摘要

1报告指出2026年为智能经济规模化元年，确立其为新质生产力核心。

2预计“十五五”末AI产业规模破10万亿元。

3重点剖析数据要素、算电融合及AI产业化机遇，涵盖高质量数据集建设、EFLOPS级智算集群、可信数据空间及垂直大模型应用。

4强调从数字经济向智能经济跃迁，提出四大确定性红利，为政府与企业提供战略参考，预示2026-2030年为数据产业黄金增长期。

![](page=0,bbox=[1432, 112, 1880, 231])

![](page=0,bbox=[68, 445, 1976, 2579])

![](page=1,bbox=[700, 40, 1284, 189])

2026中国智能经济发展蓝皮书数据要素、算电融合与AI产业规模化

2026年5月

![](page=2,bbox=[701, 41, 1282, 186])

版权说明

本开放书卷版权属于开放群岛（Open Islands）开源社区所有，依据CCBY-NC-SA4.0http://creativecommons.org/licenses/by-nc-sa/4.0/）许可证进行授权，并受法律保护。转载、摘编或利用其他方式使用本白皮书文字或者观点的，应注明来源。

违反上述声明者，编者将追究其相关法律责任。

![](page=3,bbox=[700, 41, 1283, 186])

编写说明

本开放书卷由开放群岛（Open Islands）开源社区牵头撰写，限于撰写组时间、知识局限等因素，内容恐有疏漏，烦请各位读者不吝指正。

本报告在撰写过程中得到了开放群岛开源社区各成员单位的大力支持，在此特别感谢参编单位及各位专家支持和帮助。

![](page=4,bbox=[701, 39, 1284, 185])

参编单位

（排名不分先后）

开放群岛开源社区深圳数据交易所

中财数碳（北京）科技有限公司中国信息协会数据要素专委会杭州市数据资源开发协会东莞市大数据协会

深圳市现代服务外包产业促进会深圳市网络数据合规与流通促进会湖北大数据集团

暨南大学

重庆信息通信研究院

深圳市龙华数据有限公司

深圳市龙岗区数据有限公司

深圳国家高技术产业创新中心

中国质量认证中心有限公司

中部数据服务（湖北）有限公司

海南数据交易服务有限公司

深城交科技集团股份有限公司

武汉东湖大数据科技股份有限公司

佳沃集团有限公司

![](page=5,bbox=[689, 44, 1283, 186])

软通智慧科技有限公司

深圳数鑫科技有限公司

长春市政务服务和数字化建设管理局

长春市数据产业发展集团有限公司

随州市大数据集团有限公司

宜昌大数据集团有限公司

湖州智慧城市研究院有限公司

湖州市数据科技集团有限公司

潍坊市数据发展集团有限公司

惠州市智慧大数据有限公司

芜湖市大数据建设投资运营有限公司

大连市数据产业有限公司

武汉联投置业有限公司

湖北三顾达人科技有限公司

雄安新区智能城市创新联合会

![](page=6,bbox=[701, 42, 1283, 185])

前言

2026年是我国“十五五”规划的开局之年，更是智能经济规模化应用的元年。2026年政府工作报告与“十五五”规划纲要同步将“打造智能经济新形态”确立为国家核心发展战略，明确智能经济是新质生产力的核心形态，与低空经济、深海经济、深地经济共同构成驱动我国经济高质量发展的关键载体。这一战略定调标志着我国经济发展逻辑完成了从“数字赋能”到“智能引领”的根本性跃迁。过去十年数字经济的核心是通过互联网、云计算实现信息的连接、存储与流程数字化，而智能经济则以人工智能为核心驱动力，推动生产、分配、交换、消费全流程的系统性重塑，人工智能也从“会聊天”的交互工具升级为“会办事”的生产工具，成为重构商业模式与生产组织方式的底层力量。在此进程中，数据要素的价值定位发生了本质变化，不再是被动存储的静态资产，而是驱动模型迭代、支撑自主决策、实现精准执行的核心“数字燃料”，数据产业也随之迎来从资源累积型向价值创造型转型的历史拐点。

从产业演进的底层逻辑来看，智能经济的爆发并非偶然，而是核心技术、基础设施、产业重心与应用深度四重变量共同作用的结果。核心技术层面，深度学习与大模型技术的成熟实现了从 “信息存取传输” 到“内容生成创作”的跨越，催生了对全模态训练数据的爆发式需求；基础设施层面，以GPU、NPU为核心的智能算力取代通用算力成为经济活力的核心衡量指标，EFLOPS级智算集群建设与“东数西算”工程的深化重构了全国算力资源

![](page=7,bbox=[700, 41, 1283, 187])

配置格局；产业重心层面，发展重点从培育数字产业本身转向全域全时产业智能化，AI深度嵌入制造业、农业、服务业的各个环节；应用深度层面，人工智能从通用场景向行业垂直大模型纵深发展，数据价值的挖掘从C端流量转向B端存量市场。与此同时，数据产业也面临着高质量行业数据集供给不足、算力资源东西部协同不畅、数据孤岛与流通信任缺失、安全治理体系滞后于技术发展等现实挑战，这些问题既是产业发展的瓶颈，也是未来创新突破的核心方向。

本开放书卷紧密围绕2026年政府工作报告中关于智能经济与数据要素的整体部署，系统拆解了从数字经济向智能经济跃迁的核心动力机制，全面剖析了数据产业在智能经济时代的五大核心赛道机遇：包括数据标注产业向专业化、知识密集型升级的机会，智能算力服务从硬件建设向算力即服务转型的机会，数据要素市场通过可信数据空间、数据交易所与公共数据授权运营实现激活的机会，“人工智能+”在工业、城市治理、智能终端等领域规模化落地的机会，以及数据安全与治理技术产业化的机会。在此基础上，本开放书卷总结了智能经济带来的四大确定性产业红利，提出了面向企业决策者的战略建议，并收录了全国十五个具有代表性的典型实践案例，提炼了可复制、可推广的发展经验。全书旨在通过政策解读、趋势分析与案例复盘，为政府部门制定产业政策、企业调整战略布局、科研机构开展技术攻关提供系统性的参考框架，助力各方把握2026—2030年数据产业的黄金增长期，共同夯实智能经济发展的数据底座，推动我国智能经济实现高质量、可持续发展。

![](page=8,bbox=[700, 39, 1282, 187])

图表目录

表1 数据产业部署维度、任务与机会点一览 ...4

表2 智能算力需求的结构性调整表 ...6

表3 传统交易模式与数据交易所模式多维对比 ...24

表4 数据安全技术对比 ...39

图1 数字经济到智能经济演变 ...1

图2 智能产业循环演进路径 ...7

图3 三大核心特征与数据产业机遇图谱 ...14

图4 底层基础设施：大型智算中心 ...18

图5 可信数据空间（TDS）双模式运营路径与数据产业机遇图谱 ...22

图6 公共数据授权运营与收益分配全流程闭环图谱 ...28

![](page=11,bbox=[699, 119, 1284, 266])

一、2026年政府工作报告与智能经济的战略进阶

（一）从数字经济迈向智能经济的新阶段

2026年政府工作报告、“十五五”规划纲要均明确提出 “打造智能经济新形态”，深化拓展“人工智能+”，全方位赋能千行百业，标志着我国顶层设计从“数字赋能”正式跃迁至 “智能引领”的新阶段。这一转变并非简单的词汇更迭，而是发展逻辑的系统性重塑。过去十年，数字经济的重心在于连接、存储与初步的数字化转型，而智能经济则强调以人工智能为核心驱动力，实现生产、分配、交换与消费全流程的深度再造。根据国务院研究室的权威解读，智能经济意味着人工智能正从“会聊天”转向“会办事”，加速重塑商业模式与生产组织方式 $ ^{1} $ 。这种政策定调的升级，直接预示着数据产业将从单纯的资源累积型向价值创造型转变，数据不再仅仅是被动存储的资产，而是成为驱动自主决策与精准执行的核心燃料。

![](page=11,bbox=[237, 1770, 1742, 1864])

图1数字经济到智能经济演变

从产业演进路径来看，2026年被视为智能经济规模化应用的元年。政策层面已明确了从“人工智能+”行动向“智能经济新形态”的跨越，这意味着人工智能不再是局部的技术插件，而是成为整体经济运行的底层逻辑。对于数据产业而言，这意味着市场需求将从通用的云存储、基础带宽转向高质量的行业数据

![](page=12,bbox=[700, 120, 1284, 266])

集、实时流式数据处理以及面向大模型微调的专业化标注服务。政策红利正从基础设施建设向生态构建转移，通过支持开源社区、开源数据集和工具集的建设，国家正在试图降低中小企业应用大模型的门槛，从而在全社会范围内激发数据要素的乘数效应，打开经济增长的新空间。

（二）智能经济作为新质生产力的核心地位

在2026年的战略布局中，智能经济是新质生产力的核心形态。国家通过打造智能经济新形态，培育智能原生新业态新模式，使其与低空经济、深海经济、深地经济共同构成新质生产力关键载体，成为驱动高质量发展的核心引擎 $ ^{2} $。这一地位的确立，确立了“数据+算力+算法”作为新时代生产要素的三位一体结构。智能经济之所以能成为新质生产力的代表，在于其具备极强的产业穿透力，能够打破传统行业的边界，推动产业智能化与智能产业化的双向发力。预计到“十五五”末，中国人工智能相关产业规模将突破10万亿元 $ ^{3} $ ，人工智能全方位赋能千行百业，实现商业化规模化应用，这为2026年智能经济的全面爆发提供了坚实的物质基础。

智能经济对生产力的提升不再是线性的，而是通过“智能体（Agent）”和“具身智能”实现指数级增长。2026年作为具身智能爆发元年，将带动数据产业从虚拟世界走向物理世界，产生海量的多模态感知数据处理需求。

这种核心地位的提升，直接带动了资本与资源的倾斜。政府

![](page=13,bbox=[700, 119, 1283, 267])

工作报告强调要利用国家人工智能产业投资基金，重点补齐算法、算力与数据要素的短板。对于数据企业而言，这意味着参与国家级重大项目的机会显著增加，特别是在超大规模智算集群建设、算电协同新型基础设施等领域。智能经济不仅在重构工作场景，将人类从机械劳动中解放出来，更在催生如“一人公司（OPC）”等全新的微观经济单元。这些由AI驱动的超级个体，通过调用标准化的数据接口和智能体工具，能够实现极高的劳动生产率，从而在微观层面夯实了新质生产力的根基 $ ^{4}。 $

（三）2026年工作报告中关于数据要素与AI+的整体部署

2026年政府工作报告对数据要素与“人工智能+”的部署呈现出极强的落地导向与系统性。报告明确提出要实施超大规模智算集群工程，并加快发展卫星互联网，旨在为智能经济筑牢底层支撑。在数据要素方面，政策重心聚焦深化数据资源开发利用，健全数据要素基础制度，建设高质量数据集，以数据赋能人工智能发展，通过健全数据要素基础制度，挖掘更多应用场景，让智能技术拥有充足的“用武之地”。特别值得关注的是，报告强调了“模芯云用”生态的培育，试图打造一个技术、人才、数据等要素高度汇聚的“强磁场”。

部署维度

核心任务内容

数据产业机会点

基础设施

超大规模智算集群、算电协同、卫星互联网

算力调度、实时数据传输、边缘计算服务

要素供给

开源数据集建设、数据要

高质量语料库、数据资产

![](page=14,bbox=[698, 119, 1284, 265])

部署维度

核心任务内容

数据产业机会点

素制度健全

评估、合规流通服务

应用场景

工业、农业、医疗等垂直领域“AI+”

行业大模型精调、垂直领域知识库构建

终端普及

智能体(Agent)、人形机器人、AI终端

交互数据处理、多模态数据标注、终端安全检测

表1数据产业部署维度、任务与机会点一览

在具体的行动路径上，报告提出了三个关键方向：一是拓展规模化应用，通过以旧换新等政策支持AI手机、AI座舱等终端普及，这直接刺激了C端数据的爆发；二是深化开源开发，通过建设国家级开源社区降低创新成本，为数据服务商提供了更广阔的协作平台；三是打牢底座，利用国家电网等体系优势实现算力与能源的协同。这种全方位的部署，意味着数据产业将迎来一个从硬件支撑到软件算法，再到场景应用的“全链路红利期”。政策不再泛谈技术突破，而是明确了将集成电路、具身智能等作为新兴支柱产业，要求政府投资基金带头做“耐心资本”，为数据产业的长期研发与规模化落地提供稳定的资金护航。

二、从数字经济到智能经济的核心转换动力

从数字经济向智能经济的跃迁，并非简单的技术更迭，而是一场生产力底层逻辑的系统性重构。2026年政府工作报告明确了智能经济作为新质生产力核心抓手的地位，这标志着我国经济形态已从基础的“数字化连接”转向深层的“智能化赋能”。这种转换动力主要源于技术逻辑、基础设施、产业重心及应用深度

![](page=15,bbox=[700, 119, 1284, 266])

四个维度的变量演进。数字经济以现代信息网络为载体，侧重于数据的存取与传输；而智能经济则以人工智能为核心驱动力，强调通过“数据+算法+算力”的决策机制应对不确定性，实现从 “连接” 到 “智理”的飞跃 $ ^{7}。 $

（一）核心技术升级：从通用数字技术向深度学习与大模型跨越

在数字经济时代，核心技术主要围绕互联网、云计算与基础大数据展开，其本质是解决信息的对称性与流动性问题。进入智能经济阶段，技术逻辑发生了根本性逆转：从“存取与传输”转向“生成与创作” $ ^{8} $ 。深度学习与大模型技术的成熟，使得机器不再仅仅是存储工具，而是具备了理解、推理与自主生成能力。这种技术跨越直接催生了AIGC（人工智能生成内容）产业的爆发，改变了文本、图片、视频乃至工业设计的生产范式。对于数据产业而言，这意味着数据需求从“结构化交易数据”向“全模态训练数据”转变，能够支撑大模型迭代的高质量语料库、多模态数据集成为产业链中最具价值的战略资产。

（二）算力结构演变：智算占比成为衡量地区经济活力的新指标

基础设施的质变是智能经济最直观的变量。过去，通用算力（CPU）是数字化转型的基石；而现在，以GPU、NPU为核心的智能算力（智算）占比已成为衡量地区经济活力与创新潜力的关键

![](page=16,bbox=[700, 119, 1282, 267])

指标。2026年政府工作报告强调了大规模智算集群与“算电协同”的重要性，旨在通过算力与电力的精准匹配为智能经济提供动力。

维度

数字经济时代(通用算力为主)

