2026-08-17 06:45:15
新一代人工智能技术正在加速突破，深刻重塑人类生产生活方式。数据作为模型迭代、智能升级的核心“燃料”，对经济社会数智化转型发挥着日益重要的作用。2025年我国年度数据生产量达52.26泽字节，占全球数据总量的27.44%。充分挖掘利用好这一宝贵“富矿”，全面拓展数据开发利用深度和广度，对于加快形成智能经济新形态具有重要意义。
人工智能的发展为数据开发利用提供了更智能、更精准、更高效的技术手段，全面加速数据价值化进程。从数据开发深度看，人工智能推动数据全流程智能化处理，拓展了智能建模、趋势预测、风险预警等分析模式，大幅提升数据治理精度与开发效率，能够深度挖掘海量数据背后的关联关系、趋势特征与潜在信息，提高数据开发和分析水平。从数据开发广度看，智能技术提升了对文本、图像、音视频、传感轨迹等海量非结构化数据和碎片化数据的分析利用能力，能够实现低价值密度数据的深度挖掘、循环复用和迭代增殖，让更多“沉睡的数据”发挥要素价值。从数据流通模式看，模型服务、词元调用、合成数据逐步成为新的交易流通标的，有助于打通数据权属、隐私保护、数据定价等一系列制约原始数据流通的堵点卡点，全方位提升数据要素流通和配置效率。
模数共振是人工智能与数据要素深度融合、数智产业迭代升级的一个重要发展趋势，“以数训模、以模生数”的正向飞轮，成为最大化激发数据要素价值的重要路径。从以数训模视角看，数据质量正成为提升大模型能力的决定性因素之一，模型的比拼对高质量数据集建设提出了更高要求，带动数据采集、清洗、标注等各环节创新，促进数据质量提升，为大模型及垂类行业模型迭代优化提供优质数据“燃料”，有效化解模型幻觉、数据投毒等问题，不断提升模型精准度与智能化水平。从以模生数视角看，大模型的生成、推演与泛化能力，能够自主推演生成海量、多维的数据，丰富数据维度，扩充可用数据规模，实现低成本、高效率的数据供给，为智能模型迭代优化、复杂场景适配提供数据支撑，形成“数据滋养模型—模型赋能场景—场景再生数据—数据再优模型”的创新闭环。
近年来，我国持续开展“数据要素×”大赛、公共数据“跑起来”等专项行动，形成了因地制宜、因业创新的示范带动效应。下一步，持续推进数据价值化进程，仍需牢牢扎根于经济社会数智化转型的现实需求场景，并向国际合作的广阔场景拓展。
在实体经济场景，要聚焦现代农业、智能制造、现代金融、智慧物流等重点行业，依托行业垂类模型深度挖掘生产、供应链、用户行为数据价值，推动产业链上下游数据互通共享，开展智能研发、智能排产、供需匹配、精准风控等应用。加快推进公共数据授权运营，加强数据产品和服务供给，降低全社会用数成本，激发经营主体用数创新活力。
在社会治理场景，要加强政务服务、交通、卫健、生态、应急等领域公共数据治理与共享，赋能治理能力提质增效，提高风险预警处置能力。
在国际合作场景，立足日益增长的跨境数据流动需求，创新监管模式、加强规则对接，积极布局数据跨境流动服务基础设施，推进数据高效便利安全流动。做大做强数字贸易、跨境电商、来数加工、模型出海等新业态，拓展数字经济国际合作新空间。
（本文来源：经济日报 作者：王晓冬 作者系国家信息中心公共技术部正高级工程师）