可信数据空间在制造业产业链的数据要素流通机制与落地模式研究

可信数据空间在制造业产业链的数据要素流通机制与落地模式研究

作者：泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部

摘要

制造业是国民经济的主体，产业链长、主体众多、数据类型复杂、数据权属边界模糊，长期存在数据孤岛、跨厂数据共享信任不足、原始数据外泄风险、流通收益难以计量分配等痛点，制约数据要素在工业场景的价值释放。可信数据空间依托隐私计算、区块链、数据授权运营、数据契约等技术与制度组合，构建 “原始数据不出域、数据可用不可见” 的新型数据流通范式，适配制造业上下游工厂间的数据协同需求。本研究立足于工业产业链场景，系统剖析可信数据空间支撑制造产业链数据要素流通的底层逻辑，拆解数据授权运营框架，界定制造场景下数据产品、数据契约的内涵与分类，构建产业链数据流通的收益分配机制；搭建面向产业数据流通平台的业务模型，完成与 AASA、BYX 等系统数据资产底座的对接架构设计。同时梳理制造业可信数据空间典型落地模式，识别落地过程中的制度障碍、技术瓶颈与运营风险，提出针对性优化路径与政策建议。本研究旨在为工业领域数据要素市场化配置、产业链数据协同平台建设提供理论框架、业务模型与工程化落地参考，推动制造业数据要素从静态资产向可流通、可计量、可增值的生产要素转化。

关键词：可信数据空间；制造业产业链；数据要素流通；数据授权运营；原始数据不出域；数据契约；数据资产底座

一、绪论

1.1 研究背景

数字经济与实体经济深度融合背景下，数据已成为制造业转型升级的核心生产要素。智能制造、柔性生产、供应链协同、质量追溯、设备预测性维护等业务，均依赖产业链上下游多主体的数据交互。制造业产业链涵盖原材料供应商、零部件工厂、总装厂、物流服务商、经销商、运维服务商等多元主体，各主体独立部署生产系统、MES、ERP、SCADA，数据分散存储于各企业内部信息系统，形成大量数据孤岛。

传统数据共享模式以原始数据拷贝、传输为主，存在显著缺陷：其一，企业顾虑核心工艺、生产排产、良品率、成本等敏感原始数据泄露，不愿开放内部数据；其二，数据权属界定不清，共享后数据二次流转、复用的约束缺失；其三，数据价值难以量化，数据供给方无法获得合理回报，缺乏长期共享激励；其四，跨主体数据流通缺少可信技术底座，难以审计追溯数据使用行为。上述问题造成制造业数据 “存而不通、通而不信、用而不计”，数据要素价值难以兑现。

国家层面持续推进数据要素市场化改革，提出构建可信数据基础设施，鼓励数据授权运营，推动 “原始数据不出域、数据可用不可见” 的数据流通新模式。可信数据空间作为新型数据基础设施形态，融合制度规则、可信技术、运营服务于一体，为跨主体数据协同提供解决方案。在工业场景中，可信数据空间不强制迁移工厂内部原始数据库，而是在各企业域内保留原始数据，通过隐私计算、区块链存证、数据沙箱、访问授权等方式实现数据计算结果、统计指标、模型参数的跨域流转，契合制造企业数据安全诉求。

与此同时，工业数据资产底座建设加速推进，AASA、BYX 等系统作为底层数据资产管理载体，承载企业数据目录、数据标签、资产确权登记、权限管理等基础能力。产业数据流通平台需要一套标准化业务模型，打通可信数据空间与底层数据资产底座，实现从数据资产登记、授权申请、契约签署、计算执行、收益结算、审计存证的全链路闭环。在此背景下，开展可信数据空间在制造业产业链的数据要素流通机制与落地模式研究，具备较强理论价值与工程实践意义。

1.2 研究意义

1.2.1 理论意义

现有数据要素流通研究多集中于政务数据、金融数据、公共服务数据领域，面向复杂制造产业链、多工厂跨域协同场景的可信数据空间理论体系尚不完整。本研究将可信数据空间理论嵌入制造业产业链场景，厘清 “原始数据不出域” 范式的内涵、边界与适用条件；界定制造场景下数据产品、数据契约的概念，构建适配工业场景的数据要素收益分配理论框架；完善产业链跨主体数据授权运营理论，丰富工业数据要素市场化配置的理论体系，弥补现有研究对工业生产场景、工厂间协同业务的针对性不足。

1.2.2 实践意义

本研究输出的产业链数据流通业务模型，可直接支撑产业数据流通平台的需求设计与开发建设；明确可信数据空间与 AASA、BYX 数据资产底座的对接方案，打通底层资产管理与上层可信流通能力。研究形成的落地模式、风险防控方案，可为零部件配套、装备制造、汽车、电子等典型制造产业链建设跨厂数据协同平台提供实践参考，帮助制造企业在保护原始数据安全前提下开展供应链协同、联合质量分析、设备联合建模等业务，降低企业数据共享顾虑，激活产业链数据资产价值。