智能经济时代(智算为主)

核心硬件

CPU/传统服务器

GPU/NPU/智算集群

处理逻辑

逻辑运算、数据检索、串行处理

并行计算、神经网络训练、推理生成

典型案例

电商平台、在线政务、云存储

自动驾驶、大模型预训练、蛋白质折叠预测

衡量指标

存储容量、带宽吞吐

EFLOPS(每秒百亿亿次浮点运算)

经济关联

支撑业务线上化、流程自动化

驱动新质生产力、全域智能化赋能

表2智能算力需求的结构性调整表

这种算力结构的演变，促使数据中心向“智能工厂”转型，其业务核心从单纯的数据托管转向生产“人工智能词元（Tokens）”。对于数据产业，这带来了算力租赁、算力调度及云边协同的新商业机会。

（三）产业重点位移：由数字产业化转向全域全时产业智能

![](page=17,bbox=[701, 119, 1283, 264])

化

智能经济通过“智能产业化”和“产业智能化”两条路径重塑产业版图。在数字经济阶段，重点在于培育互联网、软件等数字产业（数字产业化）；而在智能经济阶段，重心向“全域全时产业智能化”位移。这意味着AI不再是局部的辅助工具，而是深度嵌入生产、分配、交换、消费的全流程 $ ^{10}。 $

![](page=17,bbox=[217, 934, 1721, 1455])

图2 智能产业循环演进路径

如上图所示，智能经济通过算法对劳动力、劳动工具和劳动对象进行创新性配置。在制造业，表现为从“数字工厂”向“自进化智能工厂”的跃迁；在服务业，则体现为智能体（AI Agent）对复杂决策的替代。这种迁移为数据产业创造了海量的“工业现场数据”采集与处理需求，以及针对特定行业逻辑的知识库构建机会。

（四）应用深度挖掘：从通用场景向行业垂直大模型纵深发展

智能经济的成熟标志是应用场景的纵深挖掘。早期的AI应

![](page=18,bbox=[700, 119, 1284, 268])

用多集中于通用的搜寻、匹配与识别（如电商推荐、人脸识别），而2026年后的趋势是向行业垂直大模型演进，人工智能通过模型推理能力，从海量信息中进行“分析与选择”，甚至直接“作出决策与完成工作” $ ^{11}。 $

智能经济的应用红利正从“C端流量”转向“B端存量”。软件、金融、医疗等数据密集型行业凭借深厚的数据积累，正率先实现规模化落地。数据企业的新生态位将不再是通用的平台开发者，而是深耕垂直领域、掌握行业Know-how的数据精调商与智能体运营商。这种向纵深发展的趋势，要求数据产业必须解决大模型在特定场景下的“幻觉”问题，从而对高质量、专业化的行业数据集提出了刚性需求。

三、数据标注与高质量数据集的爆发式需求

随着大模型从通用走向行业纵深，高质量、专业化的标注数据已成为制约智能经济发展的核心稀缺资源。2026年政府工作报告明确支持国家级数据标注基地建设，是对这一产业瓶颈的精准回应。这一政策信号表明，数据加工产业正从过去被视为“低端劳动密集型”的刻板印象中摆脱，向高附加值的“专业知识密集型”服务业态战略转型。智能经济的根基在于模型性能，而模型性能的优劣直接取决于训练数据的质量。因此，数据标注与高质量数据集的构建，不再是人工智能产业链的辅助环节，而是决定模型能力上限和商业化成败的基石。以贵阳贵安、河北保定、山西大同为代表的地区，通过集群化发展，正试图抓住这一历史性机遇，将数据资源优势转化为产业竞争优势，为智能经济提供

![](page=19,bbox=[699, 121, 1284, 266])

最基础、最关键的“数字燃料”。

（一）国家数据标注基地建设：河北、山西、贵州等地的集群效应

智能经济的宏大叙事之下，数据标注产业正迎来前所未有的政策窗口期与规模化发展机遇。国家数据局的顶层设计尤为关键，通过在全国范围内统筹布局数据标注基地，旨在形成区域性产业集群，以规模效应应对大模型训练对海量数据的渴求。截至2025年上半年，国家数据局已指导成都、合肥、保定、大同等七个城市建设数据标注基地，并取得了显著成效，累计建设了 524个高质量数据集，数据总规模超过29PB，为163个国产人工智能大模型的研发与应用提供了关键支撑 $ ^{12} $ 。这一系列布局并非简单的产能扩张，而是旨在通过产业集聚，优化资源配置、统一技术标准、培养专业人才，从而系统性地提升我国数据加工产业的整体竞争力。例如，贵州省将数据标注产业视为数字经济的重要增长点，计划以专项资金支持重点行业领域的高质量数据集建设，并依托贵安发展光谷智算产业园、云岩区三马数据标注产业园等载体，打造万人级数据标注基地，力图在2026年实现产业规模突破8亿元的目标 $ ^{13} $ 。这种以“基地化”模式推动产业发展的策略，能够有效整合地方政府的政策支持、电力成本优势以及劳动力资源，形成强大的虹吸效应，吸引国内外领先的AI企业、数据服务商和专业人才入驻，从而构建一个集数据采集、清洗、标注、审核、管理于一体的全链条产业生态。集群效应的最

![](page=20,bbox=[699, 120, 1284, 268])

终目的，是推动数据产业从“单点突破”向“全域发展”转变，为智能经济的全面铺开提供坚实的数据基础。

（二）万人级标注基地：数据加工产业的规模化与专业化

“万人级标注基地”的规划，标志着数据加工产业正式迈入工业化、规模化和专业化的新阶段。这一转变的核心驱动力，源于大模型对数据需求的指数级增长以及对数据质量的严苛要求。传统的作坊式、项目制的标注模式已无法满足动辄数亿甚至数十亿参数规模的大模型训练需求。万人级基地的建设，旨在通过集中化管理和标准化流程，解决数据处理效率低、质量参差不齐的痛点。以贵阳贵安为例，其目标是建设多个万人数据标注基地，这不仅是量的扩张，更是质的飞跃。通过规模化运营，基地可以引入更先进的“人机协同”标注模式，例如采用“工具+AI预标注+人工补位”的策略，大幅提升效率。中国移动在山东标注基地的实践表明，这种模式可将数据处理与标注环节的自动化率提升至 80%以上，有效破解了数据量庞大与人工标注效率低下的矛盾 $ ^{14} $ 。此外，规模化也为专业化分工创造了条件。在万人级基地内部，可以根据不同行业（如医疗影像、自动驾驶、金融票据）设立专门的标注团队，并对从业人员进行系统性的领域知识培训和职业认证，确保标注的专业性和准确性。这种从“通才”到“专才”的转变，是数据标注产业摆脱低附加值标签的关键。万人级基地的建设，本质上是将数据加工作为一种新型工业来打造，通过流程再造、技术赋能和人才培养，实现成本、效率和质量的最优平衡，为智能经济提供稳定、可靠、高品质的数据供应

![](page=21,bbox=[700, 119, 1284, 265])

链。

（三）建设高质量数据集，夯实智能经济发展的数据基础

大模型在展现强大通用能力的同时，其“幻觉”（Hallucination）问题一一即生成看似合理但与事实不符的内容一一成为制约其在严肃行业（如医疗、法律、工业制造）深度应用的最大障碍。解决这一问题的根本路径，在于使用高质量、高精度、场景化的行业数据集进行模型训练和微调。通用语料库可以赋予模型基础的语言能力，但无法教会其深刻理解特定领域的专业知识、行业术语和复杂逻辑。因此，构建行业高质量数据集成为智能经济时代数据产业的核心价值所在。国家层面已清晰认识到这一点，并将其提升至战略高度。国务院国资委集中发布了首批10余个行业30项央企人工智能行业高质量数据集优秀建设成果 $ ^{15} $ 。地方政府同样积极响应，贵阳贵安计划在交通、矿产、文旅、气象等特色优势领域，建设5个以上高质量行业数据集，为产业创新提供专属数据支撑 $ ^{16} $ 。高质量数据集的“高”体现在多个维度：数据的准确性、完整性、一致性、时效性，以及至关重要的多样性和观点正确性。它要求数据不仅要经过精细标注，还要能全面、无偏地反映特定行业的真实世界规律。拥有独特、高质量的专有行业数据集，将构成未来AI企业的核心护城河，因为算法可以被复制，模型可以被开源，但高质量的、经过长期积累和验证的行业数据是难以被替代的战略性资产。这也为数据服务企业创造了巨大的市场机会，即从提供基础标注服

![](page=22,bbox=[698, 119, 1283, 269])

务，转向提供包含数据采集、治理、标注和验证的全周期行业数据解决方案。

（四）从简单打标到领域专家知识库的构建

随着数据标注产业的成熟和市场需求的演进，其商业模式正经历一场深刻的变革，即从提供劳动密集型的“简单打标”服务，向提供知识密集型的“领域专家知识库构建”服务升级。初级的商业模式以量计价，利润微薄，竞争同质化严重。然而，在智能经济时代，客户需要的不再是孤立的标注数据点，而是能够直接提升模型性能、解决业务问题的结构化知识。这一转变催生了新的商业机会。数据服务商可以与特定领域的行业专家（如医生、律师、工程师）深度合作，将非结构化的行业文档、案例、报告转化为机器可读的知识图谱或高质量指令微调数据集。这种服务附加值极高，因为它不仅涉及数据处理技术，更融入了宝贵的领域知识（Domain Knowledge）。其核心是构建一个动态的、可迭代的知识体系，持续为行业大模型的训练和优化提供养料。这种模式下，数据服务商的角色从“数据代工厂”转变为“知识工程师”。例如，在医疗领域，服务商可以构建一个包含数百万份医学影像及其对应诊断报告的精标数据集；在法律领域，则可以构建一个覆盖各类判例、法条和法律文书的知识库。这种商业模式的创新，本质上是将数据标注过程视为一个知识提炼和编码的过程，其最终交付物不再是简单的标签，而是一个能够被AI模型理解和运用的、高度结构化的行业知识库。这不仅能带来更高的利润率，更能与客户形成深度绑定关系，建立起强大的市场壁垒，从而在智能经济的数据基石层占据无可替代的生态位。

![](page=23,bbox=[698, 119, 1284, 266])

四、智能算力服务与智算集群的建设浪潮

智能经济的运行逻辑，本质上是将数据要素转化为决策智能和生产动力的过程，而这一转化过程的“引擎”与“工厂”，便是大规模智能计算基础设施。2026年政府工作报告将智算集群与卫星互联网等新型基础设施置于战略高度，标志着国家层面对算力“新石油”地位的确认。智能经济不再是简单的数字化叠加，而是由海量模型训练、推理与应用驱动的计算密集型经济形态。因此，算力基础设施的规模、质量与服务模式，直接决定了智能经济所能达到的高度与广度。以贵阳贵安等先行区域为例，其智算占比超过 98% ，并规划在2026年实现190EFLOPS的算力规模，这不仅是量的飞跃，更是质的结构性优化。这种以EFLOPS（每秒百亿亿次浮点运算）为单位的算力竞赛，正在重塑区域经济竞争力格局。在此背景下，数据产业的核心机遇已从单纯的数据采集与存储，向上游延伸至算力基础设施的建设、运营与服务，形成一个涵盖算力生产、调度、租赁、优化乃至与天基网络协同的全新产业链。数据企业能否在这一轮基建浪潮中找准生态位，将是决定其未来市场地位的关键变量。

（一）适度超前建设EFLOPS级智算中心，提升算力基础设施利用效率

智能经济的基石是对海量数据进行深度处理的能力，这直接催生了对智能算力规模的指数级需求。2026年的政策导向明确了从PFLOPS（千万亿次）时代向EFLOPS（百亿亿次）时代的战略跨越，标志着国家级智算中心建设进入了新的量级。截至 2025年9月，我国智能算力总规模已达到1053EFLOPS，位居全

![](page=24,bbox=[698, 118, 1283, 268])

球第二，但这仅仅是新一轮建设浪潮的开端 $ ^{17} $ 。北京、亦庄、门头沟等地规划的千P级乃至五千P级公共算力平台，以及武汉、合肥、太原三大国产算力走廊规划在2026年合计交付35EFLOPS （FP16）的算力，均体现了这一趋势。这些智算中心的建设蓝图不仅是硬件的堆砌，更是围绕国产化、绿色化和高效化的系统工程。

![](page=24,bbox=[245, 874, 1744, 1882])

图3三大核心特征与数据产业机遇图谱

该蓝图的核心驱动力源于万亿级参数大模型训练与推理的庞大需求，这要求算力集群不仅要“算得快”，更要“传得快”且 “能耗低”。首先，国产化成为建设的重中之重。以京西智谷等算力中心为例，其国产自主算力占比已超过 80%，这为掌握国产

![](page=25,bbox=[700, 119, 1283, 267])

GPU、指令集、编译器和框架全栈技术的数据企业提供了前所未有的市场准入机会，推动了从芯片到服务器再到操作系统的全产业链协同创新。其次，绿色低碳成为硬性约束。随着智算中心电力消耗快速增长，国家规范强制要求新建大型数据中心PUE（电能利用效率）不高于1.15，并推动液冷技术渗透率的大幅提升。这为专注于数据中心节能改造、液冷解决方案、绿电交易与碳排监测的数据服务企业开辟了蓝海市场。最后，高效互联是发挥EFLOPS级算力价值的关键。生成式AI的爆发已将800G光模块推向主流，而更大规模的模型训练则驱动1.6T光传输技术进入试点，这为高速光模块、交换机以及能够实现跨集群高效通信的算力调度软件开发者带来了巨大的商业机遇。数据企业通过参与这些核心环节，能够深度嵌入智算中心的建设与运营，从而在产业链上游占据稳固地位。

（二）科学布局“东数西算”工程与智算节点，推动东西部算力协同联动

随着全国一体化算力网络被纳入国家级基础设施体系，“东数西算”工程进入了以智能计算为核心的深化阶段。这一战略布局的本质，是在全国范围内对算力资源进行宏观调配，以解决东部地区数据密集、能耗紧张与西部地区能源丰富、气候适宜之间的结构性矛盾。截至2025年9月，该工程已形成京津冀、长三角、粤港澳、成渝、贵州、内蒙古、甘肃、宁夏八大枢纽节点，布局张家口、长三角、芜湖、韶关、天府、重庆、和林格尔、贵安、庆阳、中卫十大数据中心集群，带动社会投资超过万亿元，

![](page=26,bbox=[699, 119, 1282, 268])

