人工智能作為新一輪科技革命和產(chǎn)業(yè)變革的重要驅動力量，正加速與各行各業(yè)深度融合。近日，國務院印發(fā)《關于深入實施“人工智能+”行動的意見》(以下簡稱《意見》)，提出強化“人工智能+”行動基礎支撐能力，加強算力、算法和數(shù)據(jù)供給。這是我國搶抓新一輪科技革命和產(chǎn)業(yè)變革機遇、培育和發(fā)展新質(zhì)生產(chǎn)力的重大戰(zhàn)略部署。而數(shù)據(jù)作為新型生產(chǎn)要素，其規(guī)模和質(zhì)量直接決定了人工智能技術所能達到的高度和深度。破解當前高質(zhì)量數(shù)據(jù)供給不足的瓶頸，是“人工智能+”行動落地見效的首要前提。因此，加快培育一個能夠實現(xiàn)數(shù)據(jù)價值發(fā)現(xiàn)、促進高效流通、保障合規(guī)利用的數(shù)據(jù)要素市場，是落實《意見》的關鍵舉措和賦能智能新時代、構筑國家競爭新優(yōu)勢的戰(zhàn)略基石。
一、戰(zhàn)略契合：數(shù)據(jù)要素市場支撐“人工智能+”行動的內(nèi)在邏輯
數(shù)據(jù)要素市場的發(fā)展與“人工智能+”行動的推進，并非兩條獨立的平行線，而是相互需求、彼此成就的共生關系。其內(nèi)在邏輯體現(xiàn)在以下三個層面。
一方面，人工智能技術范式對高質(zhì)量數(shù)據(jù)供給的內(nèi)生需求。國家數(shù)據(jù)局局長劉烈宏提出，“‘人工智能+’到哪里，高質(zhì)量數(shù)據(jù)集就建設到哪里”。本輪先進人工智能模型，特別是大語言模型的發(fā)展仍遵循著“縮放定律”(Scaling Law)這一基本規(guī)律，即模型的綜合能力與其訓練數(shù)據(jù)的規(guī)模、質(zhì)量和多樣性直接相關。沒有海量、高質(zhì)量的數(shù)據(jù)“投喂”，再先進的算法也只是無源之水。數(shù)據(jù)顯示，我國人工智能應用日均Token消耗量已從2024年初的1000億激增至2025年6月底的超過30萬億，在短短一年半時間內(nèi)增長了超過300倍。這種近乎無限的需求正催生巨大的數(shù)據(jù)市場供給缺口?？梢姡⒁粋€能夠高效匯聚、治理并流通高質(zhì)量數(shù)據(jù)的要素市場，是滿足當前人工智能技術范式需求的必然選擇。
另一方面，數(shù)據(jù)要素與人工智能形成雙向賦能的“飛輪效應”。數(shù)據(jù)要素市場不僅是單向地為人工智能提供“燃料”，而是雙方進一步形成一種雙向賦能、相互促進、加速迭代的“飛輪效應”。一方面，高質(zhì)量的數(shù)據(jù)要素是驅動人工智能應用性能躍升的關鍵。國家數(shù)據(jù)局數(shù)據(jù)顯示，在對數(shù)據(jù)質(zhì)量要求極為嚴苛的醫(yī)療健康領域，通過引入人工智能輔助標注的醫(yī)學影像數(shù)據(jù)集，后續(xù)訓練的疾病診斷模型準確率可提升超過15%。另一方面，人工智能應用也反向激發(fā)數(shù)據(jù)價值。據(jù)有關機構預測，未來合成數(shù)據(jù)將取代真實數(shù)據(jù)成為AI模型所使用數(shù)據(jù)的主要來源，這不僅能有效彌補真實數(shù)據(jù)供給的缺口，更能為數(shù)據(jù)要素市場注入持續(xù)的、高質(zhì)量的源頭活水。最終，當“數(shù)據(jù)要素+人工智能”這一強大組合的動能釋放到實體經(jīng)濟中，將有效賦能千行百業(yè)，帶來顯著的生產(chǎn)力躍升，從而驅動形成飛輪效應，持續(xù)創(chuàng)造經(jīng)濟價值。
二、現(xiàn)實審視：我國數(shù)據(jù)要素市場賦能人工智能發(fā)展的機遇與挑戰(zhàn)
在“人工智能+”的浪潮下，我國數(shù)據(jù)要素市場賦能人工智能已取得積極成效，在全球AI競賽中展現(xiàn)出強大勢能，產(chǎn)業(yè)、數(shù)據(jù)和場景優(yōu)勢日益凸顯。