1.3 国内外研究现状

1.3.1 国外研究现状

欧美工业数字化起步较早，围绕工业数据共享推出相关框架。工业互联网联盟（IIC）提出工业数据可信交换架构，强调数据访问权限控制与使用约束；欧盟《数据治理法案》《数据法案》提出数据共享中介、数据使用许可机制，推动工业领域共享数据的可管控使用。技术层面，隐私计算、联邦学习技术被广泛研究用于工业设备数据联合建模，实现原始数据本地留存。但国外研究更多侧重技术方案，对产业链多方参与下的数据契约、收益分配、数据资产登记运营的一体化业务机制研究不足，且相关制度框架不完全适配我国数据要素确权、授权运营的制度体系。

1.3.2 国内研究现状

国内学界围绕可信数据空间、数据授权运营开展大量研究。部分学者对可信数据空间的定义、技术架构、治理规则进行阐释，明确可信数据空间是以信任为核心，集成技术、制度、运营体系，支撑数据可信流通的基础设施。数据授权运营研究重点探讨公共数据授权运营机制，在制造业产业链市场化主体间的授权运营实践研究仍处于探索阶段。

工业数据领域现有研究集中在工业数据安全、工业数据资产目录编制、工业互联网平台建设，对 “原始数据不出域” 范式下，上下游工厂之间数据流通全链路业务模型、数据产品定义、多方收益分配模型的系统性研究较少。多数研究将技术与业务运营割裂，缺少可信数据空间与底层数据资产底座系统对接的工程化方案，缺少可落地的产业链运营模式总结。

1.3.3 研究评述

综合来看，现有研究已经验证 “原始数据不出域” 技术可行性，但存在三点不足：第一，理论层面缺少面向制造业产业链多主体场景的一体化流通机制，数据产品、数据契约的定义多沿用通用数据场景，没有适配生产制造业务特征；第二，业务层面缺少可落地的全链路业务模型，难以直接对接工业数据资产底座系统；第三，运营层面收益分配机制多为理论构想，缺少可计量、可审计、适配工厂间业务博弈的分配方案。本研究针对上述短板展开系统性研究。

1.4 研究内容、研究方法与技术路线

1.4.1 研究内容

本研究主要内容包含六个部分：
第一，制造业产业链数据要素流通现状、痛点与可信数据空间适配性分析；
第二，可信数据空间支撑制造业产业链的数据授权运营框架，阐释 “原始数据不出域” 共享范式的内涵、技术体系与适用边界；
第三，界定制造场景下数据产品、数据契约的类型、要素与标准化模板；
第四，构建产业链数据要素流通收益分配机制，建立计量模型与结算规则；
第五，搭建产业数据流通平台业务模型，设计可信数据空间与 AASA、BYX 数据资产底座对接架构；
第六，归纳制造业可信数据空间典型落地模式，识别风险并提出对策，形成研究结论与展望。

1.4.2 研究方法

（1）文献研究法：系统梳理可信数据空间、数据授权运营、工业数据资产、隐私计算、数据契约相关政策文件、学术论文、行业白皮书，奠定理论基础。
（2）场景案例分析法：选取装备制造、汽车零部件产业链跨厂数据协同场景，拆解业务流程，提炼真实场景约束，验证机制与业务模型可行性。
（3）架构建模法：采用信息系统架构建模思路，设计产业链数据流通业务模型、系统对接架构，完成可信数据空间与 AASA、BYX 底座接口逻辑设计。
（4）机制设计法：基于多方合作博弈理论，设计多方主体收益分配模型，兼顾数据供给方、需求方、平台方、技术服务方利益。

1.4.3 技术路线

第一步，文献与行业调研，识别制造产业链数据流通痛点；第二步，构建可信数据空间 + 数据授权运营的整体框架，定义 “原始数据不出域” 共享范式；第三步，定义制造场景数据产品、数据契约，设计收益分配机制；第四步，搭建产业流通平台业务模型，设计对接 AASA、BYX 数据资产底座的技术方案；第五步，总结落地模式，识别风险并提出优化策略；第六步，形成完整研究报告，总结结论与未来研究方向。

1.5 研究创新点

第一，场景创新：将可信数据空间与数据授权运营框架落地到制造业上下游工厂跨域协同场景，区别于政务、金融场景研究，专门针对工厂生产数据、供应链数据特征构建流通范式。
第二，概念界定创新：面向制造场景重新界定数据产品、数据契约，区分工业统计类、模型类、指标类数据产品，设计适配生产协同场景的数据契约要素。
第三，机制创新：构建可计量、可审计的制造业产业链多方收益分配机制，打通数据使用计量、价值评估、收益结算全流程。
第四，工程化创新：设计可信数据空间与 AASA、BYX 数据资产底座对接架构，形成可直接用于产业数据流通平台建设的业务模型，实现理论机制到系统落地的衔接。