其中西部节点贡献了全国约八成的智算算力 $ ^{18} $ 。这标志着中国的算力布局不再是孤立的数据中心建设，而是迈向了网络化、协同化的新范式。智算节点的深度融合，意味着数据产业的机会不再局限于单一城市的项目，而是扩展到跨区域的算力调度、网络优化和一体化运营服务。

战略维度

核心目标

对数据产业的机遇点

资源优化

将东部密集的计算任务迁移至西部绿电丰富的区域

绿电交易平台开发、数据中心节能技术服务、碳足迹核算与管理软件

网络协同

构建低时延、高带宽的国家算力骨干网

算力调度与路由优化软件、跨区域数据传输加密与安全服务、IPv6+与SRv6网络技术方案

产业聚集

在西部枢纽(如庆阳、乌兰察布)形成新的算力产业新城

智算中心一体化运营与维护服务、围绕数据中心的数据加工与标注基地建设、本地化AI应用开发与技术支持

应用创新

促进人工智能、智能制造、远程医疗等行业在全国范围内的普惠应用

行业垂直云平台解决方案、基于云边协同的AI应用部署、面向特定场景的算力资源打包服务

图表1“东数西算”战略维度下的数据产业机遇全景表

“东数西算”与智算节点的融合，深刻地改变了数据产业的地理格局和商业逻辑。对于数据企业而言，这意味着必须具备跨

![](page=27,bbox=[700, 119, 1283, 268])

区域服务的能力。首先，在资源优化层面，随着西部地区利用其风光水电资源优势建设大规模绿色数据中心，围绕绿电交易、数据中心制冷技术（如利用新疆等地的低气温优势）和碳排放管理的服务需求将激增。其次，网络协同是实现“算力一张网”的关键，这催生了对高性能算力调度平台的需求。这类平台需要能够根据任务类型、成本预算和时延要求，智能地将计算任务分配到最合适的节点，这对网络路由优化、数据传输安全和多云管理技术提出了极高要求。再次，产业聚集效应在西部枢纽节点日益显现，这不仅吸引了大型互联网和AI企业入驻，也为提供本地化运营维护、数据标注加工和技术支持服务的中小数据企业创造了生存空间。最后，算力普惠最终要通过应用创新实现，数据企业可以开发面向特定行业（如智能制造、远程医疗）的垂直云平台，将分布在全国的算力资源打包成易于使用的服务，从而推动AI在更广泛领域的落地。

（三）降低中小企业AI应用门槛的商业机会

随着智算基础设施的规模化部署，算力的供给模式正在经历一场深刻的变革，即从传统的“购买硬件”向“购买服务”转变。这种“算力即服务”（Computing as a Service，CaaS）的趋势，其核心价值在于将昂贵、复杂的智算资源通过云化的方式，以更灵活、更经济的模式提供给广大中小企业和开发者，从而极大地降低了他们应用人工智能技术的门槛。2026年的政策导向明确鼓励开源生态与商业生态形成良性互补，其中开源生态旨在降低创新门槛，而商业生态则通过定制化服务满足高端需求。这一趋势为数据产业开辟了广阔的“算力中间商”市场，即

![](page=28,bbox=[701, 118, 1283, 267])

通过对底层算力资源进行整合、封装和优化，提供多样化的算力服务产品，从而在基础设施提供商和最终用户之间建立起价值桥梁。

![](page=28,bbox=[234, 581, 1741, 982])

图4底层基础设施：大型智算中心

算力服务化的商业机会体现在多个层次。最底层是基础设施即服务（IaaS），数据企业可以作为算力资源的代理商或运营商，提供弹性的GPU裸金属服务器租赁服务，满足大型企业或科研机构对底层硬件的直接控制需求。中间层是平台即服务（PaaS），这是当前最具潜力的市场。数据企业可以构建集成了主流深度学习框架、开发工具、数据集管理和模型托管功能的一站式AI开发平台。这样的平台能够让AI工程师不必关心底层的硬件配置和环境部署，专注于算法的研发与模型的训练，极大地提升了开发效率。最高层是模型即服务（MaaS），随着预训练大模型的普及，数据企业可以将成熟的通用大模型或行业大模型封装成API接口，供应用开发者直接调用。这种模式让不具备模型开发能力的中小企业也能快速地将先进的AI能力集成到自己的产品和服务中。此外，为了进一步降低成本，山东等地已开始探索“算力券”“模型券”等补贴政策，数据企业可以与政府合作，成为这些补贴券的认证服务商，从而获取大量中小企业客

![](page=29,bbox=[699, 119, 1284, 268])

户。通过提供从IaaS到MaaS的多层次服务，数据企业能够精准匹配不同规模客户的需求，将庞大的智算基础设施转化为可度量、可交易的商业价值，从而在智能经济时代扮演“算力电力公司”的关键角色。

（四）卫星互联网与大规模智算集群的联动协同效应

智能经济不仅要求强大的计算能力，还要求无处不在、低时延的数据连接能力。2026年政府工作报告将卫星互联网与智算集群并列作为重点发展的新型基础设施，揭示了“空天计算”与“地面计算”协同发展的战略方向。卫星互联网，特别是低轨卫星星座，其核心优势在于能够突破地面光纤网络的地理限制，为偏远地区、海洋、航空等场景提供广域覆盖和低时延的数据传输。当这种天基网络与地面大规模智算集群联动时，将产生 “1+1>2”的效应，催生全新的数据产业机会。例如，“东数西算”战略中，虽然西部拥有丰富的能源，但其数据传输至东部应用市场仍面临长距离光缆带来的时延问题。卫星互联网理论上可以将数千公里的传输时延控制在20毫秒以内，显著优于同等距离的光纤，这为实现全国范围内的实时算力调度提供了技术可能。

这种天地一体化的算力网络架构，正在从概念走向现实。以 “三体计算星座”等项目为代表的“天算”计划，目标是构建由数千颗卫星组成的在轨计算网络，实现从“天数地算”到“天数天算”的模式转变 $ ^{19} $ 。这意味着未来大量的原始数据（如遥感影像）可以在卫星上进行初步处理和智能分析，只将高价值的结果

![](page=30,bbox=[700, 119, 1283, 267])

回传地面，极大地缓解了星地通信的带宽压力。对于数据产业而言，这种联动效应创造了三大核心机遇。第一，全球实时数据服务。结合卫星的全球覆盖能力和地面智算中心的强大处理能力，企业可以为跨国公司、远洋运输、全球气候监测等领域提供实时数据采集、传输与分析服务。第二，空天算力网络运营。随着在轨计算能力的增强，将出现“太空算力租赁”的新业态。数据企业可以开发相应的平台，对天基算力和地基算力进行统一编排和调度，为不同用户提供最优的混合算力解决方案。第三，边缘计算的延伸。卫星本身可以被视为一个移动的边缘计算节点，数据企业可以开发部署在卫星上的轻量化AI模型和应用，为航空器、无人机、野外勘探设备等终端提供近乎实时的智能服务。尽管太空计算在成本、散热和抗辐射芯片等方面仍面临挑战，但其作为地面算力网络的战略补充和延伸，其长远价值不可估量 $ ^{20}。 $

五、数据空间、交易平台与可信流通激活数据要素市场

2026年政府工作报告将智能经济提升至战略高度，其核心要义在于激活数据作为生产要素的倍增效应。这不仅是技术层面的升级，更是生产关系层面的深刻变革。如果说算力是智能经济的“电力”，高质量数据集是“燃料”，那么一个高效、可信、合规的数据要素市场就是确保电力和燃料得以优化配置的“智能电网”与“能源市场”。过去，数据产业的增长主要由应用需求单向拉动，但“数据孤岛”“数据烟囱”以及“不敢、不愿、不能”共享的困境，严重制约了数据价值的深度释放。2026年的政策导向清晰地指向了破局之道：通过制度创新与技术赋能，构

![](page=31,bbox=[700, 119, 1283, 267])

建一个全新的数据流通基础设施，即以城市可信数据空间（TDS）为节点，以国家数据流通基础设施平台为枢纽，以公共数据授权运营为催化剂，最终实现数据要素在清晰的产权界定下，进行大规模、市场化的可信流通。这一系列制度工具的组合拳，旨在从根本上解决数据流通中的信任、安全与效率问题，为智能经济的全面爆发铺平道路，也为数据产业开辟了从“资源采集”向“资产运营”转化的全新蓝海市场。

（一）城市可信数据空间（TDS）试点，打破“数据孤岛”的制度工具

城市可信数据空间（Trusted Data Space，TDS）是智能经济时代破解数据流通困境的核心制度与技术工具，其本质是构建一个在保障数据所有权、隐私权和安全的前提下，实现“数据可用不可见”的可信计算环境。它并非简单的数据汇聚平台，而是一个融合了区块链、隐私计算、安全多方计算等技术的分布式信任基础设施。国家数据局推动的城市可信数据空间试点，如上海和南京的实践，正是为了探索出一条可复制、可推广的路径，系统性地解决数据融合难、流通慢、运营散的共性问题。这一模式的战略价值在于，它通过技术手段固化了信任规则，使得不同主体的数据能够在不转移原始所有权的情况下进行联合分析与价值创造，从而根本上打破了因信任缺失而形成的“数据孤岛”。

![](page=32,bbox=[701, 119, 1283, 264])

![](page=32,bbox=[313, 301, 1653, 2079])

图5可信数据空间（TDS）双模式运营路径与数据产业机遇图谱

上述流程图清晰地展示了城市可信数据空间从问题到解决方案的演进逻辑。其核心突破在于运营模式的创新。以上海为例，其构建的“枢纽+联邦”双轮驱动模式，由数据集团承担城市级枢纽角色，以公共数据开放利用为牵引，同时鼓励各行业、各场

![](page=33,bbox=[700, 119, 1283, 267])

景建立自治的“联邦”子空间，形成规范统一又灵活多元的流通体系。而南京则探索了“链主”引擎模式，由行业龙头企业作为“链主”负责特定行业专区的运营，整合数据资源、推动场景创新，从而激活市场化运营体系。这些试点不仅是技术验证，更是商业模式的探索。对于数据产业而言，最大的机会在于从基础设施的参与者转变为生态的运营者和价值的创造者。企业可以围绕TDS提供三类核心服务：第一，作为技术服务商，提供隐私计算、区块链存证、安全审计等核心组件；第二，作为“数据商”或场景解决方案提供商，利用TDS提供的可信环境，融合公共数据与自有数据，开发针对金融风控、智能交通、精准医疗等场景的高价值数据产品与模型服务；第三，实力雄厚的企业可以争取成为特定行业的“链主”，主导构建行业数据生态，制定数据流通规则，从而掌握产业链的话语权。

（二）数据交易所将成为跨境数据流动与国际贸易新节点

随着智能经济的全球化发展，数据已经成为国际贸易的核心要素之一，跨境数据流动的重要性日益凸显。然而，不同国家和地区间数据保护法规的差异（如欧盟的GDPR），使得合规、安全的跨境数据流通成为全球性难题。在此背景下，数据交易所的战略地位被提升至前所未有的高度。它不仅是数据产品的交易撮合平台，更是承载数据出境合规审查、国际规则对接、交易风险控制等功能的关键基础设施。通过建立标准化的交易流程、合规的数据产品登记制度以及与国际主流规则框架（如欧盟GAIA-X）的兼容互通，数据交易所为企业参与全球数据贸易提供了一个确定性的、低成本的合规通道，是国家构建数字贸易竞争新优

![](page=34,bbox=[700, 119, 1283, 266])

势的关键落子。除了数据交易所，具有数据流通服务能力的基础设施如上海城市可信数据空间，其在设计之初便遵循国家标准，同时兼容欧盟GAIA-X框架及IDSA、W3C标准，正是为未来的跨境流通奠定基础。

功能维度

传统数据交易模式

数据交易所模式

合规路径

企业自行评估，点对点协商，合规成本高，不确定性大

统一的合规审查与备案，提供标准化出境解决方案

交易效率

供需信息不对称，交易周期长，缺乏标准化合约

集中挂牌，产品化展示，提供标准合同范本，提升撮合效率

信任机制

依赖双方法律协议，技术保障手段有限

引入可信数据空间、区块链存证等技术，实现全流程可追溯

价值发现

定价机制不透明，多为一次性项目制交易

形成市场化定价机制，推动数据产品化、资产化、证券化

国际对接

需逐一研究各国法规，法律壁垒高

建立与国际主流数据框架的互认机制，降低准入门槛

表3传统交易模式与数据交易所模式多维对比

这张对比表揭示了数据交易所的核心价值一一通过基础设施

![](page=35,bbox=[700, 120, 1283, 266])

的公共属性，将复杂的、非标的、高风险的跨境数据流通活动，转化为标准化的、可信的、高效的市场交易行为。这为数据产业带来了全新的国际化机遇。首先，对于拥有海外业务的中国企业，可以通过交易所合规地将海外运营数据回流，用于国内市场的模型训练与产品优化。其次，国内的数据服务商可以开发符合国际市场需求的数据产品（如供应链分析、市场洞察报告、多语言模型训练数据集等），通过交易所“一站式”出海，触达全球客户。再次，围绕交易所将催生一个繁荣的专业服务生态，包括数据资产评估、合规咨询、国际数据法律服务、数据审计等高附加值服务业态。对于致力于全球化布局的数据企业而言，积极参与国际大数据交易所的生态建设，率先熟悉其交易规则与合规流程，将是抢占未来全球数据贸易制高点的关键一步。

（三）词元经济与数据交易所的转型升级

随着人工智能技术的深入发展，“词元”（Token）已成为AI处理信息的最小价值单元，具备可计量、可定价、可交易、可追溯的特征。词元经济的兴起，标志着数据要素市场从原始数据交易向智能化加工产品交易的升级，数据交易所也由此迎来转型升级的历史机遇。

在这一背景下，数据交易所的功能定位正在发生深刻变化：从传统的数据产品交易平台，升级为词元定价中心、交易中心、结算中心和登记监管中心。这一转型不仅拓展了交易所的业务边界，更为智能经济时代的数据价值流通提供了关键基础设施。

![](page=36,bbox=[701, 119, 1283, 265])

词元化价值定价体系是这一转型的核心。该体系区分基础词元、行业词元和高价值词元三类，形成差异化定价机制。基础词元面向通用场景，定价相对标准化；行业词元针对特定垂直领域，融入行业知识，价值更高；高价值词元则面向金融、医疗、法律等专业场景，具备稀缺性和高附加值特征。这种分层定价机制，使得词元的价值能够被精准衡量，为数据资产的金融化奠定了基础。

