□ 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 。
□ 近来 ，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 。近来 ，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。
（文章来源：经济日报）