產(chǎn)業(yè)與市場活力持續(xù)釋放。我國數(shù)據(jù)要素市場和人工智能產(chǎn)業(yè)已形成相互促進的良好態(tài)勢。中國互聯(lián)網(wǎng)絡信息中心(CNNIC)數(shù)據(jù)顯示，2024年我國人工智能核心產(chǎn)業(yè)規(guī)模已突破7000億元人民幣;同時，數(shù)據(jù)產(chǎn)業(yè)規(guī)模快速壯大，據(jù)國家數(shù)據(jù)發(fā)展研究院測算，2024年全國數(shù)據(jù)產(chǎn)業(yè)規(guī)模達5.86萬億元，同比增長15.8%，專業(yè)數(shù)據(jù)產(chǎn)品產(chǎn)值規(guī)模占比超過30%，產(chǎn)品和服務形態(tài)不斷豐富。全國數(shù)據(jù)企業(yè)超40萬家，專業(yè)化經(jīng)營主體不斷出現(xiàn)，產(chǎn)業(yè)吸納就業(yè)能力穩(wěn)步提升，市場活力不斷增強，為“人工智能+”提供了堅實的產(chǎn)業(yè)基礎。
數(shù)據(jù)資源基礎不斷夯實。我國數(shù)據(jù)資源總量實現(xiàn)躍升。國家數(shù)據(jù)局數(shù)據(jù)顯示，2024年全國數(shù)據(jù)生產(chǎn)量達到41.06ZB，同比增長25%，增速較去年提高2.56個百分點;截至今年6月底，我國已經(jīng)建設高質(zhì)量數(shù)據(jù)集超過3.5萬個，總體量超過400PB。隨著人工智能快速發(fā)展，用于開發(fā)、訓練和推理的數(shù)據(jù)量同比增長40.95%，智能家居、智能網(wǎng)聯(lián)汽車等智能設備數(shù)據(jù)增速位居前列，分別為51.43%、29.28%，低空經(jīng)濟和機器人數(shù)據(jù)生產(chǎn)量增速超過30%。值得一提的是，我國國內(nèi)主流大模型的訓練數(shù)據(jù)中，中文數(shù)據(jù)占比已普遍超過60%，部分模型甚至高達80%，這為服務本土人工智能市場奠定了堅實基礎。
應用場景優(yōu)勢深度拓展。我國超大規(guī)模市場和復雜多樣的社會經(jīng)濟環(huán)境，為人工智能模型的訓練、迭代和優(yōu)化提供了全球獨一無二的“試驗田”和“練兵場”。這種優(yōu)勢正從消費端向產(chǎn)業(yè)端和社會治理端全面滲透，形成強大的“場景驅動”效應。在To C(消費)領域，我國擁有全球最大的網(wǎng)民和移動支付用戶群體，催生了電商、社交、短視頻等海量數(shù)據(jù)智能應用場景。在To B(產(chǎn)業(yè))領域，我國作為全球唯一擁有聯(lián)合國產(chǎn)業(yè)分類中全部工業(yè)門類的國家，正加速“人工智能+新型工業(yè)化”進程。在智能制造領域，已建成超過萬家數(shù)字化車間和智能工廠;在自動駕駛領域，全國已開放智能網(wǎng)聯(lián)汽車測試道路超過3.2萬公里，測試里程累計超過1.2億公里，復雜的路況和海量的真實路測數(shù)據(jù)是訓練和優(yōu)化自動駕駛算法模型的關鍵優(yōu)勢。
然而，挑戰(zhàn)同樣不容忽視。當前數(shù)據(jù)要素市場供給側的短板與市場機制的不完善相互交織，形成了制約“人工智能+”行動向縱深發(fā)展的核心瓶頸。
一是高質(zhì)量數(shù)據(jù)供給“量質(zhì)齊缺”，模型源頭活水不足。從“量”的方面看，全球高質(zhì)量中文語料占比嚴重偏低。中國工程院研究表明，全球通用的50億大模型數(shù)據(jù)訓練集里，中文語料占比僅為1.3%。這種結構性失衡，導致國內(nèi)許多AI模型在發(fā)展初期不得不依賴英文語料或質(zhì)量欠佳的翻譯數(shù)據(jù)，限制了其對中文世界的理解深度。從“質(zhì)”的方面看，原始數(shù)據(jù)治理能力尚存短板，其中充斥著大量噪聲、冗余和偏見，需要經(jīng)過復雜的清洗、標注和治理才能用于模型訓練。而我國在高端數(shù)據(jù)服務，特別是數(shù)據(jù)合成、合規(guī)審計、偏見檢測等領域的產(chǎn)業(yè)生態(tài)尚不健全，高質(zhì)量數(shù)據(jù)供給的“加工能力”有待提升。