词元化标准产品体系则构建了完整的词元交易生态。该体系包括四类产品：一是基础类产品，如词元数据集、词元调用额度；二是服务类产品，如词元API接口，支持企业按需调用；三是合约类产品，如词元期货，支持风险管理和价格发现；四是资产类产品，如词元资产登记、质押融资，打通数据资产与金融市场的连接。这四类产品形成了从交易到金融的完整闭环，极大地拓展了数据要素市场的深度和广度。

词元经济构建了一个完整的产业生态闭环：数据供给 $ \rightarrow $词元加工 $ \rightarrow $模型训练 $ \rightarrow $算力调度 $ \rightarrow $场景应用。在这一闭环中，原始数据经过专业化加工转化为词元，词元作为训练语料支撑模型开发，模型运行依赖算力基础设施，最终在具体场景中创造价值。这一闭环的核心原则是“数据不出域、词元可流通”，既保障了数据安全与合规，又实现了价值的充分流动。

![](page=37,bbox=[698, 119, 1284, 268])

深圳数据交易所作为全国首批数据交易平台之一，在词元经济实践中走在前列。2023年高交会期间，深圳数据交易所举办了“2023中国（深圳）数据要素产业创新大会”，全国首个场内人工智能产品专区揭牌成立。智谱、百川大模型作为全国首批在场内挂牌交易的大模型数据产品，标志着人工智能数据产品正式进入规范化、市场化交易阶段 $ ^{26} $ 。这一实践不仅验证了词元经济的商业可行性，更为数据交易所的转型升级提供了先行示范。

（四）公共数据有效供给：政府数据授权运营的市场化路径

公共数据因其权威性、基础性和覆盖面广的特点，被视为数据要素市场中最具价值的“富矿”。然而，长期以来，这部分数据主要沉淀在政府内部，其价值未能充分释放。2026年政策的核心突破在于推动公共数据从“开放共享”向“授权运营”的模式转变。这标志着政府角色的根本性变化：从数据的直接提供者，转变为数据要素市场的规则制定者、授权者和监管者。公共数据授权运营，是指政府依法依规将部分公共数据授权给符合条件的企事业单位进行加工处理，形成数据产品或服务，并向社会提供的市场化机制。这一机制旨在引入专业、灵活的社会化力量，通过市场化竞争来提升数据开发的效率和深度，从而激活公共数据的潜在价值。根据IDC的研究，中国的公共数据授权运营市场正从试点示范走向规范化、规模化运营阶段，2024年中国公共数据授权运营平台市场规模已达6.9亿元人民币 $ ^{21}。 $

![](page=38,bbox=[698, 117, 1284, 269])

![](page=38,bbox=[244, 331, 1756, 554])

图6公共数据授权运营与收益分配全流程闭环图谱

公共数据授权运营的流程清晰地定义了政府与市场的边界。政府负责“授权”与“监管”，确保数据安全和公共利益；而被授权的运营单位则负责“加工”与“运营”，通过专业能力将原始数据转化为市场需要的产品。例如，上海已梳理出覆盖60个部门约1.2万个可授权运营的公共数据资源，并规划了28个领域、200余个参考应用场景 $ ^{22} $ 。这种模式为数据产业带来了直接且巨大的商业机会。首先，具备强大数据治理、模型开发和安全保障能力的企业，特别是地方数据集团或行业龙头，有机会成为官方授权的运营主体，直接参与到这片蓝海市场的开拓中。其次，更广泛的数据企业可以作为授权运营单位的合作伙伴，围绕特定场景（如企业征信、普惠金融、城市交通优化）进行深度数据产品开发。例如，利用授权的工商、税务、司法数据开发中小企业信用评分模型；利用交通、气象数据开发城市内涝预警模型。公共数据授权运营的核心逻辑，是将政府的数据资源优势与企业的技术创新和市场敏锐度相结合，其成功与否的关键在于能否形成可持续的商业模式和公平的收益分配机制。

（五）数据要素基础制度健全：产权、流通与收益分配的清晰化

![](page=39,bbox=[701, 120, 1283, 266])

数据要素市场的健康发展，根植于坚实的制度基础。如果说数据空间、交易所和授权运营是“通路”和“玩法”，那么数据产权、流通规则和收益分配机制就是保障市场长期繁荣的“交通法规”和“产权法”。2026年的政策导向，高度重视这些基础制度的健全与完善。其核心在于推动数据资源持有权、数据加工使用权、数据产品经营权的“三权分置”，这一理论创新为破解数据产权归属难题提供了中国方案。它承认了数据在产生、加工、流通、应用等不同环节中，不同参与方所贡献的价值，并试图通过权利分离的方式，在保障数据来源方权益的同时，激励数据加工者和经营者的创新投入。这种制度设计，旨在从根本上解决“谁的数据、谁能用、谁受益”的核心问题，为市场参与者提供稳定的预期和法律保障。

三权分置”的制度设计，本质上是将数据的“所有权”与“使用权”进行解耦，其核心目标是促进“使用”而非固守“所有”。这为数据作为生产要素的流通和价值创造提供了前所未有的制度弹性，企业不再需要追求对原始数据的绝对占有，而是可以通过合规获取“数据加工使用权”或“数据产品经营权”来开展业务。这极大地降低了数据利用的门槛，并催生了以数据信托、数据经纪、算法即服务（MaaS）等为代表的新型商业模式。企业战略的重心应从“囤积数据”转向“善用数据”，即通过技术和场景创新，最大化数据使用权的价值。

制度的健全不仅停留在理论层面，更体现在具体的运营规则中。交易执行等全流程中，实现了业务、技术与规则的一体化运行。同时，通过建立过错追责与合规免责相结合的责任认定机

![](page=40,bbox=[700, 119, 1284, 267])

制，保障了市场的公平竞争与健康发展。这些细致的规则设计，为数据要素的价值评估、成本分摊和收益分配提供了清晰的框架。对于数据产业而言，紧密跟踪并深刻理解这些基础制度的演进，是企业制定合规战略、设计商业模式和控制经营风险的生命线。能够率先在业务流程中内嵌合规能力、构建清晰数据产品定价模型，并能为客户提供全流程可信追溯服务的企业，将在未来的市场竞争中建立起强大的护城河。随着制度的不断完善，数据资产入表、数据信托、数据保险等金融创新也将成为可能，为数据产业开辟更广阔的价值实现空间。

六、推动重点行业领域“人工智能+”商业化、规模化应用

智能经济的最终价值锚点在于应用层的全面爆发。2026年政府工作报告提出的“人工智能+”行动方案，其核心要义并非技术本身的堆砌，而是将人工智能作为一种通用目的技术，深度渗透至制造业、城市治理、消费终端等国民经济的毛细血管，重塑生产函数与价值创造模式。这一过程的本质，是将过去散落在各个环节的、未被充分利用的数据，通过人工智能模型进行激活、提炼与再利用，形成从数据输入到价值输出的商业闭环。无论是智能工厂中设备运行的振动数据，还是城市大脑处理的交通流量数据，亦或是智能体与用户交互产生的海量对话数据，都将从成本中心转变为价值中心。本部分将聚焦于工业制造、城市治理、行业模型开发及C端消费四大前沿阵地，剖析“人工智能+”如何催生全新的数据产业机会，并推动数据价值从间接赋能走向直接变现。

（一）智能工厂与智能车间：工业数据采集与预测性维护

![](page=41,bbox=[699, 120, 1283, 267])

“人工智能+制造”专项行动的落地，标志着工业领域的数据价值挖掘进入了系统化、规模化的新阶段。智能工厂与智能车间的核心，在于将传统依赖人工经验和固定流程的生产模式，转变为由数据驱动的柔性自适应模式。这一转变的基石是海量、高频、多模态的工业数据，涵盖了设备状态、工艺参数、环境变化、物料流转等全维度信息。人工智能，特别是工业大模型与边缘智能体的结合，为处理这些复杂数据提供了关键工具。例如，通过在生产线上部署机器视觉，结合深度学习算法，可以实现对产品表面缺陷的实时检测，其数据源是高分辨率的图像流；通过在核心设备上安装传感器，采集振动、温度、压力等时序数据，可以训练预测性维护模型，提前预警潜在故障，将非计划停机风险降至最低。这种从“被动维护”向“预测性维护”的升级，其本质是将孤立的设备运维工单数据与实时运行数据相结合，通过模型挖掘出故障模式与数据特征之间的相关性，从而创造出巨大的经济价值。宝钢包装利用工业大模型构建的智能排产系统，整合了订单、设备、能源、物流等多维度数据，实现了分钟级的产线任务调配，直接带来了1.5%以上的年效益增长 $ ^{23} $ 。这表明，数据不再仅仅是生产过程的副产品，而是优化资源配置、提升生产效率的核心生产要素。对于数据产业而言，这意味着从工业数据采集、清洗、标注到模型训练、部署与迭代的全链条服务需求将迎来井喷。特别是针对钢铁、石化、有色金属等流程复杂的行业，构建融合物理机理、工艺知识与生产数据的行业高质量数据集，将成为数据服务商的核心竞争力。

![](page=42,bbox=[700, 119, 1283, 267])

工业数据的价值闭环构建，催生了全新的产业生态。一方面，自动化设备商和工业软件平台企业，由于其掌握了设备级的高频运行数据和生产工艺数据，成为高质量工业数据集的天然“组织者”和“承载者”。另一方面，专业的AI服务商则通过提供数据治理、模型开发和应用部署服务，将这些原始数据转化为可执行的智能决策。例如，西门子为钢企搭建的智能运维体系，通过AI智能体整合了分散在各处的2万个数据点位，实现了跨系统的故障追溯与能效评估，显著降低了维护成本 $ ^{24} $ 。这揭示了一个关键趋势：未来的工业数据服务，不再是简单的“交钥匙”项目，而是需要深度理解行业know-how，将通用AI技术与特定工业场景紧密结合的持续性服务。数据企业需要构建“懂智能、熟行业”的复合型团队，深入到客户的生产一线，从解决具体的痛点问题（如产品良率、设备OEE、订单交付周期）入手，逐步构建覆盖全价值链的数据智能解决方案。随着国家层面计划在2027年前推广500个典型应用场景和打造100个工业领域高质量数据集，这一市场的确定性与成长空间巨大，为数据产业开辟了从消费互联网转向产业互联网的广阔蓝海。

（二）城市大脑2.0：政用、民用、商用全场景数字治理

如果说智能工厂是对生产力进行的微观重塑，那么以“城市大脑2.0”为代表的智慧城市建设，则是对社会治理模式的宏观变革。智能经济时代的城市治理，核心是从过去以部门为单位的 “条块分割”式管理，转向以数据为驱动的“全局协同”式治理。这一转变带来了对城市运行数据的全域、全时、全要素感知

![](page=43,bbox=[700, 119, 1283, 269])

的需求，涵盖交通、安防、环保、应急、医疗、政务服务等多个维度。城市大脑2.0阶段的核心特征，是利用人工智能大模型对海量的城市多模态数据进行深度分析与融合，实现从“被动响应”到“主动预警”和“智能决策”的跃迁。例如，通过分析交通摄像头视频流、GPS定位数据和气象数据，AI模型可以实时预测未来一小时内特定路段的拥堵情况，并自动优化信号灯配时方案；通过整合政务服务平台的事数据、社交媒体上的民生诉求和城市部件的运行状态数据，可以精准识别社会治理中的热点、难点问题，为政策制定提供数据支撑。这本质上是将城市本身视为一个复杂的生命体，数据是其“神经信号”，而城市大脑则是其中枢神经系统，负责感知、思考、决策与行动。对于数据产业而言，这意味着巨大的市场机会，涵盖了从城市物联网传感器部署、数据中台建设、时空数据治理到AI算法模型开发、可视化决策系统集成的完整产业链。尤其在公共数据授权运营政策的推动下，数据企业有机会参与到城市级数据的开发利用中，通过对脱敏后的政务数据、公共事业数据进行建模分析，开发出面向民用（如智能出行、智慧社区）和商用（如精准选址、客流分析）的数据产品和服务，从而实现公共数据价值的社会化和市场化释放。这种“政用、民用、商用”全场景的数据融合应用，将是城市大脑2.0区别于传统数字政府项目的核心商业模式创新点，也为数据企业提供了从项目制向运营制转型的重要契机。

（三）行业级大模型开发：垂直领域数据价值的深度挖掘

通用大模型解决了人工智能“从无到有”的问题，而行业级大模型则致力于解决“从有到优”的问题，是“人工智能+”行

![](page=44,bbox=[700, 118, 1283, 267])

动向纵深发展的必然产物。通用大模型基于公开的互联网数据进行训练，虽然具备广泛的知识和语言能力，但在处理专业性强、数据形态特殊的垂直领域问题时，往往会遭遇“幻觉”和“水土不服”的挑战。例如，在工业领域，模型需要理解包含时间序列、图纸参数、工艺配方的“工业语言”；在金融领域，需要精准处理合规风控、市场分析等专业任务；在医疗领域，则要处理医学影像、电子病历等高度结构化和非结构化的混合数据。因此，以通用大模型为技术底座，利用高质量的行业私有数据进行精调（Fine-tuning）和持续预训练，构建面向特定行业的垂直大模型，成为释放行业数据深层价值的关键路径。这一过程的核心壁垒，不再是模型参数的规模，而是对高质量、高价值行业数据的获取、治理与运用能力。例如，华为盘古矿山大模型通过学习海量煤矿行业的规程、专家经验和历史数据，实现了对井下作业安全的实时智能监管，降低人工审核工作量，并能实时告警违规操作，极大地提升了生产安全水平。这充分说明，行业数据是训练出专业能力的“燃料”，而行业知识（Know-how）则是指导模型学习的“导航图”。对于数据产业而言，行业大模型的开发浪潮带来了两大机遇。第一，是高质量行业数据集的构建与服务。这要求数据企业不仅要具备数据清洗、标注的能力，更要能构建行业知识图谱，将非结构化的数据转化为模型可以理解和利用的结构化知识。第二，是提供模型即服务（MaaS）的商业模式。企业可以围绕特定行业（如金融、法律、医疗、教育）构建专属大模型，并通过API接口等形式，为下游应用开发者提供智能能力调用服务，从而降低整个行业应用AI的门槛。这种模式

![](page=45,bbox=[700, 120, 1284, 266])

