中国评估论坛（2025）暨第四届全国数字经济与数据资产评估论坛近期举办。论坛由全国资产评估专业学位研究生教育指导委员会指导，中央财经大学与广东财经大学联合主办，广东财经大学财政税务学院、人民财税发展研究中心、广东地方公共财政研究中心、广东省财税大数据重点实验室承办。来自全国部分高校、研究机构和知名企业的70余名专家学者参加。
本届论坛以线上、线下相结合的方式进行，参会嘉宾从不同角度分享了人工智能发展和数据资产评估领域的新现象、新问题及新成果，共话人工智能与数据资产评估的未来图景。
赋能数字经济新未来
广东财经大学校长于海峰认为，数字化、经济化发展和数字中国建设相互推动、相得益彰。广东财经大学一直以来高度重视数字经济相关理论研究和专业人才培养，第四届数字经济和数字资产评估论坛的召开为数字经济理论研究与实践推进、数字经济学科发展、数字资产评估人才培养提供了良好的交流平台。
全国资产评估专业学位研究生教育指导委员会秘书长、中央财经大学财政税务学院副院长李小荣指出，数据资产是新质生产力的核心驱动力，数字经济是新时代中国取得国际竞争优势的关键因素之一。他强调，数字经济的鲜明特征与独特属性要求资产评估行业从新的理论视角出发，结合中国实际，重新构建数据的价值评估体系。同时，期望资产评估行业在数据资产领域发挥更大作用，并加强跨专业人才的培养。高校的数字人才培养要进入新的发展阶段，需要有效的多方合作与交流平台，期待中央财经大学财政税务学院与广东财经大学财政税务学院等单位携手合作，共同推动人才培养进入新阶段。
广东省资产评估协会副会长、秘书长董辉龙认为，资产评估行业要深刻思考资金、资源、资产相互转化的客观规律，深度参与资产的全链条、全过程、全方位的服务工作。他指出，资产评估师应熟悉和掌握数据资产管理的全链条，深化推进行业服务，实现业务从传统的评估向评审、评价和咨询等领域拓展。
擘画数据资产新路径
在主旨演讲环节，财政部资产管理司原一级巡视员张国春作“赋能数据资产评估协同驱动数字价值落地”的主旨演讲。他表示，前三届“全国数字经济与数据资产评估论坛”已经从行业交流平台，成长为推动数据资产评估领域创新发展的重要力量，为数字经济背景下的数据价值挖掘和资产评估行业的现代化建设构筑了坚实的根基。实现人工智能与数据资产评估的深度融合需要从技术创新、人才储备、制度保障等多个维度协同发力，构建一套系统完整的发展体系。
上海财经大学副校长姚玲珍发表以“数智驱动，人才赋能——迈向资产评估行业高质量发展的人才培养新范式”为题的主旨演讲。她指出，人工智能（AI）时代，资产评估行业面临多方面挑战：在评估对象范畴，出现新型资产——数据资产；在评估方法领域，需对资产评估传统方法的适用性予以解读；在评估手段层面，存在技术滞后问题以及数据复杂问题；在人才培养方面，资产评估行业的高质量发展对人才培养提出了新要求。她认为，全球高等教育面临数字化转型的挑战，并以上海财经大学为例说明如何探索数字经济下硕士研究生教育的全新模式。
北京中企华资产评估有限责任公司总裁兼CEO刘登清聚焦“中企华数据资产全链服务实践与挑战”，全面分享了中企华大数据公司关于数据资产全链服务和全过程管理的经验。该公司已开发“数据资产全链服务平台、数智价值挖掘平台、数据资产价值管理平台、数据资产估值平台”四个服务平台，参与多项重要行业标准白皮书的编写，参与多项课题研究并出版发表众多数据资产专著和论文。
中南财经政法大学工商管理学院副院长文豪在主题为“数据资产热潮——基于资产评估视角的惑与思”的演讲中提出“数据资产热潮是否会带来泡沫”问题。他指出，我国处于数据资产热潮中，应关注潜在的“泡沫”风险。关于数据资产评估理论研究的瓶颈，他认为，目前存在评估对象界定难、评估方法选择难、数据资产外部资本化难等问题。针对这些问题，文豪建议，评估对象界定要“相机决策”以明确归类，评估方法选择要坚持“第一性原理”找适配路径，构建数据资产内部资本化“四维评价体系”完善价值评估框架。
聚焦数据管理新探索
全国政协委员、鹏信集团董事长、广东省知联会副会长聂竹青分享“数据资产化：中国经济高质量发展的新引擎”。他认为，数字变革不进则退，慢进亦退。数字要素成为数字新中国的核心引擎，数据资产化将带来可观回报。通过比较分析2024年末上市公司数据资产入表名单，对比2023年末上市公司数据资产入表名单，权属虽渐清晰，但把原始数据清洗、脱敏并转化为高价值资产，仍任重道远。
东北财经大学会计学院教授王景升以“数据资产全过程管理的思考”为题，对数据资产全过程管理试点方案作了政策解读和要点解析。他提出，数据资产管理已从政策制定转向具体实施、从分项管理转向全过程管理，公共数据资产管理已成为国有资产管理的重要内容，并成为理论与实务界的重要课题。
西南财经大学投资经济研究所所长王佳作“深度学习与金融资产评估初探”的主旨演讲。他分析了深度学习的高度非线性处理特性及超越传统方法及其应用，介绍了其在金融领域的十大模型，包括长短期记忆网络、卷积神经网络等。他提出了从特征提取与选择、处理非结构化数据、捕捉时间序列特性、多模型数据融合四方面改进估价模型。
普华永道资产评估（上海）有限公司高级顾问陈少瑜在主题为“资产评估与人工智能——需明确的事项”的演讲中表示，人工智能在为资产评估行业带来发展机遇的同时，伴随着多重挑战：技术层面的AI 幻觉（即AI生成与事实不符的内容）、数据与隐私安全保障、技术能力快速迭代适配等核心问题，机构运营层面的复合型人才短缺、市场竞争加剧、投入产出失衡等。这些问题的解决要结合国内外资产评估准则对AI使用的相关要求，规范行业应用。
广东财经大学财政税务学院教授韩丽娜以“数据资产与人工智能的融合：理论基础与现实挑战”为题，从数据资产相关概念解析、传统数据资产评估相关方法、人工智能与数据资产评估的融合、人工智能下数据资产评估的挑战四方面展开。她分析了人工智能的发展及其对数据资产评估的影响，认为随着人工智能的不断演进，其与数据资产评估会不断融合，同时探讨了当前可能面临的挑战与对策建议。
与会代表还就人工智能背景下数字经济与数据资产评估理论创新、大湾区数据资产实践创新、资产评估教育创新进行交流，并提出意见建议。
“与会者围绕论坛共同关注的核心领域深入交流、贡献智慧，为议题研讨注入了宝贵洞见。交流过程中思想碰撞所迸发的火花、凝聚的共识，将持续为相关领域的发展提供启发。”广东财经大学财政税务学院副院长朱翠华对论坛进行总结时说。
（中国会计报于2025年9月26日报道链接https://api.zgkjb.com/news/shareH5/166779）