在当前数字经济高速发展的背景下，数据资产已成为企业核心资产的重要组成部分。如何科学、合理地评估数据资产的价值，是当前理论界和实务界共同关注的焦点问题之一。其中，成本法作为数据资产评估的重要方法之一，因其操作性强、逻辑清晰而被广泛采用。然而，关于成本法下评估数据资产是否应包含存储成本（如服务器费用）的问题，仍存在一定的争议与分歧。本文将围绕这一问题展开探讨。

首先，我们需要明确成本法的基本原理及其在数据资产评估中的适用性。成本法的基本理念是：资产的价值等于其重置成本，即在当前市场条件下，重新获得相同或类似资产所需的成本。在数据资产评估中，这一方法主要适用于那些具有可复制性、可重建性的数据资产，如企业自行采集、加工、整理形成的数据集。

在使用成本法进行数据资产评估时，通常需要考虑以下几个方面的成本构成：

1. 数据采集成本：包括数据获取过程中所耗费的人工、设备、软件许可、外包服务等费用；
2. 数据清洗与处理成本：指对原始数据进行标准化、去噪、分类、整合等处理所投入的成本；
3. 数据建模与分析成本：如构建数据模型、开发分析算法、训练模型等所涉及的研发费用；
4. 数据存储与维护成本：即数据在存储过程中所消耗的服务器资源、带宽、电力、安全防护、数据备份等费用；
5. 管理与运营成本：如数据治理、权限管理、合规性审查等相关支出。

从上述构成来看，数据存储成本显然是数据资产生命周期中不可忽视的重要组成部分。尤其是在大数据时代，企业所掌握的数据量呈指数级增长，存储成本也随之显著上升。因此，从成本法的角度出发，是否应将服务器费用等存储成本纳入评估范围，需要从以下几个方面进行深入分析。

第一，从资产重置成本的角度来看，如果企业在当前市场条件下要重新构建相同的数据资产，其所需投入的资源不仅包括数据采集与处理，也必然包括数据的存储与长期维护。如果忽略存储成本，可能导致评估结果偏低，无法真实反映数据资产的重置价值。尤其是在云计算和分布式存储广泛应用的背景下，服务器费用已成为企业数据基础设施支出中的重要组成部分。

第二，从数据资产的完整性角度来看，数据资产的价值不仅体现在其内容本身，也体现在其可用性、安全性、可访问性和可持续性等方面。而这些特性在很大程度上依赖于数据存储系统的技术架构与运行维护。如果评估过程中不考虑存储成本，就相当于忽略了数据资产在技术实现层面的重要支撑因素，从而影响评估结果的准确性与完整性。

第三，从实务操作的角度来看，在采用成本法进行数据资产评估时，评估师通常会参考企业历史成本记录，并结合当前市场价格进行调整。而企业在实际运营中，确实会将服务器费用、云存储服务费用、数据中心运维费用等计入数据管理成本。因此，从成本归集的角度出发，将存储成本纳入评估范围具有现实依据和可操作性。

当然，也有一种观点认为，数据资产的核心价值在于其内容本身，而非其存储形式或载体。因此，在评估时只需考虑与数据内容直接相关的采集、处理、建模等成本，而不应将通用性的基础设施成本（如服务器费用）计入其中。这种观点的出发点在于避免将非专属成本纳入评估，以防止评估结果失真。

然而，这种观点在实践中存在一定的局限性。一方面，数据资产的存储不仅是基础设施问题，更是保障数据资产持续可用性和安全性的关键环节；另一方面，随着数据资产规模的扩大，存储成本在整个数据资产生命周期中的比重日益上升，将其完全排除在评估之外，显然不符合数据资产的实际成本结构。

综上所述，在采用成本法评估数据资产时，存储成本（如服务器费用）应作为评估的重要组成部分予以考虑。当然，在具体操作中，评估人员应根据数据资产的类型、用途、存储方式以及企业成本核算体系等因素，合理界定存储成本的范围与比重，避免将非直接相关的基础设施成本纳入评估，从而确保评估结果的科学性与合理性。

未来，随着数据资产评估标准的不断完善，关于存储成本是否应纳入评估范围的讨论也将更加深入。在实务操作中，建议评估机构和企业在遵循相关准则的基础上，结合具体情况，灵活处理存储成本问题，以提升数据资产评估的准确性与实用性。