当前位置: 首页 > news >正文

【观察】傅建平:迈向“数据强国”,打通数据要素化“任督二脉”的三把钥匙

毫无疑问,在数字经济时代,数据已成为继土地、劳动力、资本、技术之后的第五大生产要素。“得数据者得天下”不仅已成为全球共识,最大化实现数据要素的高效流通与价值释放,更是各国数字竞争的核心所在。

作为名副其实的“数据大国”,我国虽坐拥海量数据资源,却仍面临“数据割裂”“流通不畅”和“应用低效”等现实挑战。因此,如何将规模优势切实转化为发展动能和竞争优势,已成为当前亟须破解的关键命题。

近日,在“数智世界·太行有为”——华为中国行2025·山西新质生产力大会上,雄安新区未来城市公共服务研究院院长傅建平,就围绕全球数字竞争背景下我国数据要素的发展趋势、现实困境与突破路径进行了深度分享,并从制度、技术、生态三个维度系统解读了数据要素化改革的实施策略。

他建议,以公共数据开放开发为战略突破口,深化数据要素市场化配置改革,保障数据相关利益主体的合法权益,激发各类主体的积极性,共建全国一体化数据市场,形成可执行、能落地的系统方案,构建“多元共治、价值共创、利益均衡、责任共担”的数据共同体生态;进一步推动数据要素×人工智能向现实生产力转化,培育发展新质生产力,促进经济社会高质量发展,推动我国从“数据大国”全面迈向“数据强国”,在全球数字竞争中掌握主导权、赢得话语先机。

01.

数据要素,

决胜人工智能未来的战略高地

可以看到,随着数据要素地位的不断夯实,其与人工智能技术的融合正持续深化,迅速渗透至千行百业、万千场景。这一趋势正引发一场深刻的全球变革:它不仅重构生产方式、驱动经济高质量发展、加速社会进步,更在重塑未来价值创造的基本逻辑。在此背景下,全球数字竞争日趋白热化,人工智能已成为国家间战略博弈的“新高地”,地位愈发关键。

正如傅建平所言:“数据的质与量决定人工智能发展的‘天花板’,谁掌握并利用好数据,谁将赢得未来数字竞争新优势。”

当前,我国正处于从“数据大国”迈向“数据强国”的关键阶段。数据显示,我国数据资源总量已超过41.06ZB,与美国旗鼓相当;全国登记在册的经营主体超过1.84亿户,居全球首位,几乎相当于一个中等人口国家的体量。然而,在数据存储、治理和应用水平方面,我国仍存在明显差距,呈现出“大而不强”的典型特征。因此,如何将数据规模优势真正转化为国家与区域的发展优势,已成为亟须破解的重大时代课题。

为此,国家密集出台一系列政策文件,持续完善数据相关组织机制、优化政策环境,着力构建“国家-省-市-县”四级数据管理组织体系,围绕“数据价值运动过程”系统推进“数据要素化、市场化、价值化”,以实现要素化供给“供得出”、市场化流通“流得动”、价值化应用“用得好”。

客观地说,将数据确立为生产要素是一项重大理论突破,而真正让数据成为生产要素,则是一项牵涉广泛的系统工程。

傅建平指出,数据成为生产要素需满足四大条件:普遍存在、低成本获取、大规模流通、可直接用于生产。目前,我国在“低成本获取”“大规模流通”和“直接用于生产”等环节仍存在明显短板,亟须通过制度创新、技术赋能和生态协同等手段,打通全域发展路径。

02.

三大挑战,

数据要素化道路上的“拦路虎”

事实上,如果深入分析当前数据要素市场化改革进程,不难发现主要面临以下几方面挑战:

一是,数据割据现象显著。数据领域呈现典型的“二八分化”——20%的机构掌握80%的数据资源,导致数据“供不出、流不动、用不好、不安全”。具体表现为:公共部门视数据为权限资源,开放意愿低;大型企业将数据作为核心资产,共享动力弱;而真正贡献数据的中小微企业和公众,却难以获取所需数据资源。这种割据阻碍了数据的市场化流通与价值释放。

二是,供给侧结构性矛盾突出。据清华大学《中国地方数据发展报告(2023)》显示,我国数据供需匹配度仅为0.41,存在显著缺口。傅建平生动比喻为“供给气血不足、流通经络不畅”:供给端资源富集但有效供给不足;流通端缺乏成熟交易机制与统一规则;应用端能力薄弱,难以将数据转化为现实生产力。