二、制造业产业链数据要素流通现状、痛点与可信数据空间适配性

2.1 制造业产业链数据要素特征

制造业产业链数据具备区别于其他行业数据的典型特征。
一是主体多元，权属复杂。一条制造产业链包含数十甚至上百家独立法人工厂，每家企业独立拥有内部生产数据；数据来源包含设备采集时序数据、工艺参数、质检记录、生产工单、库存、物流、采购合同等，部分数据由多方共同产生，权属划分困难。
二是高敏感性。核心工艺参数、良品率、设备故障特征、生产成本、排产计划属于企业商业秘密，一旦原始数据外泄，将直接损害企业市场竞争力，企业对原始数据出境、出域的容忍度极低。
三是强业务关联性。数据价值体现在跨主体联合分析：主机厂需要零部件厂的质检数据用于整车质量追溯；零部件厂需要主机厂的订单、反馈数据优化工艺；上下游联合训练设备故障预测模型，需要多厂设备样本数据。数据价值只有跨域协同才能释放。
四是数据形态异构。时序采集数据、结构化工单、非结构化图纸、视频质检数据并存，数据标准不统一，不同工厂 MES、ERP 系统版本各异，数据格式、编码、指标口径差异巨大，增加跨域数据融合难度。
五是价值难量化。工业数据价值高度依赖场景，同一份生产数据，用于质量追溯和用于工艺优化的价值差异巨大；数据价值无法简单以数据条数、存储容量衡量。

2.2 传统产业链数据流通模式及痛点

传统制造业跨企业数据共享主要分为三类模式：
第一，点对点文件交换模式。企业之间通过邮件、文件传输、API 接口直接传输原始数据表、报表文件。该模式简单直接，但原始数据直接对外输出，存在泄露、二次分发风险；缺少使用限制，无法追溯数据后续使用；没有收益计量机制，多为无偿交换，难以长期持续。
第二，中心化平台汇聚模式。由龙头企业或者第三方平台，要求上下游企业将原始数据上传至中心平台数据库。该模式便于集中分析，但所有数据集中存放，形成单点安全风险；中小企业抵触将核心数据上传至龙头企业平台，担心被垄断、数据被滥用；数据归集成本高，数据权属争议突出。
第三，标准化报表报送模式。上下游按照固定模板定期报送汇总统计报表，只输出聚合指标，不提供底层原始数据。该模式安全性相对较高，但数据粒度粗、实时性差，无法支持深度建模、精细化分析，数据价值挖掘受限。

综合来看，传统模式痛点可以归纳为五大类：

1. 信任痛点：企业不信任合作方与第三方平台，不愿开放原始数据，数据共享意愿不足；

2. 安全痛点：原始数据传输、拷贝存在泄露风险，缺少技术手段约束数据使用方式；

3. 制度痛点：数据权属、使用权限、复用边界缺少契约约束，数据流通权责不清；

4. 价值痛点：数据价值难以计量，缺少收益分配机制，供给方激励不足；

5. 系统痛点：各企业数据资产分散管理，缺少统一底座支撑授权、登记、审计，跨系统对接成本高。

2.3 可信数据空间的内涵与对制造业场景的适配性

可信数据空间是一套融合制度规则、可信技术组件、运营服务的一体化基础设施，核心目标是在保障数据安全与主体权益前提下，实现跨主体数据可信流通。可信数据空间并非一个集中数据库，而是分布式信任协同体系，由各参与主体域内节点、可信仲裁、合约管理、审计存证、价值计量等模块共同组成。

可信数据空间的核心特征：
（1）分布式架构，数据原生留存在数据提供方本地域内；
（2）规则先行，以数据契约约定数据使用目的、使用方式、使用期限、输出结果限制；
（3）技术兜底，依托隐私计算、区块链、数据沙箱、水印、访问控制等技术，保证 “原始数据不出域，数据可用不可见”；
（4）全程可审计，数据调用、计算、结果输出行为上链存证，可追溯、可核验；
（5）价值可计量，对数据调用次数、计算量、使用场景进行计量，支撑收益结算。

可信数据空间高度适配制造业产业链场景：
首先，契合制造企业保护原始生产数据的安全诉求，原始数据始终保存在各工厂内部服务器，不需要向外传输；跨厂联合分析仅在本地节点执行计算，输出聚合指标、模型权重、统计结论，不泄露底层单条原始记录。
其次，支持多主体平等参与，龙头工厂、配套中小工厂都作为独立节点接入，不强制将数据归集至单一中心，降低中小企业抵触情绪。
再次，可将业务规则嵌入数据契约，限定数据仅用于约定业务场景，例如约定零部件质检数据仅用于整车质量追溯，禁止用于竞品工艺逆向分析。
最后，可与企业现有数据资产底座对接，复用 AASA、BYX 系统已有的数据目录、资产标签、权限管理、资产登记能力，减少企业系统改造投入，降低落地成本。

2.4 “原始数据不出域” 共享范式内涵与适用边界

“原始数据不出域” 是可信数据空间制造业场景下的核心共享范式。原始数据指工厂内直接采集、生成的底层数据，包括设备原始时序采集点、单条质检记录、原始工单、原始工艺参数等；域指企业独立管控的信息安全边界，包括企业本地机房、私有云、企业专属租户环境。原始数据不出域，即原始数据不离开数据持有方安全管控边界，不拷贝、不迁移至外部平台或者合作方系统。

该范式不是绝对禁止任何数据输出，而是区分两类输出物：

• 禁止输出：底层原始明细数据；

• 允许受控输出：经本地计算后的聚合统计结果、模型参数、特征子集、评估指标等衍生信息，衍生信息输出需要受契约、技术双重约束。

“原始数据不出域” 范式存在明确适用边界，并非所有工业数据协同场景都适用：
适用场景：上下游联合统计分析、联合故障预测建模、批量质量关联分析、供应链风险统计研判等，仅需要计算结果，不需要单条原始明细数据的场景。
不适用场景：需要直接获取原始图纸、原始工单明细用于业务直接使用，必须拷贝原始数据的场景；实时高频率、超低延迟的原始数据传输场景；数据量极小、数据价值低，点对点交换成本远低于可信空间部署成本的场景。

