作者｜魏际刚　李苍舒「国务院发展研究中心市场经济研究所副所长、研究员，中国国际发展知识中心副研究员」

文章｜《中国金融》2026年第16期

科技创新具有高投入、长周期和高不确定性等特点，传统金融评价体系难以充分识别科技型企业的创新价值，信息不对称成为制约科技金融发展的重要因素。推动金融资源更加精准支持科技创新，不仅需要丰富金融产品和服务模式，也需要提升科技信息与金融数据融合应用能力。2026年7月29日，中国人民银行等九部门联合印发《关于加强科技金融领域数据开发利用的通知》（以下简称《通知》），围绕科技金融数据资源建设、开放共享和融合应用作出系统部署，为提升科技金融服务质效、推动金融更好支持科技自立自强提供了新的支撑。

长期以来，金融机构支持科技型企业面临的重要挑战，就是信息获取不足和风险识别困难。数据开发利用为破解这一问题提供了新的路径。通过推动科技信息、企业经营信息、金融交易信息等多维数据融合，可以更加全面地刻画科技型企业的创新能力和成长潜力，推动金融机构从关注企业过去的经营表现，转向更加关注企业未来的创新价值。例如，企业研发投入持续增长、核心专利不断积累、产业链合作关系不断深化等信息，都可以成为金融机构判断企业发展前景的重要依据。

从这个意义上看，科技金融数据开发利用并非简单的数据共享，而是推动科技金融评价体系重塑的重要基础。它有助于形成更加符合科技创新规律的企业信用评价方式，提高金融资源配置精准性，引导更多金融资本投向早期创新、关键技术突破和未来产业发展。

科技金融数据资源整合迈出关键一步

《通知》的一个重要突破，是推动科技金融领域数据资源从分散管理走向系统整合，为科技型企业精准画像和金融服务创新奠定基础。过去，科技部门掌握企业创新活动、科研项目等信息，知识产权部门掌握专利等技术成果信息，市场监管部门掌握企业登记和经营信息，金融机构则积累了大量融资和交易数据，但这些信息之间缺少有效连接，难以形成对企业创新能力和发展潜力的综合判断。

《通知》发布《全国科技金融领域数据开发利用目录1.0》，涵盖企业名单与科创属性、进出口、投融资、经营、研发投入、知识产权、创新能力评价、企业需求八大类共26个数据指标，实际上是在探索建立更加系统的科技型企业评价基础。与传统金融评价体系主要关注财务状况不同，这类数据更加关注企业创新活动本身。例如，研发投入强度可以反映企业持续创新能力，知识产权数据可以体现技术积累情况，进出口和产业链信息可以反映企业市场竞争力。通过多维数据融合，金融机构能够更加全面地评估科技型企业，而不是仅依据单一财务指标作出判断。

过去，一些初创期科技型企业由于缺少抵押资产、经营时间较短，即便拥有较强的技术能力，也可能难以获得传统信贷支持。未来，随着科技金融数据资源的不断完善，金融机构可以依托更加丰富的信息来源，提前识别具有成长潜力的企业，开发更加匹配其发展阶段的融资产品。例如，对于研发投入较高、知识产权积累较快但尚未形成稳定现金流的企业，可以探索更加适应科技创新特点的信用融资模式；对于处于产业链关键环节的科技型企业，则可以结合上下游交易数据，为其提供更加精准的供应链金融服务。

值得关注的是，《通知》还提出鼓励开展科技金融可信数据空间创新发展试点，推动企业收支流水数据开放利用，搭建行业研究信息交流平台，实现科技金融领域数据资源跨域共享和高效对接。这表明科技金融数据利用正从简单的数据共享模式，向更加规范、安全和市场化的数据流通模式发展。通过可信数据空间等机制，可以在保护企业商业秘密和数据安全的前提下，促进不同主体之间的数据协同，为金融机构开展风险评估、产品创新和行业研究提供更加可靠的数据支撑。