将数据、算法和算力打包成标准化的服务，使得数据企业的价值从一次性的项目交付，转变为可持续的平台运营收入。

（四）智能终端与智能体（Agent）：激发C端数据消费与生成需求

如果说行业应用是智能经济在B端的深化，那么新一代智能终端与智能体（Agent）的普及，则是引爆C端数据价值的关键变量。以AI手机、AI PC、AI眼镜等为代表的智能终端，正在重塑人机交互的范式。它们不再仅仅是被动执行指令的工具，而是能够主动感知用户意图、理解复杂场景，并协同调用各类应用服务的个人智能助理。这一转变的核心驱动力是端侧大模型和边缘计算能力的提升，使得大量的数据处理和AI推理可以在本地完成，从而实现了更低的延迟和更好的隐私保护。而智能体（Agent）作为运行在这些终端之上的“灵魂”，其本质是一个能够自主感知、规划、记忆和执行任务的系统，它将彻底改变用户消费和生成数据的方式。传统的应用生态是“人找服务”，用户需要在不同的APP之间手动切换、复制粘贴信息来完成一个复杂任务（如规划一次旅行）。而在智能体时代，将演变为“服务找人”。用户只需用自然语言提出一个目标（“帮我规划一个五一去贵州的家庭旅行，包含机票、酒店和适合老人的景点”），智能体便能自主地将任务分解，并调用地图、订票、点评等多个API来协同完成任务，最终向用户呈现一个完整的结果。这一过程将产生海量的、全新的实时交互数据、用户偏好数据和行为序列数据。对于数据产业而言，这不仅意味着对个人数据进行处理、分析和保护的需求激增，更催生了全新的商业模式。例如，

![](page=46,bbox=[699, 119, 1283, 268])

基于用户授权的个人数据，可以训练出高度个性化的智能体，提供千人千面的服务；开发者可以构建一个智能体应用商店，通过为用户提供各种专业能力的智能体（如理财顾问、法律助理、私人教练）来收费。这种从“App Economy”向“Agent Economy”的演进，将极大地激发C端数据的消费与生成需求，为数据产业开辟一个万亿级的增量市场。

七、智能经济下的数据安全与治理

智能经济的宏伟蓝图必须建立在安全、合规与信任的坚实地基之上。2026年政府工作报告将数据安全与治理提升到前所未有的战略高度，这不仅是对技术风险的被动防御，更是构建繁荣、健康数据产业生态的主动布局。报告中对支持开源社区、发展隐私计算等新技术的强调，以及对算法监管和政策性资金支持的部署，共同构成了一套完整的“护城河”体系。这一体系的核心逻辑在于：通过开源降低创新门槛，释放中小企业活力；通过隐私计算等技术工具解决“数据孤岛”与隐私保护的根本矛盾；通过算法监管确保人工智能发展的伦理底线与社会公平；最后通过精准的资金与人才政策，为整个生态的良性循环注入持续动力。这一系列举措并非孤立存在，而是相互关联、层层递进的组合拳，旨在确保智能经济在高速发展的同时，能够行稳致远，避免因数据滥用、安全漏洞或伦理失范而引发系统性风险，最终实现技术创新、产业发展与社会福祉的协同共进。

（一）支持人工智能开源社区繁荣的产业影响

2026年政府工作报告对人工智能开源社区的明确支持，标志着国家层面将开源生态视为智能经济基础设施的关键组成部

![](page=47,bbox=[700, 119, 1284, 266])

分，其战略意图在于通过降低技术门槛和加速创新扩散，构建一个更具韧性和活力的产业底层。传统上，人工智能技术的研发高度依赖于少数巨头的资本与数据积累，形成了较高的进入壁垒。而一个繁荣的开源社区，通过开放模型权重、训练数据、工程方法和微调策略，能够极大地降低中小企业和开发者获取、使用和改进先进人工智能技术的综合成本，从而实现技术能力的普惠 $ ^{25} $ 。这种模式打破了技术垄断，使得创新不再局限于少数头部玩家，而是转变为一个分布式的、由广大开发者共同参与和贡献的协作网络。政府的扶持政策，如杭州市计划每年安排专项额度的 “智能券”和“算力券”支持开源社区面向开发者提供免费算力，并对社区贡献度高的企业或个人给予最高100万元的奖励，正是为了激励这种生态的正向循环 $ ^{26} $ 。

政策支持下开源生态的价值传导路径。开源生态的繁荣不仅是技术层面的共享，更是一种新型的风险治理机制。传统的安全防护往往是滞后的、补丁式的，而开源社区通过其内在的“同行评审”机制，能够更早、更广泛地发现并修复安全漏洞。一个活跃的社区本身就是一个动态的、分布式的安全审查网络，开发者之间的相互监督和协作，使得人工智能安全评测的可信度更高，风险处置更为敏捷。例如，社区可以共同建立和完善安全审查流程，从事前的数据清洗、事中的自动化扫描到事后的应急响应，形成全链条的安全保障 $ ^{27} $ 。这种自组织的治理模式比静态

![](page=48,bbox=[700, 119, 1283, 267])

的、自上而下的合规监管更能适应人工智能技术的快速进化。因此，对于数据产业而言，积极参与和贡献开源社区，不仅是获取先进技术的捷径，更是将其产品和服务嵌入一个更安全、更可信生态系统的战略选择。这为专注于模型微调、行业应用开发和安全服务的数据企业创造了巨大的市场空间，它们可以基于优秀的开源底座，快速构建满足特定市场需求的解决方案，从而在智能经济的浪潮中占据有利生态位。

（二）隐私计算、区块链在智能经济中的应用

随着智能经济向纵深发展，数据要素的价值与日俱增，但“数据孤岛”与隐私泄露风险之间的矛盾也愈发尖锐，成为制约数据价值释放的核心瓶颈。传统的数据共享模式往往要求数据汇集，在强监管和高隐私保护意识的背景下已难以为继。隐私计算技术的崛起，为破解这一难题提供了根本性的解决方案。涵盖了多方安全计算（MPC）、联邦学习（FL）、同态加密等一系列技术，其核心理念在于实现“数据可用不可见”，即在不暴露原始数据内容的前提下，完成多方数据的协同计算、联合建模与价值挖掘。这项技术从根本上重塑了数据合作的信任基础，使得不同机构间的数据协作不再需要以牺牲数据所有权和用户隐私为代价。例如，在金融风控场景中，多家银行可以在不共享各自客户信贷数据的情况下，利用联邦学习共同训练一个更精准的欺诈识别模型，从而提升整个行业的风险管理水平。这不仅是技术的革新，更是商业模式和协作范式的颠覆。

技术类别

核心机制

典型应用场景

在智能经济中的价值

![](page=49,bbox=[699, 118, 1283, 266])

技术类别

核心机制

典型应用场景

在智能经济中的价值

多方安全计算(MPC)

将数据秘密分割给多个参与方，协同计算后合并结果，各方均无法获知其他方的原始数据。

联合风控、联合营销、黑名单查询、政府数据跨部门协同分析。

在保护商业机密和个人隐私前提下，实现高价值数据的安全求交与联合统计。

联邦学习(FL)

各参与方在本地用自有数据训练模型，仅交换加密后的模型参数而非原始数据，从而构建全局模型。

跨机构联合建模（金融、医疗）、个性化推荐、智能城市多源数据融合分析。

解决跨机构、跨领域AI模型训练的数据壁垒，尤其适用于数据不出域的合规要求。

可信执行环境(TEE)

基于硬件构建一个隔离的安全区域，确保在其中运行的代码和数据在机密性和完整性方面得到保护。

云端敏感数据处理、区块链智能合约执行、模型推理服务。

为数据处理过程提供硬件级别的安全保障，防止云服务商等基础设施提供方的窥探。

区块链技术

利用其去中心化、不可篡改和可追溯的特性，为数据流通过程提供可信存证与审计。

数据确权、数据交易溯源、数据使用授权管理、算法模型版本存证。

解决数据流通过程中的信任问题，确保数据来源可靠、使用合规、收益可分配。

表4数据安全技术对比

将隐私计算与区块链技术相结合，是构建智能经济可信数据流通基础设施的关键路径。隐私计算解决了数据“使用”过程中的安全问题，而区块链则解决了数据“流转”过程中的确权、追溯与审计问题。二者协同作用，可以构建一个完整的闭环：首

![](page=50,bbox=[700, 119, 1283, 267])

先，通过区块链对数据进行确权登记，明确其所有权和使用规则；其次，当数据需求方发起请求时，通过智能合约自动执行授权和计费；最后，利用隐私计算平台进行“可用不可见”的联合分析或模型训练，将计算结果返回给需求方，而整个过程的日志和凭证都记录在区块链上，可供监管机构和各参与方随时审计。这一技术组合拳不仅能有效激活沉睡在各机构内部的数据资产，更能催生出一个全新的数据服务产业。专注于提供隐私计算解决方案、数据合规审计服务，以及基于可信数据构建行业知识图谱和决策模型的企业，将迎来爆发式增长。据艾瑞咨询预测，中国隐私计算行业的市场规模持续扩大，资本热度不断提升，累计融资金额已超30亿元人民币，显示出市场对该技术商业化前景的高度认可 $ ^{28}。 $

（三）智能经济持续健康发展的制度保障

如果说数据是智能经济的燃料，算力是引擎，那么算法就是决定方向的“方向盘”。随着人工智能在金融、医疗、司法、公共服务等高风险领域的广泛应用，算法的“黑箱”特性、潜在的歧视偏见以及被滥用的风险，已成为全球共同关注的治理难题。一个不透明、不受约束的算法决策系统，可能无意中复制甚至放大人类社会的历史偏见，对特定群体造成系统性损害，或因其不可解释性而导致责任归属不清，最终侵蚀社会信任。因此，建立健全的算法监管与合规体系，并非束缚创新，而是为智能经济的长期健康发展划定伦理底线和法律边界，是释放技术红利的必要保障。2026年政府工作报告对算法治理的关注，预示着我国的

![](page=51,bbox=[700, 120, 1283, 267])

监管框架将从宏观原则性探讨，转向更具操作性的监管落地方法与评估框架构建，监管将深入技术开发与产品部署的具体环节 29。

这一趋势为数据产业带来了全新的“合规驱动型”市场机会。算法的透明度、可解释性、公平性和鲁棒性，正从技术选配项转变为市场准入的必选项。这催生了对算法审计、模型评测、合规咨询以及“负责任AI”（ResponsibleAI）技术工具的巨大需求。企业在部署AI系统前，需要对其进行全面的安全评估和伦理审查，以确保其决策逻辑不含歧视性因素，并能在遭受对抗性攻击时保持稳定。例如，金融机构在上线智能信贷审批系统前，必须证明其算法不会因种族、性别等因素产生歧视，并能向被拒贷的客户提供可理解的解释。这就需要一系列专业工具和服务来支持，包括：可解释AI（XAI）工具，用于剖析复杂模型的决策依据；公平性度量与纠偏算法，用于检测和修复模型中的偏见；以及模型安全测试平台，用于模拟各种攻击以评估模型的稳健性。因此，那些能够提供从算法设计、开发、测试到部署后监控全生命周期合规解决方案的数据服务商，将构筑起强大的竞争壁垒。它们不仅帮助客户满足监管要求，更能通过提升其AI系统的可信度，增强其产品和服务的市场竞争力。这种从“技术驱动”到“合规与技术双轮驱动”的转变，将重塑数据产业的价值链，使合规能力成为企业的核心资产之一。

（四）政策支持体系对数据产业的护航作用

智能经济的竞争，归根结底是人才、资本与创新生态的竞

![](page=52,bbox=[700, 119, 1283, 267])

争。2026年政府工作报告所构建的政策支持体系，正是围绕这些核心要素展开的精准布局，旨在为数据产业的发展提供全方位的“阳光雨露”。其中，专项资金的支持是撬动产业发展的关键杠杆。与普惠性政策不同，智能经济领域的专项资金更具战略导向性，集中力量支持AI基础设施、开源社区、行业数据空间等关键节点和重大项目。例如，杭州市明确提出，对参数量超过千亿、性能达到国内领先的通用大模型，给予牵头单位最高5000万元的训练成本补助；对性能先进并成功落地的优秀专用模型，给予最高500万元的补助 $ ^{30} $ 。这种高强度的精准补贴，极大地降低了企业在基础模型研发这一“烧钱”领域的风险，加速了技术突破和产业化进程。此外，政府还通过设立产业基金、提供贷款贴息、支持发行REITs产品等多种金融工具，引导社会资本流向智算中心建设等重资产领域，为整个产业的硬件基础提供了坚实保障。

政策支持体系正从“普惠式补贴”转向“生态节点型投资”。政府资金不再是简单地奖励单个企业，而是着眼于投资那些能够赋能整个产业生态的关键环节，如开源社区、算力平台和高质量数据集。这种模式的转变，要求数据企业必须重新审视自身的战略定位。单纯依靠单一技术或产品的企业将面临越来越大的竞争压力，而那些能够将自身业务与政策重点支持的生态节点深度绑定、协同发展的企业，将获得巨大的杠杆效应。例如，一家从事数据标注的企业，如果能参与到国家级行业数据空间的建设中，其业务将从项目制外包，升级为平台化运营，获得持续的

![](page=53,bbox=[700, 119, 1283, 267])

数据流和更高的价值定位。同样，一家AI应用开发商，若能深度参与并贡献主流开源社区，不仅能获得技术声誉，还能直接对接海量开发者和应用场景，极大地缩短产品从开发到市场的路径。因此，深刻理解并主动融入政策所引导的产业生态，将是未来数据企业获取超额收益的关键所在。

除了资金支持，人才体系的建设同样至关重要。政策通过与顶尖高校、科研机构合作，设立人工智能产业联盟，举办全球性技术创新大赛等方式，营造了浓厚的创新氛围，加速了高端人才的集聚和培养。同时，通过优化人才引进政策、提供全生命周期的政务服务，为人才的创新创业活动提供了优越的环境。这种资金、人才、政策、服务“四位一体”的综合支持体系，共同为数据产业的持续创新和高速增长提供了强有力的制度护航，确保智能经济的航船能够乘风破浪，行稳致远。

八、总结建议：抓住智能经济浪潮下的数据产业红利

（一）智能经济带来的四大确定性机会

2026年政府工作报告不仅是对过去一年数字经济核心产业增加值占GDP比重超过10.5%的总结，更是对“智能经济”新形态的全面定调。从政策导向与市场演进逻辑看，数据产业正迎来四个维度的确定性增长机会。首先是基础设施的系统性重塑，随着超大规模智算集群与算电协同工程的实施，算力已成为像电力一样的基础要素，带动了从底层硬件到上游算力调度服务的全产业链爆发。其次是生产要素的价值深挖，高质量数据集的建设被提升至制度高度，数据不再是简单的存储对象，而是通过专业化标注与清洗转化为大模型的“燃料”。第三是应用场景的规模化