在不适用场景下，仍可以采用传统授权、脱敏、去标识化等方式作为补充，可信数据空间作为整个产业链数据流通体系中的一种模式，而非唯一模式。

三、可信数据空间制造业产业链数据授权运营框架

3.1 数据授权运营总体框架

制造业产业链可信数据空间的数据授权运营框架，分为四层：制度治理层、可信技术层、业务运营层、底层资产底座层。底层资产底座层对接 AASA、BYX 系统，向上支撑业务运营层；业务运营层负责数据资产登记、产品上架、授权申请、契约管理、计量结算；可信技术层提供隐私计算、区块链、沙箱、访问控制等能力，保障原始数据不出域；制度治理层定义主体权责、数据权属、合规规则、争议仲裁机制。

框架内参与主体包含六类：

1. 数据供给方：产业链上下游各工厂，持有原始生产数据，在本地部署可信节点，提供数据计算能力；

2. 数据需求方：提出数据协同需求的企业（主机厂、配套厂等），发起授权申请，使用数据衍生结果；

3. 可信数据空间运营方：产业数据流通平台运营主体，负责平台运营、契约管理、计量统计、收益结算、日常运维；

4. 技术服务方：提供隐私计算、区块链节点、系统对接实施服务，本场景下由泷码软件提供技术底座实施服务；

5. 仲裁与合规审计方：第三方合规、审计机构，处理主体争议，开展合规审计；

6. 监管对接主体：对接行业监管、数据安全相关主管部门，报送审计日志。

授权运营全链路流程分为七个阶段：资产登记→数据产品化→需求发布与授权申请→数据契约签署→技术授权与计算任务下发→任务执行、结果输出、计量存证→收益结算与审计归档。

3.2 全链路授权运营流程

1. 资产登记阶段：数据供给方依托 AASA、BYX 数据资产底座，梳理企业内部数据资源，编制数据资产目录，完成数据分级分类、敏感标签标注、权属声明，将可对外授权的数据资产注册至可信数据空间，登记内容包含数据来源、数据字段、安全等级、可支持的计算类型、使用限制。登记过程不导出原始数据，仅登记元数据。

2. 数据产品化阶段：供给方基于登记的数据资产，封装形成可对外提供的数据产品，明确产品能力、可执行计算算子、使用约束、定价规则，上架至产业流通平台。

3. 需求发布与授权申请阶段：数据需求方在平台提出业务需求，检索平台上架的数据产品，向数据供给方发起数据授权申请，说明使用目的、业务场景、使用期限、预期计算任务。

4. 数据契约签署阶段：供需双方在平台协商，生成标准化数据契约，约定数据使用边界、禁止行为、结果使用限制、计量方式、收益分配、违约责任，多方电子签署，契约元数据上链存证。

5. 技术授权与任务下发阶段：契约生效后，可信空间平台下发计算任务，向供给方本地可信节点授予临时计算权限，不开放原始数据访问权限，仅允许指定算子在供给方本地域内执行。

6. 任务执行、结果输出、计量存证阶段：计算任务在各工厂本地节点分布式执行；计算完成后，系统自动校验输出结果是否超出契约约定范围，仅允许合规的聚合结果、模型参数输出；任务执行全过程日志、资源消耗、调用计量数据自动上链存证，不可篡改。

7. 收益结算与审计归档阶段：平台基于计量记录，按照契约约定的收益分配规则自动核算各方收益；完成资金结算；全链路日志归档，支持内部审计、第三方审计与争议核验。

3.3 分布式可信技术体系支撑 “原始数据不出域”

支撑该授权运营框架的可信技术组件包含：

1. 隐私计算（联邦学习、安全多方计算）：实现跨节点联合计算，原始数据保留在工厂本地，节点之间仅交换加密中间参数、聚合结果；

2. 区块链存证：对资产登记信息、数据契约、任务日志、计量记录、结算凭证上链，用于确权、存证、争议举证；

3. 可信执行环境 / 数据沙箱：约束计算任务执行环境，限制算子类型，防止任务代码窃取本地原始数据；

4. 动态访问授权：最小权限原则，授权为临时、场景化授权，任务结束自动回收权限；

5. 结果校验与输出管控：设置结果阈值、差分隐私噪声注入，防止通过多次查询反推还原原始明细数据；

6. 数据水印与溯源：在输出衍生结果中嵌入不可见水印，追踪结果流转路径，识别违规泄露行为。

整套技术体系不是替代企业现有 AASA、BYX 数据资产底座，而是作为上层可信能力，复用底座的数据目录、权限、资产标签能力。AASA、BYX 负责对内管理企业内部数据资产；可信数据空间负责跨企业的授权、分布式计算、契约与价值流通。

四、制造场景下数据产品、数据契约界定

4.1 制造场景数据产品定义与分类

通用领域将数据产品定义为依托数据加工形成、可以独立对外提供使用的产品。本研究结合制造业产业链场景，制造场景可信流通数据产品，是数据供给方依托域内原始制造数据，通过预设、受控的计算能力封装，在原始数据不出域前提下，向需求方提供指定统计、建模、分析服务，输出限定衍生结果的可授权产品。数据产品交付的不是原始数据集，而是 “计算服务 + 合规衍生结果”。