数据应用将成为提升科技金融服务精准性的重要抓手

在完善数据资源体系的基础上，《通知》进一步强调发挥数据对金融服务全流程的赋能作用，推动金融机构依托科技金融数据库构建科技型企业数字信用画像，提升融资对接、智能风控和产品创新能力。这意味着数据应用将成为提升科技金融服务精准性的重要抓手。

科技型企业的发展具有明显的动态性和前瞻性。一家企业当前的收入规模可能并不能完全反映其技术价值和成长潜力，金融机构需要结合研发投入、技术路线、知识产权、市场拓展、产业链关系等信息进行综合判断。通过构建数字信用画像，金融机构可以将过去难以量化的创新能力转化为可分析、可评价的信息，为科技型企业融资提供更加符合其发展规律的评价依据。例如，在新能源、新材料、高端装备等技术密集型领域，企业竞争力往往取决于技术积累和产业生态位置。金融机构可以通过分析企业专利布局、研发人员比例、上下游合作关系、订单变化情况等数据，判断企业所处发展阶段和未来成长空间。

《通知》提出利用交易集中度、交易对手分布、交易对手稳定性等数据，开展产业链资金流动分析，绘制重点产业链图谱，推动“一链一策”精准匹配金融资源，这也是科技金融数据应用的重要方向。过去，金融机构更多以单个企业为服务对象，而产业链图谱能够帮助金融机构从产业生态视角识别融资需求。例如，在新能源汽车产业链中，除了关注整车企业外，还可以通过分析电池、材料、零部件等环节的数据，发现产业链中具有技术优势但融资能力较弱的“隐形冠军”企业，为金融资源进入关键环节提供依据。

同时，人工智能等新技术的发展为科技金融数据应用提供了新的可能。未来，金融机构可以利用人工智能模型对海量科技型企业数据进行分析，辅助判断企业创新能力、行业趋势和潜在风险，提高金融决策效率。当然，数据和算法并不能替代金融判断，对于科技创新这样高风险、高不确定性的领域，更需要将数据分析与专业化投资判断和产业理解相结合，提升风险识别能力。

科技金融数据应用的未来路径

科技金融数据开发利用是一项系统性工程，不仅涉及数据资源整合，还涉及数据治理、应用能力和制度环境建设。随着科技金融数据应用的不断深入，如何在促进数据流通利用和保障数据安全之间实现平衡，如何进一步提升金融机构数据应用能力，仍是未来需要关注的重要方向。

首先，需要进一步完善科技金融数据基础设施建设。当前，不同部门、不同地区在数据标准、更新频率、共享机制等方面仍存在差异，影响了数据融合应用的效果。未来，可进一步推动科技、金融、产业等领域数据标准衔接，完善科技型企业数据归集、更新和共享机制，提升数据资源的完整性和可用性。同时，可以结合区域科技创新特点，建设具有产业特色的科技金融数据平台，为金融机构开展精准服务提供支撑。

其次，需要探索更加规范的数据授权利用机制。科技型企业数据既包含反映创新能力的重要信息，也涉及商业秘密和企业竞争优势。推动数据开发利用不能简单追求数据开放规模，而应建立权责清晰、安全可控的数据流通机制。通过可信数据空间、数据授权运营等方式，在保障企业权益的基础上，促进数据在金融机构、科技服务机构和产业主体之间安全有序流动。

最后，需要提升金融机构运用科技金融数据的专业能力。数据资源能否真正转化为金融服务能力，不仅取决于数据规模，更取决于金融机构对数据的理解和应用水平。科技创新涉及不同技术领域和产业特点，金融机构需要加强科技产业研究能力，完善适应科技型企业特点的风险评价模型，培养既懂金融又懂技术、产业和数据分析的复合型人才。特别是在新能源、新材料、人工智能、生物医药等战略性新兴产业领域，金融机构更要深入理解技术演进趋势和产业发展规律，避免简单依赖数据进行决策判断。■

（责任编辑　张一帆）

点赞，转发，推荐，安排一下？

（来源：中国金融）