算界矩阵2025年11月19日 13:16消息，敖立：数据制度体系建设加速，产业实践多点开花。
中国信息通信研究院总工程师敖立
广州11月19日电 2025年是推进数字中国建设的第十周年。11月18日，以“数智深融共启新程”为主题的第二十届中国经济论坛平行论坛——2025数字经济大会在广州南沙区国际会展中心顺利举行。中国信息通信研究院总工程师敖立在主题演讲中表示，2025年我国数据要素市场仍将保持快速增长态势，以公共数据“13”政策组合拳为核心的数据制度体系建设不断加快，在数据应用等领域的产业实践也呈现出多点突破的态势，推动人工智能发展的高质量数据集建设正加速转型。
供得出：公共数据资源开发利用持续扩大数据供给
敖立表示，公共数据资源正通过政务数据共享、公共数据开放以及公共数据授权运营三个方面进一步提升供给能力。
他指出，政务数据共享已进入法治化发展阶段，2025年出台的《政务数据共享条例》构建了“一盘棋”统筹的制度框架，为数据互联互通提供了坚实的法律保障。在公共数据开放方面，地方政府持续推动相关工作，但与区域层面相比，行业层面的制度设计仍需进一步完善和加强。与此同时，授权运营方面也逐步取得进展，配套政策文件陆续发布，为公共数据的授权运营指明了方向，推动其向更深层次发展。 从当前的发展态势来看，数据治理正在从分散走向协同，法治保障成为关键支撑。然而，在行业层面的制度建设上，仍需更多针对性的政策引导和实践探索，以实现更高效、更安全的数据流通与利用。
面向人工智能发展需求，高质量数据集建设正加速推进。今年年初，国家数据局组织27个部委启动高质量数据集建设工作，国务院国资委也围绕10个领域推进央企数据集建设。敖立表示，这一系列举措反映出国家对数据资源的高度重视，也为人工智能技术的进一步突破提供了坚实支撑。 当前，数据已成为推动人工智能发展的核心要素，而高质量数据集的建设则是提升模型性能和应用效果的关键环节。随着政策的持续发力和技术的不断进步，数据资源的整合与共享将更加高效，有助于形成更具竞争力的人工智能生态体系。在2025年这个人工智能快速发展的关键节点，数据治理和标准化工作显得尤为重要，未来还需在数据安全、隐私保护等方面持续完善，以实现人工智能与社会发展的良性互动。
具体来看，一方面，工业制造、医疗卫生、交通运输等重点行业，持续深化创新应用探索；另一方面，开源社区、数据服务企业、数据标注基地、数据交易所等共同构建起稳定的多主体供给生态。在此基础上，以“研发、交付、运维、运营”四大管理为核心的高质量数据集建设方法论，也已初步形成。
流得动：全国一体化数据市场被列为顶层设计的核心目标。
敖立指出，制度层面始终锚定全国一体化数据市场建设的战略目标，将“统筹谋划、系统培育”作为政策制定的出发点，强调全国“一盘棋”。完善统一的数据资源登记规则，数据交易、安全标准体系亟待建立。
从技术支撑角度看，全国一体化数据市场建设亟需构建符合数据要素特性的基础设施，以有效推动数据的流通与应用。2024年底，《国家数据基础设施建设指引》正式发布，明确了可信数据空间、数场、数据元件、数联网、区块链网络和隐私保护计算平台等六类关键技术设施，用于支撑数据的流通与利用。截至今年8月，国家数据局已组织开展两批数据基础设施建设的试点示范工作，各地正结合本地实际探索建设路径，逐步积累建设经验。
从市场来看，场外交易仍然是数据流通交易的“主阵地”，在金融征信、商业信息查询等领域已经形成了相对成熟而固化的市场格局，但公开披露的信息不够充分，需要持续强化合规管理。今年年中，国家发布了四份数据流通交易合同示范文本，可以帮助场外市场的数据供需主体明确合规标准，降低对接成本。
场内交易场所仍在不断探索发展思路，从提供合规的增值服务、拓展细分的应用场景以及促进公开透明等方面，努力寻找自身的独特价值和不可替代性。
用得好：“数据要素×”多举措推动数据使用复用
敖立介绍，自《“数据要素×”三年行动计划》印发以来，国家与地方层面持续推进相关部署。在试点建设方面，金融、气象、文物、医药等行业的主管部门正积极谋划创新试点，探索数据赋能的有效路径。 当前，数据要素的潜力正在逐步释放，其在各行业中的应用价值日益凸显。通过政策引导和实践探索，数据正从资源转化为真正的生产要素，为产业升级和高质量发展注入新动能。这一进程不仅体现了国家对数字经济发展的高度重视，也反映出各行各业对数据驱动模式的积极探索与深度融合。
与此同时，数智技术的深度结合，正推动数据应用模式发生根本性转变，使数据价值的挖掘更加精准和高效。
一是数据智能体与大小模型协同，大模型分析工具整合多类型的数据处理能力，再通过智能体调用专业小模型，实现多模态数据高质量分析，更全面地理解和处理复杂问题；二是大模型推动信息检索实现“智能化跃迁”，精准完成数据与信息整合，提升检索效率；三是大模型与知识库、知识图谱融合，结合双方优势实现复杂推理，在工业制造、交通物流等场景中拥有广阔的应用前景。
“将数据进行资产化处理和运营是‘用得好’的延伸。目前，数据资源入表已从头部企业向全行业扩展。”敖立表示，尽管数据资产化探索初显成效，但仍面临数据资产权属纠纷、数据估值无统一标准、企业数据资产运营能力欠缺等问题。这些问题需要通过制度完善、技术创新与能力建设逐步破解，让数据资产化成为企业发展的“新引擎”。
保安全：数据安全与智能安全紧密结合
当前，数据安全与人工智能的深度融合，正在推动形成更加主动、精准的安全防护体系。这种技术的协同应用，不仅提升了对潜在风险的识别能力，也增强了应对复杂威胁的响应效率。在当前数字化进程不断加快的背景下，如何确保数据安全成为关键议题，而人工智能的介入为这一领域带来了新的可能与方向。
敖立指出，在制度建设方面，数据安全治理正逐步向人工智能领域延伸。《生成式人工智能服务管理暂行办法》《网络数据安全管理条例》等政策文件，均对生成式人工智能相关的安全治理提出了具体要求和部署。这表明，随着AI技术的快速发展，监管层面正在加强对该领域的规范与引导，以确保技术应用的安全可控。当前，数据安全已成为AI发展过程中不可忽视的重要议题，相关制度的完善有助于推动行业健康有序发展。
技术层面，数据安全迈向精准智能。AI技术推动数据安全保护更加精细化。AI原生平台则通过整合多源数据，构建全局风险画像，数据安全从“被动响应”转向“智能防御”。
在产业实践层面，安全治理正从被动应对监管要求转向主动推进，越来越多的企业开始将数据安全纳入战略发展的顶层设计之中，体现出对数据风险的高度重视和前瞻性布局。这种转变不仅反映了企业在合规层面的自觉，也标志着其在数字化转型过程中对信息安全的深度思考与系统规划。