基于制造业务场景，将可信数据空间内的数据产品划分为三大类：

4.1.1 统计指标类数据产品

供给方本地执行聚合统计，输出汇总指标。典型包含：批次质检合格率统计、设备平均无故障时间 MTBF、工序不良分布、原材料损耗率、库存周转统计等。需求方获取的是汇总统计值，无法获取单条工单、单件产品原始记录。多用于供应链质量评估、产能评估、风险研判。

4.1.2 联合模型类数据产品

多方工厂本地样本参与联邦训练，共同生成预测模型。供给方原始样本保留本地，仅交换加密模型梯度 / 权重，输出训练完成的模型、模型推理接口。典型场景：多厂零部件缺陷识别模型、设备故障预警模型、工艺参数优化预测模型。需求方获得模型或推理服务，不能拿到训练原始样本。

4.1.3 特征关联分析类数据产品

跨主体关联分析，输出相关性结论、关联分布。例如主机厂故障反馈数据与零部件厂生产参数的关联分析。仅输出关联系数、分布特征，不输出个体明细记录，用于质量根因追溯。

数据产品元数据要素包含：产品名称、所属产业链、数据来源主体、底层数据资产编号（关联 AASA/BYX 资产 ID）、数据分级、允许算子清单、禁止算子清单、可输出结果类型、使用场景白名单、单次调用计量规则、授权有效期、定价模式、安全约束。

4.2 制造场景数据契约定义与核心要素

制造场景数据契约，是可信数据空间中，数据供给方、需求方、平台运营方共同签署，约束数据授权使用全流程的电子化法律合约，约定在原始数据不出域模式下，数据计算任务、结果使用、权责、计量、收益分配、违约追责的全部规则，是技术执行规则与法律权责约定的结合体。 数据契约是制度规则落地的载体，同时作为可信节点执行任务的前置校验依据，契约未约定的行为，技术层面直接禁止执行。

面向制造业产业链的数据契约核心要素清单：

1. 签约主体：供给方工厂、需求方企业、平台运营方，统一社会信用代码、授权联系人；

2. 关联资产与产品编号：关联 AASA、BYX 系统内的数据资产 ID、上架数据产品编号；

3. 授权业务目的：明确限定业务场景，禁止超场景使用；例如仅用于 2026 年度零部件批次质量追溯，不得用于竞品工艺分析；

4. 授权期限：任务执行起止时间，到期自动回收计算权限；

5. 允许与禁止操作清单：允许的算子、查询类型；禁止的操作，禁止多次查询进行差分攻击、禁止将输出模型 / 结果二次转授权第三方；

6. 结果处置规则：衍生输出结果的所有权、使用权，是否允许二次加工，是否允许对外分发；

7. 计量规则：计量维度（计算次数、模型训练轮次、资源消耗）、计量采集方式、上链规则；

8. 收益分配条款：定价方式、各方分配比例、结算周期、支付路径；

9. 安全与保密义务：各方保密义务，禁止试图逆向还原原始数据；

10. 审计与存证约定：全链路日志存证、审计权限；

11. 违约责任：违规使用、泄露衍生结果、越界查询对应的违约赔偿；

12. 争议解决机制：协商、第三方仲裁、诉讼管辖约定；

13. 附加合规承诺：符合《数据安全法》《个人信息保护法》《工业数据安全管理办法》等法规。

数据契约分为模板契约与定制契约。标准化场景（常规质量统计、MTBF 统计）使用平台预制模板，快速签约；复杂联合建模场景，使用定制化数据契约，细化模型使用权、知识产权约定。契约签署后，契约条款转化为可信节点的策略规则，由技术组件自动校验任务是否符合契约约定，实现 “契约即代码”，制度规则自动化执行。

五、制造业产业链数据要素流通收益分配机制

5.1 收益分配基本原则

制造业产业链数据流通收益分配，遵循五项基本原则：

1. 价值贡献匹配原则：收益按照各主体的价值贡献比例分配，数据供给方提供数据资产，是核心贡献方；平台提供可信基础设施与运营服务；技术方提供可信计算能力；需求方提出业务场景，参与联合建模；各方收益匹配各自贡献。