![](page=54,bbox=[699, 119, 1283, 267])

变现，“人工智能+”行动促使智能体（Agent）与新一代智能终端在重点行业实现商业化落地，创造了海量的实时交互数据处理需求。最后是制度红利的加速释放，数据产权、流通交易与安全治理基础制度的健全，为跨境数据流动与公共数据授权运营提供了合规路径，彻底激活了沉睡的数据资产价值 $ ^{31}。 $

（二）给企业决策者的建议：向智算、标注与垂直模型靠拢

在智能经济的竞争版图中，企业决策者应果断调整战略重心，实现从“数字化”向“智能化”的范式转移。首先，应积极布局高附加值的数据加工服务。随着通用大模型向垂直领域渗透，简单的通用标注已失去竞争力，企业应结合具身智能、脑机接口等未来产业需求，构建领域专家级的知识库与高质量数据集。其次，应深度参与智算配套生态建设。利用国家支持公共云发展与全国一体化算力监测调度的契机，中小企业可通过“上云用数赋智”服务降低创新门槛，而头部企业则应关注算电协同与卫星互联网带来的边缘计算机会。最后，重点发力行业级垂直大模型与智能体开发。决策者应关注物理AI（Physical AI）对制造、物流、交通等物理环节的重塑，通过将AI大模型与多学科仿真技术结合，在现实世界的高精度动态模拟中寻找万亿美元级的增量市场 $ ^{32}。 $

（三）未来展望：2026-2030年数据产业的黄金增长期

展望“十五五”时期，2026年至2030年将成为中国数据产业的黄金增长期。这一阶段，数据产业将完成从“规模扩张”到

![](page=55,bbox=[700, 119, 1283, 267])

“质效提升”的跨越。随着6G、量子科技与具身智能等未来产业从实验室走向生产线，数据要素的流动将不再局限于屏幕之间，而是渗透进物理世界的每一个神经末梢。预计到2030年，围绕数据与算法形成的跨界协同将彻底重塑产业生态，原本界限清晰的行业边界将进一步模糊。同时，随着人工智能治理体系的完善与隐私计算等技术的普及，数据安全将不再是发展的掣肘，而是产业竞争力的核心组成部分。产业各界应积极拥抱制度红利，利用国家创业投资引导基金等“耐心资本”的支持，共同迎接智能经济从“ChatGPT时刻”向“物理AI时代”跨越的爆发期 $ ^{33}。 $

九、典型实践案例

（一）案例一：基于可信数据空间和人工智能的人力资源要素配置综合应用案例

申报单位：湖北大数据集团、湖北三顾达人科技有限公司

1. 案例背景

人力资源要素配置正由传统事务型服务向数据驱动、智能协同、场景重构转变。当前人力资源领域存在数据分散、流程割裂、信任不足、政策触达不精准、灵活用工保障不完善、行业生态分散等问题。为推进要素市场化配置改革，湖北启动武汉现代人力资源综合服务平台建设，构建集公共服务、市场配置、数据运营、治理协同于一体的人力资源要素配置新型基础设施。

2. 实施过程

项目按照“政府引导、国资承载、市场运营、生态共建”思

![](page=56,bbox=[700, 119, 1283, 267])

路推进，由人社部门牵头场景设计与公共服务整合，湖北大数据集团负责组织运营，多部门协同提供数据与业务支撑。项目开展多轮企业、机构及业务处室需求调研，梳理用户需求与业务事项，明确平台建设边界与分期实施路径。平台采用“前后端分离、前端融合”架构，建设统一数据底座、综合服务门户、人力资源供需智能服务系统、数字化撮合交易系统及可信数据空间安全体系，推进市场化交易、公共服务、智能匹配、综合监管模块开发。

3. 创新亮点

(1) 制度机制创新。将平台作为人力资源要素市场化配置改革载体，建立跨部门协同推进机制，推动公共数据场景化供给、可信流通与授权使用。

(2) 技术路径创新。以可信数据空间为基础构建人力资源数据底座，部署人力资源数智大脑，开发产业紧缺调控、人岗匹配、政策适配等AI能力，推动关键环节由经验驱动转向数据驱动。

(3) 场景应用创新。聚焦岗位匹配、政策直达、信用核验、灵活用工保障、高校就业直通等高频场景，形成闭环应用，兼顾企业、个人、机构服务与政府监管需要。

(4) 运营模式创新。采用“基础免费、增值收费”“公共服务免费、定制服务收费”的分层运营思路，兼顾公共属性与市场化可持续运行。

4. 实施成效

项目已完成需求调研、业务梳理、系统架构设计与核心功能

![](page=57,bbox=[700, 119, 1283, 267])

研发，形成统一数据底座与平台框架，完成重点场景模型训练与功能调试，实现补贴审核、信息核验、人岗匹配、政策适配等环节流程重构与效率提升。平台已进入试运行准备阶段，形成可落地、可验证、可推广的人力资源要素配置模式。

5. 经验启示

智能经济综合性场景建设必须坚持场景先行，以真实需求牵引技术建设；必须坚持制度与技术并重，以规则保障数据安全与流通；必须坚持公共服务与市场化机制协同，保障平台可持续运行；必须坚持省级统筹与区域推广联动，形成可复制经验。

（二）案例二：佳沃集团蓝莓全产业链高质量数据集建设与数据要素流通实践

申报单位：佳沃集团有限公司

1. 案例背景

我国农业数智化转型面临数据碎片化、高质量数据集缺失、产业链数据流通不畅等问题，农业数据壁垒制约产业效率提升与农民增收。佳沃集团以蓝莓产业为载体，开展全产业链高质量数据集建设与数据要素流通实践，推动农业从经验驱动转向数据驱动。

2. 实施过程

项目搭建“端一边一云一数智大脑”一体化技术架构，部署物联网设备开展全产业链数据采集，通过边缘节点完成数据清洗、脱敏、标注与去重，在云端形成统一数据底座，支撑AI模型训练与产业应用。项目完成全链条数据采集、标准治理、合规审查与脱敏处理，构建多模态数据集，形成数据采集一治理一标

![](page=58,bbox=[700, 119, 1283, 266])

注一应用一流通一交易全流程体系，实现数据对内赋能与对外可信流通。

3. 创新亮点

(1) 技术创新。构建设施小浆果全链条多模态数据集，实现从育种、种植、采收、分选、仓储、物流到销售的数据闭环，推动农业非标数据标准化。

(2) 模式创新。形成数据“采集一治理一应用一流通”闭环运营模式，推动农事数据转化为可计量、可应用、可流通的数据资产，建立利益联结机制。

(3) 应用创新。以数据集支撑AI产量预测、智能分选、病虫害识别、精准种植、产销匹配与品质溯源，实现数据要素与农业生产深度融合。

4. 实施成效

项目建成蓝莓全产业链高质量数据集，完成多维度数据汇聚、治理与合规处理，实现数据稳定更新与安全管控。数据应用推动生产效率提升、管理成本下降、产品品质与合格率提升、流通损耗降低，形成联农带农长效机制，带动农户就业增收与区域农业高质量发展。项目获得多项行业与国家级认可，形成可复制的农业数据要素实践范式。

5. 经验启示

农业数智化应以高质量数据集为核心底座；数据要素价值释放关键在于流通与应用；农业数据建设必须坚持安全合规先行；数据要素必须与产业场景深度融合；农业数据要素实践应坚持联农带农；高质量数据集具备跨品类复制推广价值。

![](page=59,bbox=[700, 120, 1283, 265])

（三）案例三：数智融合，打造人工智能创新孵化新引擎

申报单位：深圳国家高技术产业创新中心

1. 案例背景

中小企业智能化转型面临数据、算力、模型获取门槛高、技术与产业场景对接不畅、一站式创新孵化载体不足等问题，制约AI创新成果转化。粤港澳大湾区大数据中心整合数据、算力、模型资源，打造人工智能创新孵化服务底座，服务中小企业智能化升级与AI产业规模化发展。

2. 实施过程

平台采用“1+1+X”技术架构，建设可信数据流通平台与算力调度平台，落地多元AI产业化应用工程。平台构建隐私计算数据流通环境，实现数据可用不可见、可控可计量；搭建跨区域异构算力调度体系，提供普惠算力与公益MaaS服务；聚焦新型工业化、科技产业情报建设先导应用工程，通过联创联运、赛事孵化、区域分中心等方式，形成全链条创新孵化服务体系。

3. 创新亮点

(1) 服务创新。构建“数算用一体化”人工智能创新服务范式，整合数据、算力、模型、场景、生态资源，降低中小企业创新门槛。

(2) 模式创新。建立“平台一专业服务商一中小企业”三级协同机制，推动政产学研用联合创新、联合运营。

(3) 应用创新。建成科技产业创新情报服务平台与工业互联网公共服务平台，形成高质量数据集与知识库，支撑产业监测、精准招商、智能制造等场景。

![](page=60,bbox=[701, 119, 1282, 267])

(4) 技术创新。构建多技术路线融合的数据流通环境，运用隐私计算、可信数据空间等技术保障跨域数据安全协同。

4. 实施成效

平台为大量创新主体提供数据、算力、模型与场景孵化服务，降低企业用数用算成本，提升产业监测、招商引资、企业创新决策效率，带动相关产业提质增效。平台形成可复制的创新孵化模式，输出数据治理与流通标准，获得行业权威认可，成为智能经济创新孵化标杆。

5. 经验启示

政府搭台、多元共创是激活市场动能的有效路径；需求牵引、场景驱动是推动产业落地的核心引擎；平台赋能、生态共建是实现要素高效配置的重要保障。

（四）案例四：南昌市基于可信数据空间构建安全可控高效数据跨域流通体系的创新与实践

申报单位：深圳数鑫科技有限公司

1. 案例背景

数据要素市场化配置改革推进过程中，数据流通面临不敢共享、不能流通、不愿共享等共性难题，数据安全、标准统一、价值转化机制缺失。南昌作为国家数据基础设施建设先行城市，以可信数据空间为核心，构建安全可控、可追溯的数据跨域流通体系。

2. 实施过程

项目采用“124N”总体架构，建设统一基础支撑平台、可信数据空间服务平台与接入连接器，构建制度、标准、安全、运营

![](page=61,bbox=[700, 119, 1283, 266])

四大保障体系，落地多行业数据空间与应用场景。平台集成微隔离沙盒、零信任、区块链、分布式标识等技术，实现数据字段级精准管控、全链路溯源与跨域身份互认，支持零侵入接入与分级部署。项目联合数商建立生态联盟，形成分层运营机制，推进平台互联互通与场景落地。

3. 创新亮点

(1) 技术创新。实现数据字段级精准授权与策略管控，支持多格式数据，保障原始数据不出域、可用不可滥。

(2) 机制创新。采用零侵入方式采集流通日志，构建数据血缘与全链路追溯体系，实现过程透明、权责清晰。

(3) 安全创新。以零信任架构构建跨域统一身份认证，实现动态验证与访问控制，形成安全闭环。

(4) 管理创新。推行公域+私域分层流通模式，兼顾数据开放与安全保护。

(5) 运营创新。构建“业务一技术一生态”三维运营体系，激活数据要素生态。

4. 实施成效

平台实现数据安全高效流通，降低企业数据对接成本，赋能普惠金融、城市治理、产业服务等场景，提升政务协同效率与公共服务水平。平台实现数据合规使用与全程审计，接入多家数商与数据产品，形成活跃的数据要素市场生态。项目入选国家级典型案例，形成可复制的城市数据基础设施建设方案。

5. 经验启示

政策引领是项目推进的前提；技术安全是数据流通的核心；

![](page=62,bbox=[700, 120, 1283, 265])

场景驱动是价值释放的关键；生态共建是可持续发展的保障；分层管理是平衡开放与安全的有效路径。

（五）案例五：人工智能高质量数据集评价实践

申报单位：中国质量认证中心有限公司（CQC）

1. 案例背景

人工智能产业进入数据驱动阶段，高质量数据集成为模型训练与行业落地的关键支撑。当前数据集供给良莠不齐，缺乏统一、权威、可落地的评价体系，影响AI模型性能与产业规模化应用。中国质量认证中心研发人工智能高质量数据集评价体系，以权威评价推动数据集规范化供给。

2. 实施过程

CQC自主研发全生命周期评价模型与指标体系，覆盖数据说明、数据模态、数据质量、模型应用、数据服务、数据管理等维度，实现数据集从生产、治理、标注到应用、运营、安全的全过程评估。项目对齐国家相关标准要求，建立动态调整与区块链存证机制，形成标准化评价服务流程，面向多行业开展评价服务，并同步构建数据要素全链条配套服务能力。

3. 创新亮点

(1) 体系创新。构建全生命周期、多维度、可量化的人工智能高质量数据集评价框架，覆盖全要素、全流程。

(2) 机制创新。采用第三方权威评价与区块链存证结合模式，结果可追溯、不可篡改，具备公信力。

(3) 标准创新。对接国家高质量数据集标准方向，引导行业规范化、标准化建设。

![](page=63,bbox=[700, 119, 1283, 265])

(4) 应用创新。在多个关键领域实现首批评价落地，形成标杆示范。

(5) 生态创新。形成数据集评价、数据安全、合规、资产管理一体化服务能力，支撑数据要素市场建设。

4. 实施成效

项目为多领域机构提供权威数据集评价服务，提升数据供给方管理能力与市场可信度，规范数据集市场供给秩序，降低AI模型训练风险与应用成本。评价体系推动行业建立全流程数据质量管理机制，支撑国家高质量数据集建设与“人工智能+”行动落地，助力AI在多领域深度应用。

5. 经验启示

权威第三方评价是推动数据要素高质量供给的重要抓手；标准引领与行业适配相结合是项目落地关键；全生命周期管理是提升数据质量的核心路径；标杆示范与生态协同能够推动创新成果规模化推广。

（六）案例六：“湖州信用数据宝”一一赋能金融信贷风控，激活公共信用数据要素价值

申报单位：湖州智慧城市研究院有限公司

1. 案例背景

金融信贷领域存在信息不对称、风控滞后等问题，中小微企业融资难、融资贵问题突出，公共信用数据存在共享不畅、价值难以释放等情况。在公共数据授权运营政策指引下，湖州以公共信用数据赋能金融风控为切入点，开展数据要素市场化配置实践。

![](page=64,bbox=[698, 121, 1283, 264])

