025 年 12 月，江苏首单“数据知识产权 + 数据资产”双质押融资在南京落地（南京凯奥思数据技术有限公司，核心工业数据集）。

第八步，数据产品交易撮合服务。这主要是指把数据资产封装成“数据产品”，到合规的数据交易所挂牌交易，实现直接的市场化价值变现。目前，上海数据交易所、贵阳大数据交易所等平台已形成相对成熟的数据产品挂牌流程。安防企业在起步阶段不必追求一步到位，可以先从某个具体业务场景出发（如“社区安防事件告警 API”），完成从数据治理到产品封装的完整闭环。

赵永华：数据资源转化为数据资产后，有两条主要的价值释放路径：一条是金融化，一条是语料化。这两条路径对应着完全不同的商业模式和价值逻辑。

第一条路径：金融化

这条路径的逻辑很简单，让数据像金融资产一样“流动”和“增值”。主要包括以下几种方式：

一是数据资产质押融资。企业把已经确权和入表的数据资产作为抵押物，向银行获取贷款。非上市公司已披露的入表企业中，累计获得融资（包括银行授信、作价入股等形式）金额已达 18.99 亿元。这是一种“用数据换现金”的模式，尤其适合那些拥有大量数据但现金流不充裕的安防企业。

二是数据产品挂牌交易。将数据资产封装成标准化的数据产品，在合规的数据交易所挂牌出售。遵义智城集团的三大信息化平台在贵阳大数据交易所挂牌交易，资产总估值达 896.28 万元。王力安防的 BOM 智能生成解决方案也在上海数据交易所挂牌。今年全国首单“具身智能数据集”在江苏完成交易。这意味着安防企业可以通过数据交易直接创造收入。

三是数据知识产权登记与资本化。数据知识产权登记证书类似于数据的“房产证”，有了它数据就可以被评估、质押、入股。连云港安防集团在获得江苏省颁发低空领域数据知识产权登记证书后，其山林巡检航拍视频数据集就成了可确权、可评估、可应用的合法数据资产，标志着低空经济数据资产化迈出了关键一步。

第二条路径：语料化

这是近年来随着大模型兴起而变得格外重要的一条路径。所谓“语料化”，就是将安防数据加工成专门用于训练 AI 模型的“教材”。

语料化为什么重要？根据国家数据局的信息，我国人工智能应用日均 Token 消耗量已从 2024 年初的 1000 亿激增至 2025 年 6 月底的超过 30 万亿，在短短一年半时间内增长了超过 300 倍。高质量、高标注密度的“语料”已经成为 AI 大模型竞争的核心稀缺资源。对于安防行业来说，这意味着一个巨大的新市场正在形成，安防企业积累的视频、图像、音频数据，恰恰是训练视觉大模型、多模态大模型最需要的训练材料。

应急管理“久安”AI 大模型数据集、国家数据局“视联网多行业空间治理数据集”、杭州应急管理高质量语料库都是典型的安防语料资源应用实践案例。

金融化和语料化是安防数据资源价值释放的两条并行通道。如果说金融化是为安防企业提供“短期资本回报”，那么语料化则是在为整个行业培育“长期 AI 能力”。在当前大模型加速渗透安防行业的背景下，后者的战略意义可能更为深远。安防企业需要根据自身的数据禀赋、技术能力和业务定位，决定在这两条路径上的投入权重。

赵永华：是数字化转型。没有数字化转型，所有关于数据资产、数据入表、数据交易的美好愿景都是空中楼阁。安防企业要从数据中“挖金矿”，数字化转型是必须跨过的第一道门槛。

安防企业的数字化转型现状，整体水平偏低。根据《中国安防行业数字安全白皮书》的数据，仅有 14% 的安防企业早在 10 年前就已全面启动了关键生产流程的自动化与数字化转型工作，但仍有 38% 的安防企业尚未启动数字化转型工作。这个数字意味着，在安防行业里，超过三分之一的企业在数据利用方面还停留在“零基础”状态。

从产品数字化水平看，国内安防产品的平均联网工作率还有待提升。这意味着全国范围内的摄像头、门禁、传感器等安防设备中很大一部分数据还处于“休眠”状态，它们可以被采集，但没有被联网、被流通、被分析。

好消息是，72% 的安防企业已经计划或已经将 AI 技术用于安防产品或安防系统。这是行业整体向数字化转型靠拢的积极信号。但具体到 AI 技术的选择上，选择传统 AI技术的企业占比 45%，高于选择通用大模型技术的 43%，这说明安防企业对前沿技术的接纳还比较保守。

为什么数字化转型是“第一步”而非“选择项”？数据资产入表的前提是“数据资产成本能够可靠计量”，如果连基本的数据治理体系都没有，成本核算从何谈起？成为语料资源的前提是数据经过了清洗和标注，如果没有数字化系统支撑，标注又靠什么？因此，没有数字化转型，就没有数据资产化，也没有数据交易和数据金融。 数字化转型不仅是技术上的一步，更是商业逻辑上的一步。安防企业无论如何都要迈过去。

当前，数字全球化以不可阻挡之势席卷而来，数据已跃升为与土地、劳动力、资本、技术并列的第五大生产要素，它既是企业竞争的制高点，也是国家战略资源的底座。安防行业因其感知终端分布广、数据采集频率高、多模态数据融合性强，天然构成了一个体量巨大、价值密度高的数据资源富集领域。但长期以来，海量安防数据如何从资源转化为资产，如何摆脱数据闲置、价值空转的困境，一直是困扰行业高质量发展的难题。

面对行业数据资产化发展的痛点，浙江省安全技术防范行业协会自 2025 年起依托下属数字安防与非传统安全研究院，聚焦“数据资源向数据资产转化的完整路径”开展了系统性专题研究。据悉，该研究汇聚产业上下游力量，联动海康威视、英方软件、链城数字科技、天册律所、勒芒科技等代表性企业，涵盖智慧物联、数据存储、数据技术、数据合规、价值评估等全链条专业领域，通过多轮专题研讨、理论研究、实践经验整合，系统地梳理出一条从数据资源到数据资产的完整操作链。该操作链涵盖八个核心环节、二十四个细化步骤，并对每个环节的输出成果、所需的第三方专业服务支撑、以及各协作机构的重点工作内容进行了明确界定。

本次访谈，让我们看到了安防行业数据价值落地的路径和突破口，并深入了解了数据资产转化的内涵、步骤与实操重点。我们期待浙江省安全技术防范行业协会研究的这套安防行业数据资产化框架，能够持续发挥专业价值，为全行业数据资产规范化运营、规模化价值释放提供可落地的路径指引，助力行业打通数据资源向数据资产转化的价值壁垒，唤醒海量安防数据的潜在价值，推动行业在数字经济浪潮中实现提质增效、转型升级，开启行业高质量发展的全新篇章。