二是價格與權益體系亟待完善，市場機制仍需加強探索。從價格機制看，數(shù)據(jù)作為一種特殊的生產(chǎn)要素，其價值具有高度的場景依賴性、可復制性和邊際成本遞減等特征，傳統(tǒng)商品定價模型難以適用。當前，各地數(shù)據(jù)交易所雖在探索掛牌定價、協(xié)議轉讓、算法定價等多種模式，但仍缺乏一套被市場廣泛接受的、公允的價值評估和定價機制。比如，某企業(yè)的一份銷售數(shù)據(jù)，對自身而言可能僅用于復盤，價值有限;但對需要進行市場趨勢分析的AI模型訓練方而言則價值巨大。如何量化這種“場景溢價”并形成合理分成，是業(yè)界普遍面臨的難題。從權益體系看，數(shù)據(jù)產(chǎn)權與合規(guī)問題構成底層制約。數(shù)據(jù)產(chǎn)權“三權分置”的落地問題仍不明晰，特別是大模型訓練所涉及的海量數(shù)據(jù)，其版權授權鏈條復雜，企業(yè)獲取數(shù)據(jù)的合規(guī)成本和法律風險較高，亟需在制度層面予以突破，為數(shù)據(jù)要素的合規(guī)、高效流通提供清晰的“游戲規(guī)則”。
三是“數(shù)據(jù)孤島”與流通壁壘并存，要素價值難以釋放。大量高價值數(shù)據(jù)沉淀在不同政府部門、行業(yè)和大型企業(yè)內(nèi)部，形成“數(shù)據(jù)孤島”和“數(shù)據(jù)煙囪”。由于權屬界定、安全顧慮、標準不一等原因，數(shù)據(jù)難以實現(xiàn)有效的跨域流通和融合共享。此外，行業(yè)數(shù)據(jù)的市場化配置水平尤為不足。以制造業(yè)為例，國際數(shù)據(jù)公司(IDC)統(tǒng)計顯示，目前制造業(yè)數(shù)據(jù)中結構化數(shù)據(jù)僅占約20%，大量蘊含工藝、流程知識的非結構化數(shù)據(jù)難以利用。更值得關注的是，工業(yè)數(shù)據(jù)交易規(guī)模占我國數(shù)據(jù)交易市場總規(guī)模的比重不足7%。這表明，能極大賦能實體經(jīng)濟的行業(yè)場景數(shù)據(jù)，正由寶貴的“生產(chǎn)資料”淪為沉睡的“數(shù)字庫存”。
三、破局之路：數(shù)據(jù)要素市場有效賦能“人工智能+”行動發(fā)展的關鍵路徑
為應對挑戰(zhàn)、抓住機遇，必須多措并舉、精準發(fā)力，通過強化供給、完善機制、創(chuàng)新治理、優(yōu)化生態(tài)，構建支撐“人工智能+”行動的高質(zhì)量數(shù)據(jù)要素市場。
(一)強化優(yōu)質(zhì)數(shù)據(jù)供給，筑牢戰(zhàn)略資源儲備
為從源頭解決高質(zhì)量數(shù)據(jù)不足的問題，應由國家層面統(tǒng)籌規(guī)劃，加快推動氣象、交通、醫(yī)療、科研等關鍵領域的公共數(shù)據(jù)，在確保安全的前提下，以統(tǒng)一標準、統(tǒng)一接口的方式有序向社會開放，打造一批具有全球競爭力的國家級和行業(yè)級人工智能公共訓練數(shù)據(jù)集。同時，需高度重視戰(zhàn)略語料資源的儲備與開發(fā)，一方面，探索開展建設全國性大模型“紅色語料庫”，筑牢意識形態(tài)安全屏障;另一方面，強化對海外高價值、高頻次、高可靠性戰(zhàn)略語料的收儲與市場化利用，增強我國在全球人工智能競爭中的核心優(yōu)勢，為我國人工智能長遠發(fā)展筑牢戰(zhàn)略根基。
(二)優(yōu)化數(shù)據(jù)定價模式，完善利益分配機制