2. 风险补偿原则：数据供给方开放数据计算能力，承担数据泄露潜在风险，分配方案应当包含风险补偿因子。

3. 可计量可审计原则：分配依据必须来自平台自动采集、上链存证的客观计量数据，避免主观评估，结算记录全程可追溯。

4. 事前约定原则：分配比例、计价规则在数据契约签署前协商确定，写入契约，任务执行完成后按照契约自动结算，不事后议价。

5. 差异化定价原则：区分数据敏感等级、数据价值、计算成本，高敏感工艺数据、高质量样本数据设置更高计价标准。

5.2 数据价值计量与计价模式

在 “原始数据不出域” 范式下，无法直接对原始数据定价，而是对数据产品服务计价，计价维度包含三类：

1. 调用次数计价：适用于统计指标类产品，每次发起一次统计任务收取费用；

2. 资源消耗计价：适用于联邦学习联合建模，按照训练轮次、算力消耗计量；

3. 成果价值分成计价：适用于数据协同产生业务增值的场景，例如联合工艺优化带来生产成本节约，按约定比例分享增量收益。

计量指标由可信节点自动采集：任务执行时长、算力消耗、调用次数、数据资产敏感等级标签、样本有效量；计量数据实时上链，不可篡改，作为结算凭证。

5.3 多方收益分配模型

产业链数据流通总收入 R，为数据需求方支付的数据产品服务费用。参与分配主体包含：数据供给方 S、平台运营方 P、可信技术服务方 T。

其中：

• ：数据供给方收益，包含数据资产贡献收益 + 风险补偿溢价；

• ：产业流通平台运营收益，覆盖契约管理、存证、运维、审计服务成本；

• ：技术服务方收益，覆盖隐私计算、节点部署、系统对接实施成本。

供给方收益计算公式：

为基础贡献权重，由数据资产价值、样本质量、数据敏感等级确定；为风险补偿系数，高敏感工艺数据取大于 1 的系数，普通统计数据取 1。

平台收益：

为平台服务权重，覆盖平台运营、存证、契约管理、结算审计。

技术服务方收益：

为技术服务权重，权重之和，权重数值在数据契约中由签约各方协商确定并写入合约。

当存在多家数据供给方（多工厂联合建模场景），在供给方内部按照各自数据贡献度拆分，贡献度基于有效样本量、数据质量、数据敏感等级加权计算。

5.4 结算、保证金与争议处理机制

结算采用周期自动结算模式，平台根据上链计量账单，在契约约定结算周期自动生成结算单，各方确认后完成资金划转。平台可设立履约保证金机制：需求方预存保证金，用于保障数据服务费支付；供给方缴纳合规保证金，出现违规泄露行为时触发违约赔付。

收益争议处理：当各方对计量、结算存在分歧，调取区块链上存证的任务日志、计量记录、数据契约，由第三方审计机构核验；核验结果作为仲裁依据。计量日志不可篡改，减少争议空间。

5.5 分配机制适用约束

该收益分配模型适用于可信数据空间内 “原始数据不出域” 的授权运营场景；不适用于原始数据直接转让、原始数据一次性售卖场景。模型可以根据产业链类型（汽车、装备、电子）、企业规模，调整权重参数，形成行业适配版本。收益分配不改变原始数据权属，供给方始终持有原始数据所有权，需求方仅获得契约限定下衍生结果使用权。

六、产业数据流通平台业务模型与 AASA、BYX 数据资产底座对接架构

6.1 产业数据流通平台总体业务模型

产业数据流通平台是可信数据空间的运营载体，业务模型分为五层：资产接入层、产品管理层、授权契约层、可信计算调度层、价值结算审计层。业务模型实现从数据资产登记、上架、申请、签约、任务调度、执行计量、收益结算、审计归档的全业务闭环。

1. 资产接入层：对接各企业内部 AASA、BYX 数据资产底座，读取企业数据资产元数据、目录、标签、分级分类信息；不读取原始数据，仅同步元数据、资产 ID、权限标签。支持多工厂节点接入，每个工厂节点独立连接本厂 AASA/BYX 系统。

2. 产品管理层：基于 AASA/BYX 登记的资产元数据，支撑供给方封装、发布、管理数据产品；维护产品目录、定价、算子白名单，产品信息关联底座资产唯一 ID。

3. 授权契约层：需求检索、授权申请、多方线上签约，契约内容同步下发至可信计算调度层，作为任务执行策略。

4. 可信计算调度层：分布式任务调度中心，接收计算任务，向各工厂本地可信节点下发任务，校验任务是否匹配数据契约约束；执行隐私计算任务，管控结果输出，采集计量数据上链。

5. 价值结算审计层：基于上链计量数据，执行收益核算、账单生成、资金结算；存储全链路审计日志，支持审计查询、取证导出。

业务模型核心原则：底座管资产，空间管流通。AASA、BYX 作为企业内部数据资产底座，负责企业域内的数据盘点、目录、权限、资产台账；可信数据空间平台负责跨企业之间的授权、协同计算、契约与价值流转，两者职责边界清晰。

6.2 可信数据空间与 AASA、BYX 数据资产底座对接架构

对接架构采用API 接口 + 元数据同步的松耦合对接方案，不需要改造 AASA、BYX 底层数据库，最小化企业系统改造工作量，保障企业内部系统稳定。

6.2.1 对接接口分类

1. 资产元数据查询接口：可信平台调用 AASA/BYX 接口，获取数据资产目录、资产 ID、字段说明、安全标签、权属信息；仅同步元数据，不获取原始业务数据。

2. 资产状态同步接口：当企业内部 AASA/BYX 中数据资产发生变更（下线、分级调整），主动推送变更通知至可信平台，同步更新平台产品信息，下架失效资产对应的产品。