2. 实施过程

项目由地方数据主管部门统筹，通过公共数据平台归集信用数据，在授权运营域完成脱敏、清洗与融合加工，按照标准化流程完成数据产品开发、测试、安全审查与上架交付。项目建立专业化运营团队，实施市场化定价与收益分配机制，将数据产品接入金融机构风控系统，支撑贷前信息核验与贷后风险预警。

3. 创新亮点

(1) 模式创新。构建公共数据授权运营全流程闭环，将合规审查嵌入开发全流程，形成可复制的标准化流程。

(2) 应用创新。从静态信用报告转向多维度、可组合、可订阅的动态风控服务，实现贷前核验与贷后实时预警。

(3) 机制创新。建立市场化定价与收益分配机制，形成数据归集一产品开发一交易流通一收益反哺的良性循环。

4. 实施成效

项目有效提升金融机构风控效率与精准度，降低信贷风险与运营成本，提升授信审批效率，改善中小微企业融资环境。项目引导企业重视信用积累，推动区域社会信用体系完善，形成公共数据赋能金融风控的可复制城市样本。

5. 经验启示

公共数据开发利用必须坚守安全合规底线；市场化分配机制是实现多方共赢的关键；以小切口、高痛点场景突破更容易快速见效、稳步拓展。

（七）案例七：破解融资难与出海难龙华区公共数据场景化开发的创新实践

![](page=65,bbox=[700, 119, 1283, 264])

申报单位：深圳市龙华数据有限公司

1. 案例背景

公共数据开发利用正从资源汇聚向场景化、服务化、资产化转型。中小微企业融资增信不足、外贸企业市场拓展成本高、商机筛选效率低等问题突出，亟需以公共数据赋能实体经济。龙华区围绕融资服务、贸易服务开展公共数据场景化开发实践。

2. 实施过程

项目按照需求识别、场景筛选、产品设计、合规审查、合作对接、应用验证、持续优化的路径推进，开发“龙数贷”“龙数贸”两类数据产品。项目依托公共数据授权运营机制，运用隐私计算等技术实现数据可用不可见，完成数据产品合规上架与场景验证，将数据服务嵌入金融信贷与外贸拓客业务流程。

3. 创新亮点

(1) 需求牵引。聚焦企业高频痛点设计产品，提升实用性与落地性。

(2) 一体多场景。以统一机制支撑金融、商贸两类场景，提升复制推广效率。

(3) 价值转化。推动公共数据从静态治理资源转向动态产业服务能力。

(4) 安全并重。将合规、安全、边界管控贯穿全流程，实现发展与安全协同。

4. 实施成效

项目完成数据产品合规上架与落地应用，为中小微企业提供融资增信服务，为外贸企业提供市场分析、客户线索与商机挖掘

![](page=66,bbox=[700, 119, 1283, 267])

服务，提升企业融资可得性与市场拓展效率。项目形成可验证的业务闭环，获得行业认可，成为公共数据场景化开发的典型实践。

5. 经验启示

场景选择应突出真实需求；合规边界应在前期同步明确；数据产品需紧贴现有业务流程；持续运营能力决定场景长期应用成效。

（八）案例八：财经AI智能体平台、AI智能体研究院与词元综合管理监控平台协同驱动高校和企业AI转型实践

申报单位：中财数碳（北京）科技有限公司

1. 案例背景

高校、智库与企业推进AI应用面临工具碎片化、应用浅层化、成本与权限缺乏治理等问题，难以实现组织级、规模化、可持续的AI转型。项目围绕应用落地、能力建设、运营治理三条主线，构建一体化AI转型解决方案。

2. 实施过程

项目构建三层协同体系：以财经AI智能体平台整合研究、内容生产、知识服务、客户沟通、组织协同等场景；以AI智能体研究院开展场景研究、方法论沉淀、培训辅导与产品孵化；以词元综合管理监控平台实现AI使用监测、成本优化、权限管控与调用审计，形成应用一能力一治理闭环。

3. 创新亮点

(1) 架构创新。采用“应用平台+研究院+治理平台”三层架构，适配组织级AI转型。

![](page=67,bbox=[700, 119, 1284, 267])

(2) 价值创新。将专业内容生产与市场转化能力一体化，提升内外综合效率。

(3) 治理创新。将AI成本、权限、质量管理前置，避免先应用后治理。

4. 实施成效

项目提升机构研究、写作、申报、知识复用与客户沟通效率，实现AI使用可监测、可优化、可管控，推动AI从单点工具上升为组织能力。模式具备通用性，可在高校、智库、企业复制推广。

5. 经验启示

AI转型需同步建设应用平台、能力体系与治理机制；智能体研究院有助于沉淀组织级方法论；词元与成本管控是AI规模化应用的重要基础；专业内容生产是AI落地的重要抓手。

（九）案例九：随州热力管网巡检数据产品场内交易实践与探索

申报单位：随州市大数据集团有限公司、中部数据服务（湖北）有限公司

1. 案例背景

传统热力管网巡检依赖人工，存在效率低、覆盖有限、作业风险高、隐患发现滞后等问题；巡检数据分散未形成资产；城市运维决策缺乏数据支撑；公共数据确权、流通、交易机制不完善，数据价值难以市场化变现。

2. 实施过程

项目采用数据采集、治理、产品化、合规评估、产权登记、

![](page=68,bbox=[700, 119, 1283, 267])

区块链存证、平台挂牌、场内交易、场景应用的全链条实施路径。运用无人机多模态设备开展巡检数据采集，完成数据治理、脱敏与产品封装，通过合规审查与产权登记，在省级数据流通交易平台实现场内交易，将数据产品应用于热力管网安全运维、风险预警、养护规划与应急保障。

3. 创新亮点

(1) 技术创新。采用多模态采集、数据标准化治理与区块链存证，提升数据质量、安全与可追溯性。

(2) 模式创新。实现市政公共数据场内交易，打通数据 “采一治一确一交一用” 闭环。

(3) 应用创新。以数据直驱城市安全运行，支撑管网运维、风险预警、应急处置与精细化管理。

(4) 机制创新。建立合规流通、产权清晰、可监管、可复制的公共数据交易流程。

4. 实施成效

项目完成当地首单市政公共数据产品场内交易，实现巡检效率提升、成本下降、隐患发现能力增强，降低管网故障发生率，提升民生保障与城市安全运行水平。项目形成可复制的市政设施数据资产化模式，入选省级典型案例。

5. 经验启示

合规是数据流通的前提；场景是数据价值变现的核心；技术是提质增效的支撑；政企协同是项目落地的关键；全链条闭环运营是可持续发展的保障。

（十）案例十：联投U建智慧工程平台数据资产全流程价值

![](page=69,bbox=[698, 120, 1284, 265])

化实践

申报单位：武汉联投置业有限公司、中部数据服务（湖北）有限公司

1. 案例背景

建筑工程行业存在数据分散、产权界定模糊、估值定价难、流通交易不畅、价值难以变现等问题，大量工程现场数据仅用于内部记录，未转化为数据资产，数据要素市场化在建筑领域缺乏落地路径。项目以智慧工程平台为载体，推进工程数据资产化与价值化。

2. 实施过程

项目整合多项目工程现场数据，通过物联网采集施工安全、质量、进度、合规等核心数据，建成数据资产池并完成治理加工。依托专业数据服务机构完成数据合规评估、产权登记、区块链存证、资产入表、估值定价、平台上架与场内交易，实现工程数据从资源到资产再到产品的全流程价值转化。

3. 创新亮点

(1) 主体创新。以实体企业为主导、专业数据机构为支撑，形成产业+数据服务协同模式。

(2) 行业创新。打造建筑行业工程数据“确权+入表+上架+交易”全流程实践。

(3) 技术创新。融合物联网、区块链、数据治理技术，保障数据可信流通与安全可控。

(4) 价值创新。构建数据资源一数据资产一数据产品一价值变现的标准化路径。

![](page=70,bbox=[699, 119, 1284, 267])

(5) 场景创新。以数据支撑风险预警、智能巡检、合规校验与管理决策。

4. 实施成效

项目通过数据驱动降低工程安全质量隐患，提升管理效率与决策精准度，实现数据资产场内交易与资产入表，优化企业资产结构，形成可复制运营模式。项目获得多项权威认证，成为建筑行业与国有企业数据资产化标杆。

5. 经验启示

数据资产化应以企业为主导、以业务场景为核心；专业协同可降低落地难度；合规先行是基础；标准化流程便于复制推广；龙头企业引领可快速形成示范效应。

（十一）案例十一：医学影像公共数据交易赋能AI产业发展

申报单位：宜昌大数据集团有限公司、中部数据服务（湖北）有限公司

1. 案例背景

医学影像数据是AI医疗模型研发的核心资源，但因隐私敏感、安全约束严格、流通信任不足、价值转化风险高，普遍存在 “不敢供、不会流” 问题，制约AI医疗产业发展。宜昌依托公共卫生大数据试点基础，探索高敏感医疗数据合规流通与场内交易模式。

2. 实施过程

项目构建数据授权、脱敏加工、匿名化核验、场内交易、安全交付的全流程闭环。通过物理隔离环境与加密通道完成数据接入，采用像素级遮蔽、元数据清洗等方式实现不可逆脱敏，以边

![](page=71,bbox=[700, 120, 1283, 267])

缘算力完成本地匿名化风险评估与区块链存证，严格限定使用范围与用途，实现原始数据不出域、数据可用不可滥。

3. 创新亮点

(1) 合规创新。构建前置脱敏处理+后置匿名化评测双重保障体系，适配高敏感医疗数据。

(2) 技术创新。搭建医疗影像专用脱敏平台，实现隐私信息高效清洗与去标识化。

(3) 架构创新。采用边缘本地处理+云端结果核验模式，实现权责分离、安全可控。

4. 实施成效

项目完成医学影像数据合规场内交易，实现高敏感公共数据安全有序流通与价值变现，为AI医疗研发提供高质量数据支撑，助力医疗AI产品研发与基层医疗服务能力提升。项目形成可复制的高敏感数据流通模式，为医疗及相关领域数据要素市场化提供借鉴。

5. 经验启示

高敏感数据流通必须以政策为引领、以合规为前提；技术创新是平衡安全与流通的核心；市场需求是价值释放的关键；高敏感数据必须坚持安全优先；标准化模式可跨区域、跨领域复制推广。

（十二）案例十二：以数驭算、以算强数一一数算一体赋能新质生产力：广东省先进存力中心项目案例

申报单位：软通智慧信息技术有限公司

1. 案例背景

![](page=72,bbox=[700, 119, 1283, 266])

人工智能快速发展带来多模态数据爆发式增长，传统数据架构存在数据孤岛突出、存力与算力协同不足、数据要素市场化路径不畅三大痛点。项目紧扣国家“东数西算”工程与数据要素改革战略，立足韶关大湾区国家枢纽节点，建设省级先进存力中心，打造数算一体新型基础设施。

2. 实施过程

项目采用“平台+技术”双轮驱动模式，建设先进存力底座、统一数据治理框架与可信流通机制，分启动设计、建设部署、验收运营三阶段推进。项目围绕数据储备与流通基地、AI语料中心、数据开发基地、产业聚集高地、人才创新平台五大定位，建设数据汇聚治理和隐私计算、数据资产登记评估、智能标注公共服务三大平台，采用“前店后厂”模式构建产业生态，由国资平台与行业龙头组建合资公司运营。

3. 创新亮点

(1) 技术创新。构建“以存强算”协同架构，实现算力不动、数据高效流动；建立全生命周期数据治理与异构数据统一治理能力，打破数据孤岛。

(2) 模式创新。打造“存一聚一算一产一育”闭环产业链，创新公共数据授权运营机制，提供“算力+存力+数据”一体化服务。

(3) 应用创新。面向新能源汽车、低空经济、智慧城市等多领域赋能，依托数据交易所服务基地推动数据要素市场化流通。

4. 实施成效

项目推动韶关形成华南地区最大智能算力集聚区，带动大批

![](page=73,bbox=[700, 119, 1283, 267])

智算与上下游产业项目落地，投资拉动效应显著。数据要素市场活跃度持续提升，算力服务实现湾区普惠供给，网络时延满足实时业务需求，在数字人才培养与政务服务提质方面形成稳定支撑，成为全国先进存力与数据要素流通标杆。

5. 经验启示

项目证明坚持存算一体系思维、政府引导与市场主导结合、全生命周期数据服务、安全合规优先、产业生态化运营是数据基础设施高质量发展的关键路径，同时也为行业在标准建设、流通机制、人才供给方面提供改进方向，具备全国复制推广价值。

（十三）案例十三：东湖大数据“数据资产×具身智能”融合发展案例

申报单位：武汉东湖大数据科技股份有限公司

1. 案例背景

具身智能产业高度依赖真实场景高质量数据，但此类数据供给稀缺、标准不统一、孤岛化严重；同时国有企业存量数据资源盘活不足，缺乏数据资产化全流程路径。项目依托数据资产入表政策与具身智能产业趋势，打造“数据资产 $ \times $具身智能”融合解决方案，破解双向痛点。

2. 实施过程

项目采用“双路径采集+标准化加工+闭环运营”技术路径，分试点闭环、区域生态、全国平台三阶段推进。通过穿戴设备与机器人传感器双模式采集真实作业数据，构建“数据资产入表一ABS融资一数采增值一双轮变现”闭环，联合多方成立数据资产

![](page=74,bbox=[700, 119, 1284, 266])

评价实验室，布局全国数采网络，依托地方平台与数据交易所实现资产化与交易流通。

3. 创新亮点

(1) 模式创新。首创“数据资产 $ \times $具身智能”融合闭环，同步解决数据稀缺与资产盘活难题。

(2) 融资创新。以数据资产ABS实现低成本撬动资产增值，为国企开辟融资新路径。

(3) 技术创新。双路径数采填补真实场景数据空白，建立统一标准与评价体系。

(4) 生态创新。构建全链条生态协同，形成全国数采网络与场景壁垒。

(5) 价值创新。外部销售与内部应用双轮变现，实现数据价值最大化。

4. 实施成效

项目帮助国有企业实现数据资产入表与融资增效，在多地建成数采中心与数采工厂，形成全国网络布局。项目填补国内高质量具身智能数据供给短板，建立行业标准与落地范本，支撑国家机器人与人工智能产业自主发展，带动区域产业升级与就业增长。

5. 经验启示

政策合规是推进前提，试点先行是风险控制关键，生态协同是多方共赢核心，数据闭环是持续增值保障，产数融合是根本方向，标准统一是价值提升支撑，为数据要素与未来产业融合提供可复制经验。