三是,深层矛盾制约可持续改革。傅建平分析指出,相较于土地、资本、技术等传统生产要素,数据仍属新生事物,其特性和价值运动规律尚未被充分掌握。改革仍面临三大核心矛盾:理论认知不足,数据价值运动机制尚不清晰;制度基础缺失,产权、交易、分配等机制仍未健全;数字化能力建设滞后,亟待提升政府、企业、社会的数据治理水平,以更好地适应新发展需求。

这些矛盾的背后,更深层的原因在于思想观念尚未完全转变。进一步解放思想成为推进数据要素改革的首要任务。

具体而言,改革的核心是处理好“两个基本问题”来化解深层矛盾:其一是“人与数据的关系”,即提升数据生产力(包括数据能力、素养、治理、应用等),增强各类组织对数据的驾驭能力;其二是围绕数据价值运动背后“人与人的关系”,即调整数据生产关系(涵盖数据所有制、收益分配、管理体系、市场机制等),构建合理的数据利益协调机制。

他直言:“触动利益,比触动灵魂还要难。”数据问题牵扯政府监管权、企业收益权与公众隐私权,必须通过精巧的制度设计实现多方平衡,才能真正推动数据要素市场的健康与可持续发展。

03.

破局之道,

制度、技术、生态协同推进

面对上述挑战,傅建平提出了涵盖制度、技术及生态三个层面的数据要素化系统性发展路径。

首先,在制度可信方面,关键在于找准“突破口”、壮大“主力军”、建设“主战场”。公共数据因其在全社会数据资源总量中占比较大,被视为改革的重要“突破口”,应优先推动其开发利用,以此为先导工程,加快数据向现实生产力转化。

傅建平提出构建“双层授权”架构:政府与运营机构之间“算大账”,统筹公益性与市场化目标;开发主体与利益相关者之间“算细账”,实现基于贡献的收益分配。同时,需协同推进开放、共享与授权运营三类机制,既要履行好政府职能,也要善用市场化手段,避免陷入“一放了之”或“一管就死”的困境。

企业作为创新的“主力军”,应分类施策:央国企及龙头企业要“带头干”,平台企业“鼓励干”,中小微企业则需“帮着干”,最终形成大中小企业协同共进、合力创新的良好局面,推动人才、资金、技术、数据等关键要素向企业集聚,助力技术突破、管理优化和商业模式创新。核心是要通过完善数据产权登记和收益分配等制度,切实保障企业权益,充分激发市场活力。

而“主战场”在于构建全国一体化数据市场,需统一准入、定价、竞争等基本规则,打破地域壁垒,推动公共数据与社会数据深度融合,营造高效、开放、有序的数据流通环境。

其次,在技术可信方面,构建全密态存算一体化可信数据空间是推进数据要素化的重要技术支撑。据介绍,雄安新区未来城市公共服务研究院正与华为合作推进相关实践,致力于实现“数据不出密文态、数据可算不可见”,在高效、安全与低成本之间取得有效平衡。

该体系以“全密态存力中心”为技术底座,深度融合数字指纹、区块链溯源与数据加密技术,为数据在存储、传输和处理全流程提供加密保障,全面强化安全与合规性。同时,该平台支持零门槛接入,供需双方可自由对接,企业无需高昂前期投入,即可实现现有数据与场景的快速迁移。平台还提供轻量化服务,包括数据集中管理、数据沙箱和隐私计算环境等,大幅降低使用门槛。

不仅如此,通过推动城市、行业与企业等多维可信数据空间的互联互通,促进生态协同,该体系可有效衔接大型企业、公共数据资源与中小微企业,为后者带来数据加工及配套服务等业务机会,也为政府与产业深度融合、协同创新提供了坚实的数据基础。

最后,在生态可信方面,核心在于营造良好的创新氛围与公平竞争的市场环境。基于此,傅建平呼吁构建“多元共治、价值共创、利益均衡、责任共担”的数据共同体生态。

其中,政府应明确监管边界,“画好黄白线、设置红绿灯”,加强数据主管部门的统筹协调,强化跨部门协作与央地协同,压实行业监管责任,并建立健全容错纠错与尽职免责机制;要“开正门”,鼓励探索数据经纪、数据托管等新业态与新模式,推动数据流通利用方式多元化,超前布局数据基础设施,拓展数据领域的国际合作,积极利用国内国际两个市场、两种资源。同时也要“堵偏门”,加强对数据领域违法违规行为的监管,推动行业自律建设,净化市场生态。

在此基础上,应积极培育超越私有的公共精神,构建面向未来的数据价值观,回归“价值理性、应用主导”的数据利用范式。要提升中小微企业和社会公众对公共数据的可得性,增强数据应用带来的经济社会附加值,推动数据资源创新性配置,真正“服务于民、服务于企”。同时,坚持价值共创与利益均衡,增强各类企业及社会公众在数据财富中的获得感,助力实现共同富裕。