3. 权限联动接口：可信空间授权信息回写给 AASA/BYX，在企业内部底座记录外部授权记录，实现企业内部统一权限台账，便于企业内部审计。

4. 审计日志回传接口：可信空间跨域任务审计日志，回传至本厂 AASA/BYX 审计模块，纳入企业内部数据安全审计体系。

6.2.2 数据交互边界

• 从 AASA/BYX 流向可信平台：仅元数据、资产标签、资产状态、授权台账、审计摘要；禁止原始明细数据流出底座。

• 从可信平台流向 AASA/BYX：外部授权记录、跨域任务审计摘要，用于企业内部资产管理。

• 原始生产数据：全程保存在工厂本地 AASA/BYX 底层存储，不跨企业传输。

6.2.3 部署模式

企业侧部署可信节点服务，作为可信数据空间与本厂 AASA、BYX 系统之间的网关。网关做接口鉴权、数据过滤，拦截任何读取原始明细数据的请求，只放行元数据交互。网关作为安全隔离边界，隔离企业内部资产底座与外部可信空间平台。

6.3 业务模型运行示例（汽车零部件产业链场景）

主机厂（需求方）希望联合多家零部件配套工厂，开展零部件缺陷与生产参数的关联统计分析，识别质量根因。

1. 各零部件工厂在本厂 BYX/AASA 系统完成质检、工艺参数资产登记，标记敏感等级；元数据同步到产业流通平台；

2. 零部件厂将资产封装为统计类数据产品上架，约定仅用于质量根因分析；

3. 主机厂发起授权申请，明确业务目的、期限；

4. 多方签署数据契约，约定计量规则与收益分配比例；

5. 平台下发统计任务，任务在各零部件工厂本地可信节点执行，读取本厂 AASA/BYX 内数据；

6. 本地节点执行聚合计算，输出关联统计指标，原始明细不出域；执行日志、计量数据上链；

7. 平台按照契约自动核算各零部件厂、平台、技术方收益，完成结算；

8. 跨域任务审计摘要回传至各厂 AASA/BYX 系统，纳入企业内部审计。

该案例完整验证业务模型与底座对接架构可行性。

七、制造业可信数据空间典型落地模式、风险识别与优化路径

7.1 典型落地模式

结合产业链组织特征，归纳三类可信数据空间落地模式：

模式一：产业链龙头牵引模式

由产业链龙头主机厂发起，联合上下游配套工厂共同建设可信数据空间。龙头作为需求发起方，带动配套中小企业接入；平台由龙头联合第三方运营。优势：产业链业务协同需求明确，龙头带动配套企业参与；劣势：中小企业担心平台偏向龙头，需要在数据契约、治理规则上保障中小企业权益，避免数据权力失衡。适用汽车、大型装备产业链。

模式二：第三方产业平台中立运营模式

由独立第三方平台作为可信空间运营主体，面向整个区域或者行业产业链开放，无单一龙头主导，各企业平等作为节点接入。优势：中立性强，降低企业顾虑；劣势：产业链协同业务需求需要平台主动挖掘培育，前期业务冷启动难度大。适用于产业集群（电子、精密加工产业集群）。

模式三：产业联盟共建模式

由行业协会、产业联盟牵头，联盟内多家核心企业共同出资共建可信数据空间，成立联盟治理委员会，共同制定规则。治理委员会包含供需多方代表，共同审议数据流通规则、争议仲裁规则。优势：规则由产业主体共同协商，接受度高；劣势：多方协调成本高，决策流程长。适合行业协会主导的细分制造行业。

三种模式都统一复用本研究的授权运营框架、数据契约、收益分配模型，以及对接 AASA/BYX 底座的业务模型，差异仅在治理主体与运营组织方式。

7.2 落地风险识别

7.2.1 制度合规风险

一是数据权属争议风险，多方共同产生的工业数据，权属界定不清，容易引发纠纷；二是超目的使用风险，即使有契约，需求方试图通过多次查询、模型逆向推导原始数据；三是知识产权风险，联合训练模型的知识产权归属约定不清；四是法规动态更新风险，数据相关法律法规、工业数据管理政策持续迭代，原有契约条款存在不合规风险。

7.2.2 技术工程风险

第一，异构系统对接风险，不同工厂 AASA、BYX 版本差异，元数据口径不统一，元数据同步失败；第二，性能风险，联邦学习等隐私计算计算开销大，大批量时序工业数据联合建模时，算力、延迟压力大；第三，安全攻击风险，攻击者构造恶意查询、恶意算子，尝试通过差分攻击、模型反演，推断原始数据；第四，节点运维风险，中小企业 IT 能力薄弱，本地可信节点部署、运维难度高。

7.2.3 商业运营风险

第一，价值认知不足风险，企业难以感知数据协同带来的业务收益，参与意愿低；第二，定价博弈风险，供需双方对数据价值认知差异大，难以达成收益分配共识；第三，长期运营成本风险，可信节点部署、平台运维持续产生成本，业务量不足时难以实现运营可持续；第四，搭便车风险，部分主体希望免费使用多方数据成果，不愿贡献自身数据。