科學的價值分配機制是激活數(shù)據(jù)要素市場供給動力的核心。需加快探索構建一個既能體現(xiàn)政府指導、又能發(fā)揮市場作用的價格體系。在路徑上，要理清公共數(shù)據(jù)的價值生成鏈條，即由政府授權的運營機構進行一級開發(fā)，形成標準化數(shù)據(jù)產(chǎn)品;再由市場主體進行二次開發(fā)，形成面向人工智能應用場景的精細化產(chǎn)品與服務。在定價上，將公共數(shù)據(jù)作為全社會數(shù)據(jù)定價之“錨”：在一級開發(fā)階段，可采取政府指導下的成本補償模式，覆蓋數(shù)據(jù)治理與運營成本，推動海量公共數(shù)據(jù)“入場”;在二級市場，鼓勵數(shù)據(jù)供需雙方根據(jù)數(shù)據(jù)在具體人工智能應用場景中創(chuàng)造的價值，通過市場化方式協(xié)商形成價格，或建立合理的收益分享模式，讓高質(zhì)量數(shù)據(jù)的持有者能分享人工智能發(fā)展的紅利，從而正向激勵市場持續(xù)供給高價值數(shù)據(jù)。在分配上，探索建立公共數(shù)據(jù)授權運營的收益分配政策，將有償使用收益部分納入財政，用于反哺數(shù)據(jù)治理和公共服務，同時設置合理的分配原則，激勵各參與方的積極性。
(三)明晰數(shù)據(jù)產(chǎn)權結構，創(chuàng)新安全治理模式
為解決數(shù)據(jù)共享中“不敢、不愿、不能”的難題，必須在制度和技術上尋求突破。制度上，要加快落實“數(shù)據(jù)二十條”提出的數(shù)據(jù)資源持有權、數(shù)據(jù)加工使用權、數(shù)據(jù)產(chǎn)品經(jīng)營權“三權分置”要求，讓數(shù)據(jù)在“可用不可見、可控不可得”的框架下安全流動，打消數(shù)據(jù)提供方的安全顧慮。技術上，探索運用數(shù)據(jù)可信憑證、深度偽造內(nèi)容檢測、AI生成內(nèi)容標識等技術，為進入模型訓練的數(shù)據(jù)打上“身份標簽”，確保其來源可溯、權屬清晰、授權明確。當模型生成內(nèi)容引發(fā)爭議時，能夠反向追溯至源頭數(shù)據(jù)，為權益分配和責任界定提供技術依據(jù)。此外，需前瞻性布局人工智能時代的知識產(chǎn)權規(guī)則，積極探索如何界定訓練數(shù)據(jù)、AI模型及生成內(nèi)容的版權歸屬與使用規(guī)范，建立公平的利益分配機制，為AI產(chǎn)業(yè)的長期健康發(fā)展提供制度保障。
(四)培育多元服務業(yè)態(tài)，構建協(xié)同產(chǎn)業(yè)生態(tài)
推動傳統(tǒng)數(shù)據(jù)服務向價值鏈高端升級，使其緊密契合大模型等人工智能技術的新需求。一方面，要提升數(shù)據(jù)處理技術的專業(yè)化與精細化水平。特別是數(shù)據(jù)標注服務，需從過去簡單的分類、拉框，向服務于大模型價值對齊的精細化、場景化標注邁進，重點覆蓋指令遵從、偏好排序、邏輯推理等復雜任務，為模型注入真正的“智能”。同時，要大力支持高質(zhì)量數(shù)據(jù)合成技術的研發(fā)與應用，將其作為破解特定行業(yè)數(shù)據(jù)稀缺、隱私保護和數(shù)據(jù)孤島問題的關鍵手段，生成模型訓練急需的、真實世界難以獲取的邊緣場景數(shù)據(jù)，提升AI系統(tǒng)的魯棒性和安全性。另一方面，積極推動國家級人工智能應用基地建設，依托基地匯聚技術、人才和資本，促進數(shù)據(jù)服務商與AI應用企業(yè)的精準對接，并引導行業(yè)圍繞上述新型數(shù)據(jù)服務，加快制定相應的技術標準、服務流程與質(zhì)量評估規(guī)范。最終形成一個覆蓋數(shù)據(jù)全生命周期的、多元化的服務產(chǎn)業(yè)生態(tài)，為“人工智能+”行動提供源源不斷的高品質(zhì)“數(shù)據(jù)燃料”。(國家發(fā)展改革委價格監(jiān)測中心副主任 王建冬)
評論