![](page=75,bbox=[699, 119, 1284, 267])

（十四）案例十四：HAI Plus：涌现式智慧驱动的数据要素流通基础设施

申报单位：海南数据交易服务有限公司

1. 案例背景

当前数据要素市场存在数据直接流通难、加工价值难以量化、数据算力算法割裂三大结构性矛盾。项目紧扣智能经济与数据要素改革政策，以涌现式智慧为驱动，构建新一代数据要素流通基础设施，破解流通与价值量化难题。

2. 实施过程

HAI Plus采用三层架构，由14个核心子系统智能体提供基础能力，依托生态主体自主运行实现价值涌现，分四阶段上线部署。项目由海南数据交易服务有限公司主导，联动科研机构与数据交易所推进，组建专业研发团队，构建三权分置、双轨凭证、五流合一、跨境互联的完整体系。

3. 创新亮点

(1) 制度创新。基于智能合约实现数据要素三权分置，权责清晰、全程上链可追溯。

(2) 机制创新。采用算力核销与数据加工参与双轨凭证体系，形成统一价值尺度。

(3) 架构创新。涌现式智慧架构实现系统协同价值持续升级。

(4) 合规创新。五流合一与分级预警保障全链路合规可控。

(5) 战略创新。布局跨境RWA与全球生态，服务国内国际双循环。

![](page=76,bbox=[698, 118, 1284, 265])

4. 实施成效

平台核心子系统完成上线运行，首批项目完成对接准备，多区域生态布局初步成型。数据供给、流通、算力算法的生态活跃度显著提升，合规与效率实现同步优化，以数字向善为导向构建公平共享的价值分配机制，为数据要素市场规模化发展提供新型底座支撑。

5. 经验启示

数据要素流通需制度与技术形成完整闭环，复杂系统培育思维优于传统建造模式，合规是规模化前提，开放生态优于封闭体系，为下一代数据流通设施建设提供理论与实践指引。

（十五）案例十五：AI龙岗一期项目及华睿欣能集团AI智能体建设项目

申报单位：深圳市龙岗区数据有限公司

1. 案例背景

AI龙岗一期聚焦城市治理多系统割裂、数据不通、闭环不畅、智能不足、安全碎片化等痛点，以大模型深度赋能打造全域智慧城市治理标杆。华睿欣能集团AI智能体项目聚焦企业数据孤岛、流程低效、作业传统等问题，以企业级AI平台重构业务流程，支撑集团数字化转型。

2. 实施过程

AI龙岗一期以“大模型+数据要素”双核驱动，搭建城市治理智能体、大模型周边能力平台、大数据管理服务平台、机器人指挥平台、一体化安全防护体系五大核心版块，落地大运片区智能应用，完善数据治理与全维度安全防护。华睿欣能项目以“AI

![](page=77,bbox=[700, 119, 1283, 265])

大模型+行业知识库”双核驱动，搭建“睿·能”AI能力平台，落地投标校审、采购生成、财务问答、电力造价、工程规划、文档生成六大AI智能体，覆盖全集团业务场景。

3. 创新亮点

(1) 技术创新。AI龙岗实现多模态大模型统一调用、湖仓一体治理、网络+数据+AI全维度防护；华睿欣能建成企业级AI能力平台与行业化智能体集群。

(2) 模式创新。城市侧采用“大模型+数据要素”双核赋能；企业侧采用“大模型+行业知识库”深度融合。

(3) 应用创新。城市治理实现全域智能化闭环；企业运营实现核心业务全流程替代重复性劳动。

4. 实施成效

AI龙岗一期全面提升城市治理效能，形成数智融合、安全合规一体化的智慧城市标杆，完善AI基础能力与数据底座，强化全域安全保障。华睿欣能项目实现文件校审周期缩短、文档生成效率大幅提升，有效破解业务痛点，提升运营效能，成为湾区企业级AI智能体应用标杆。

5. 经验启示

智慧城市建设应以大模型与数据要素为核心引擎，统筹平台、场景、安全一体化推进；企业数字化转型应立足自身业务搭建AI平台，聚焦核心场景落地智能体，以AI打通数据、重构流程、实现降本增效与模式创新。

（十六）案例十六：深圳市交通行业高质量数据集建设实践

申报单位：深圳市龙岗区数据有限公司

![](page=78,bbox=[700, 119, 1283, 264])

申报单位：深城交科技集团股份有限公司

1. 案例背景

人工智能、数字孪生等技术在交通领域深度应用，行业对标准化、可持续更新的高质量数据需求激增。当前交通数据存在来源分散、质量参差、标注不统一、治理成本高等问题，制约智能交通规模化落地。深圳作为超大城市，交通运行复杂度高、数据规模大，亟需构建体系化交通数据集建设能力，支撑交通治理精细化、决策科学化与应用智能化。

2. 实施过程

项目秉持业务牵引、数据为本、工程化建设、平台化运营理念，突破传统项目式数据建设模式，构建可持续数据资产生产体系。技术上搭建多源采集一统一治理一智能标注一质量评测一标准管理一服务开放全生命周期路线，整合多模态交通数据，通过人机协同标注、多维质检提升数据质量。建成交通数据集开发工厂，形成工程化生产、标准化标注、全生命周期管理三大核心能力，采用“集中建设、统一管理、分级使用”部署方式，以政府引导为主探索可持续运营模式。

3. 创新亮点

(1) 数据覆盖全面。整合文本、图像、音频、视频等多模态数据，覆盖9种交通方式、434类指标，近三年数据占比超 80%，具备定期更新机制，保障数据鲜活度。

(2) 场景全链支撑。打造数据集开发工厂，实现数据流水线式生产，构建全维度质量控制体系，统一数据全生命周期管理，全域支撑交通业务场景。

![](page=79,bbox=[701, 119, 1284, 266])

(3) 赋能行业大模型。形成预训练、指令微调、测试评估等多类型数据集，缩短数据到模型、模型到应用链路，支撑交通行业大模型自主研发与生态共建。

4. 实施成效

项目数据集已应用于交通运行监测、拥堵识别、信号优化、自动驾驶研发、安全预警等核心场景，覆盖9种交通方式，服务政产学研用多方主体。有效降低模型训练数据成本、缩短研发周期，提升交通模型性能与数据复用效率，已支撑8个领域大模型训练。项目形成可复制的交通数据集建设模式，为全国交通行业数据要素化提供示范。

5. 经验启示

交通高质量数据集建设需以业务场景为核心，坚持工程化、平台化推进；需同步完善标准规范与人才体系，强化产学研用协同；数据要素与交通业务深度融合，是支撑智能交通与城市数字化转型的关键路径。

![](page=80,bbox=[701, 118, 1283, 266])

参考文献

政府工作报告首提“打造智能经济新形态”释放什么信号 [EB/OL]。（2026-03-10）[2026-04-23] https://m.toutiao.com/group/7615439233091699227/.

黄卓，周鼎。协同发力打造智能经济新形态[N].科技日报，2026-04-14.

郑栅洁。在十四届全国人大四次会议经济主题记者会上的发言 [EB/0L].（2026-03-06）[2026-04-23].http://www.ce.cn/xwzx/gnsz/gdxw/202603/t20260306_2808674.shtml.中国经济网

王姗姗，李均. "智能经济新形态"首入政府工作报告AI时代，"一人公司"加速孵化[N].科技日报，2026-03-09. http://www.stdaily.com/web/gdxw/2026-03/09/content_482609.html

政府工作报告首提“打造智能经济新形态”[EB/OL].（2026-03-06）[2026-04-23].https://www.gov.cn/zhengce/202603/content_7061119.htm.

国务院研究室。起草组解读《政府工作报告》[EB/0L].（2026-03-07）[2026-04-23].https://www.gov.cn/zhengce/202603/content_7061348.htm

新华网。我国智能经济发展进入新阶段 [EB/OL].（2025-10-13）[2026-04-23].http://www.xinhuanet.com.cn/tech/20251013/da3c9cca5fad48958d18d350bdd09c7a/c.html.

武汉市数据局。数字智能经济的发展政策 [EB/OL].（2025 -10-04）[2026-04-23] https://home.wuhan.gov.cn/zcfg/2025

![](page=81,bbox=[699, 119, 1283, 266])

10/t20251004-2656219.shtm1.武汉市数据局

新浪财经。热点解读 | “算电协同” 2026投资新风口 [EB/OL] . (2026-03-13) [2026-04-23] . https://finance.sina.cn/ 2026-03-13/detail-inhquwcx4237260.d.html.

新华网。依托优势加快打造智能经济新形态 [EB/OL]。（2026-04-02）[2026-04-23]．http://www.xinhuanet.com/tech/20260402/b3174bcfabec4736bd85bfa96b36b87f/c.html.新华网

长江日报。大模型有大应用，武汉遴选出首批26个垂直大模型 [EB/OL]。（2025-12-23）[2026-04-23] https://www.wuhan.gov.cn/sy/whyw/202512/t20251223_2699087.shtml.

人民日报.7个数据标注基地建设数据集524个[EB/OL] （2025-07-24）[2026-04-23] https://www.nda.gov.cn/sjj/swdt/mtsy/0724/20250724151728482362394_pc.html.

贵州省大数据发展管理局。贵阳贵安：加快培育数据标注产业夯实人工智能发展底座 [EB/OL]。（2026-01-22）[2026-04-23] https://dsj.guizhou.gov.cn/xwzx/ydyw/202601/t202601 22_89328774.html.

国家数据局。数据标注优秀案例集之三十二数据标注筑基高质量数据集 [EB/OL] （2025-06-07）[2026-04-23] https://www.nda.gov.cn/sjj/ywpd/szkjyjcss/0607/202506071320407 57075614_mobile.html 国家数据局.

国务院国资委。国务院国资委发布首批央企高质量数据集

![](page=82,bbox=[701, 119, 1283, 267])

优秀建设成果 [EB/0L] . （2025-05-11）[2026-04-23] . https:// www. nda. gov. cn/sjj/zhuanti/ztszzh/0511/20250511092955011 086038_pc. html.

贵阳市大数据发展管理局。做强做优数字经济，今年贵阳贵安将这样干！[EB/0L]。（2026-01-20）[2026-04-23] http:// dsjj.guiyang.gov.cn/newsite/xwdt/xyzx/202601/t20260120_8 9316392.html.

中国通信企业协会。开局之年看发展丨算力网络：从规模扩张到高效服务 [EB/0L]。（2026-01-14）[2026-04-23] https://www.cace.org.cn/News/Ncontent?key=1f25a034578678a0a645b83fd51c0b92.

民生证券研究院。东数西算：万亿级别产业趋势，算力调度潜力可期 [R/OL]。（2025-11-05）[2026-04-23] https://finance.sina.cn/2025-11-05/detail-infwisms9514029.d.html.

证券时报. “天数天算” 加速：新一代天基信息服务竞争开启 [EB/0L]. （2026-01-27）[2026-04-23] https://stcn.com/article/detail/3613284.html.

新华网。技术牵引需求升温太空计算迎发展加速期 [EB/0 L]。（2026-02-06）[2026-04-23] http://www.xinhuanet.com/2 0260206/8b704f5a018f4f92bcd579dda4f7ff3b/c.html.

IDC. 中国公共数据授权运营平台市场份额，2024 [R/OL] （2025-07-18）[2026-04-24] https://www.sohu.com/a/915443 552-122362510.

国家数据局。可信数据空间试点典型经验：上海城市可信

![](page=83,bbox=[699, 119, 1283, 267])

数据空间一一构建超大城市数据要素流通新范式[EB/0L]。（2026-01-13）[2026-04-24] https://www.nda.gov.cn/sjj/ywpd/sjzy/0113/20260113101740585471283_mobile.html.

中国党政干部论坛。以“人工智能+”推进工业全要素智能化发展 [EB/OL]。（2025-11-04）[2026-04-24] http://m.toutiao.com/group/7568661560915264006/.

物联网智库.3-5个通用大模型，1000个工业智能体... 国家八部门提出的这些数字意味着什么？[EB/OL]。（2026-01-12） [2026-04-24] . https://www.36kr.com/p/3636211364824325.

杭州市人民政府。杭州市加快建设人工智能创新高地实施方案（2025年版）[EB/0L].杭政函[2025]65号，（2025-06-13）[2026-04-26].

FJiang6. 开源模型的安全审查与社区治理 [EB/OL]。（2026-01-14）[2026-04-26] https://yidun.csdn.net/6968b6a37c1d88441d8d0487.html.

艾瑞咨询。中国隐私计算行业研究报告：云程发轫，精耕致远 [R/OL] . （2022-03）[2026-04-26] .

中国信息通信研究院。人工智能安全治理研究报告推进人工智能安全治理产业实践框架（2025年）[R/OL]。（2026- 01）[2026-04-26].

澎湃新闻。杭州又发重磅AI新政：基础模型补贴5000万，每年2.5亿元算力券[EB/OL]。（2025-04-19）[2026-04-26] https://www.thepaper.cn/newsDetail_forward_30686197.

智慧城市行业动态。2026年政府工作报告：打造智能经济

![](page=84,bbox=[699, 118, 1282, 269])

新形态，十五五规划纲要深入推进数字中国建设 [EB/OL].（2026-03-06）[2026-04-26].

德勤中国。月度经济概览（第一百零二期）：物理AI重塑现实世界 [EB/OL] . (2026-02-26) [2026-04-26] . https://ww w.deloitte.com/cn/zh/our-thinking/research//issue102.htm 1.

![](page=85,bbox=[701, 119, 1283, 265])

声明

本开放书卷为开放群岛（Open Islands）开源社区发布的研究性成果，所有内容均基于2026年3月前公开的政府政策文件、行业统计数据、企业实践案例及权威机构研究报告撰写，旨在客观分析智能经济背景下的数据产业发展趋势与机会。本开放书卷所载信息、观点及结论仅供参考，不构成任何投资建议、商业决策建议或法律意见，任何主体依据本开放书卷内容作出的决策及由此产生的一切后果，均由该主体自行承担。

本开放书卷中引用的第三方案例、数据及图表，其版权归原作者或原发布机构所有，本社区已尽可能标注来源。若存在标注疏漏或涉及版权问题，请相关权利人及时与本社区联系，我们将第一时间予以更正或处理。由于撰写时间、研究范围及资料获取的限制，本开放书卷内容难免存在疏漏与不足之处，欢迎广大读者与行业专家批评指正。本声明的最终解释权归开放群岛（Open Islands）开源社区所有。