7.3 风险防控与优化路径

7.3.1 制度层面优化

1. 标准化数据契约模板，明确联合数据、联合模型的权属与知识产权条款，由法务、行业专家共同评审模板，适配现行数据法规；

2. 在契约中设置查询频次限制、差分隐私保护，防范反演攻击；

3. 建立联盟治理委员会，吸纳上下游大小企业代表，共同制定规则，平衡龙头与中小企业权益；

4. 建立常态化合规审查机制，定期复核契约模板、业务场景是否符合最新法规。

7.3.2 技术层面优化

1. 制定 AASA、BYX 元数据对接标准，统一资产目录字段、标签体系，降低异构系统对接成本；

2. 对计算任务做性能评估，区分轻量统计任务与重型联邦建模任务，按需调度算力；

3. 算子白名单管控，仅允许经过安全审计的可信算子在本地节点执行，禁止自定义未审计代码；

4. 面向中小企业推出轻量化可信节点，降低部署、运维门槛。

7.3.3 商业运营层面优化

1. 优先选择业务价值明确的场景先行试点（质量追溯、设备联合预警），用试点业务收益证明价值，逐步扩大参与主体；

2. 采用阶梯式定价，中小工厂接入降低初始接入费用；

3. 建立贡献激励机制，对主动贡献高质量数据资产的供给方给予平台激励；

4. 设计分阶段落地路线：先试点小范围产业链，验证业务模型与结算机制；试点成熟后，扩展至全产业链。

八、结论与研究展望

8.1 研究结论

本研究围绕可信数据空间、数据授权运营框架，针对制造业产业链上下游工厂之间的数据协同需求，系统研究 “原始数据不出域” 的数据共享范式，形成以下核心结论：

第一，制造业产业链数据具有权属复杂、高敏感、异构、价值场景化特征，传统原始数据拷贝、中心化汇聚模式难以解决数据流通信任与安全矛盾；可信数据空间分布式架构，依托隐私计算、区块链、数据契约，实现原始数据留存在各工厂域内，仅受控输出衍生结果，高度适配工业场景安全诉求。

第二，构建面向制造业产业链的可信数据空间数据授权运营框架，完整覆盖资产登记、产品上架、授权申请、契约签署、分布式计算、计量存证、收益结算全链路，明确六类参与主体权责，形成制度 + 技术协同的运行体系。

第三，界定制造场景可信流通下数据产品、数据契约内涵，将数据产品划分为统计指标类、联合模型类、特征关联分析类；设计适配工厂协同业务的数据契约核心要素，实现业务规则可写入合约、合约可转化为技术执行策略。

第四，建立多方收益分配机制，以数据产品服务计量为基础，构建包含风险补偿因子的分配模型，按照各方价值贡献分配流通收益，计量数据上链存证，实现事前约定、自动结算、可审计。

第五，搭建产业数据流通平台完整业务模型，设计可信数据空间与 AASA、BYX 数据资产底座的松耦合对接架构，明确元数据交互边界，原始数据不跨底座、不跨企业传输，复用企业现有数据资产台账能力，降低系统改造投入。

第六，梳理龙头牵引、第三方中立平台、产业联盟共建三类落地模式，识别制度、技术、商业三类风险，给出对应的风险防控与落地优化路径。

本研究构建的整套机制与业务模型，可以支撑产业数据流通平台的需求设计与工程落地，推动制造业产业链数据要素在保障安全前提下有序流通，释放工业数据要素价值，助力产业链协同、智能制造转型升级。

8.2 研究不足与未来展望

本研究的局限性：第一，收益分配模型的权重参数，需要在真实产业链试点中持续采集业务数据迭代校准；第二，复杂工业图纸、非结构化质检视频类数据的可信流通机制，本研究仅简要涉及，有待进一步专项研究；第三，跨区域、跨行业多条产业链互通的可信数据空间治理机制，仍需持续探索。

未来研究方向：

1. 在汽车、装备制造产业链开展试点落地，采集真实运营数据，持续优化收益分配模型参数，迭代数据契约模板；

2. 拓展非结构化工业图纸、图像质检数据在可信数据空间的流通范式；

3. 研究多条产业链可信数据空间的跨域互认、跨空间授权机制；

4. 研究可信数据空间内工业数据资产的估值模型，完善工业数据资产入表配套机制。

数据来源与免责声明

数据来源

1. 国家层面数据要素、工业数据安全、数据授权运营相关法律法规、政策文件；

2. 工业互联网、可信数据空间、隐私计算领域公开行业白皮书、学术文献；

3. 泷码软件（上海）有限公司、泷码软件研究院在工业数据资产、产业链数据协同项目中的场景调研、系统架构沉淀资料；

4. 制造业产业链供应链协同业务案例、AASA、BYX 数据资产底座相关技术文档。
本报告内收益分配模型为理论模型，模型参数为理论示例参数，非特定项目实测参数。

免责声明

本研究报告由泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部编制，仅用于学术研究、行业理论探讨与方案参考，不构成任何商业承诺、法律意见、投资建议或项目落地担保。报告内构建的机制、业务模型、系统对接架构、收益分配数学模型均为理论研究成果，在实际项目落地时，需要结合企业业务场景、系统现状、法律法规、业务合同另行评估、定制化调整。

报告中提及 AASA、BYX 系统名称，仅代表本研究设定的数据资产底座对接对象，不代表泷码软件对该系统的性能、功能做任何担保；报告中技术方案、业务模式的可行性受算力、网络、企业信息化基础、合规环境等多重因素影响，实际落地效果存在不确定性。未经书面许可，不得将本报告全部或部分内容用于歪曲解读、虚假宣传、对外商业承诺。报告观点仅代表研究团队学术观点，不代表任何监管机构、行业协会立场。