最终目标是构建“多元共治、价值共创、利益均衡、责任共担”的数据共同体,以价值创造、交换与实现为主线,将政府、社会和市场的价值期望与使命目标、战略管理、组织形态及交付模式有机联系,促进数据、技术、资本、劳动力等全要素融合,重构数据价值生态网络,回归“价值本位”的数据发展范式。

总的来说,在数字浪潮席卷全球的今天,数据已不仅是基础性战略资源,更是驱动未来创新与发展的核心引擎。推动数据要素化改革、充分释放数据价值,不仅是一项复杂的系统工程,也事关产业升级与经济增长,更深刻影响着国家治理现代化进程和国际竞争新格局的构建。

在此进程中,坚持以公共数据开放为突破口,激发企业创新主体活力,以可信技术为底层支撑,以多元协同生态为制度保障,系统推进数据要素化配置改革,必将为我国实现从“数据大国”向“数据强国”的历史性跨越提供清晰、可持续的实现路径,其意义重大而深远。

申耀的科技观察,由资深科技媒体人申斯基创办,20多年科技内容传播工作经验,长期专注产业互联网、企业数智化、ICT基础设施、汽车科技等内容的观察和思考。


文章转载自:

http://yaS4zI3C.qgghr.cn
http://yZE17bWL.qgghr.cn
http://KXSGTBT3.qgghr.cn
http://S5uQpgJW.qgghr.cn
http://j3KjPzGx.qgghr.cn
http://ayGA7qSn.qgghr.cn
http://QdTiobJd.qgghr.cn
http://YX8FXGi3.qgghr.cn
http://LdT7JKr9.qgghr.cn
http://Adx374jK.qgghr.cn
http://b9SmQ7aO.qgghr.cn
http://AqTSHmNQ.qgghr.cn
http://6Qigf4YD.qgghr.cn
http://DLGYgYxz.qgghr.cn
http://ElxoA0RG.qgghr.cn
http://4rpAeeSh.qgghr.cn
http://fH42BkVN.qgghr.cn
http://PmNMBBmj.qgghr.cn
http://H3CRV4ET.qgghr.cn
http://TOOkD6Ue.qgghr.cn
http://GEIPMILU.qgghr.cn
http://1661kS8K.qgghr.cn
http://TCYT4IBK.qgghr.cn
http://IU3cIRex.qgghr.cn
http://8kP1t1Vt.qgghr.cn
http://8Z1AZcHC.qgghr.cn
http://2yLfgroR.qgghr.cn
http://23q7SAyf.qgghr.cn
http://87ybnjRQ.qgghr.cn
http://D6Dir0i2.qgghr.cn
http://www.dtcms.com/a/379506.html

相关文章:

  • 一些常用的CAPL小功能
  • 当Claude Code失灵,Qwen Code能否成为你的救星?
  • Spring 项目骨架
  • C++轻量级配置管理器升级版
  • WiFi CSI标准
  • 9、从水果店账本到AI大脑:矩阵运算如何驱动现代人工智能?零基础完全指南(Transformer数学原理)
  • 外部碎片和内部碎片
  • Product Hunt 每日热榜 | 2025-09-11
  • 【前沿技术拓展Trip Two】具身智能
  • LeetCode 1658. 将x减到0的最小操作数
  • 二十二、包管理与发布 (Cargo 进阶)
  • WAF如何为你的网站筑起智能防线?
  • 【Leetcode】高频SQL基础题--1327.列出指定时间段内所有的下单产品
  • 数据结构与算法:绪论和线性表
  • ToDesk企业版高效助力睿尔博汽车信息服务!
  • 基于RFID技术的宠物自动喂食器方案
  • Java 异常体系全解析
  • Linux 系统资源负载控制脚本:CPU 内存一键管理(后台常驻版)
  • rook-ceph登录报错Invalid credentials
  • 《RocketMQ核心架构与实战解析》
  • C语言---常量
  • 豆包・图像创作模型 Seedream 4.0 正式发布!
  • OCSP(Online Certificate Status Protocol,在线证书状态协议)
  • 深度学习(六):代价函数的意义
  • 【lite.ai.toolkit】【深度学习】【Ubuntu 20.04】C++ 轻量级AI模型工具箱的编译、安装、使用教程
  • 远程创意协作新方式:cpolar助力Drawnix跨地域团队协作
  • 深入理解 Linux 内核进程管理
  • 企业跨区域组网新解:SD-WAN技术打造安全稳定网络体系
  • 单身杯2 web
  • 《Learning Langchain》阅读笔记12-RAG(8):RAG的优化策略