国家队下场挖数据，AI粮仓要换了

数据要素市场等了三年，终于等来了自己的“国家队”。

据证券时报、每日经济新闻等多家财经媒体2025年7月报道，新组建的央企国家数据集团完成注册并正式揭牌。工商信息显示，这是国务院国资委监管体系下的又一家“新央企”，核心任务直指全国数据资源的归集、流通、确权和安全治理，并明确要为国产大模型、具身智能供给高质量训练数据。这不是又一个挂牌仪式——它意味着公共数据开发这件事，从地方试水，变成了国家统筹。

本文想回答三个问题：为什么是现在？到底补了什么短板？市场玩家的位置会怎么变？

🏛️ 从数据局到数据集团：政策与执行终于闭环了

先看一个时间线，理解这件事为什么“水到渠成”。

2023年10月国家数据局挂牌时，定位是协调推进数据基础制度建设、统筹数据资源整合共享——通俗讲，它是“定规则的”。但定规则和干活之间，一直缺一个执行主体。政策文件写得再好，公共数据仍散落在各部委、各省市、各事业单位的系统里，没人有足够的授权和资源把它们真正聚起来。

国家数据集团补的就是这个角色。作为央企，它统一推进归集、流通、确权和安全治理，等于在“政策层”和“执行层”之间接上了最后一根线。

据多位接近数据要素行业的人士观察，业内对这个架构的期待已经酝酿许久：数据是新型生产要素、是国家基础性战略资源——这句话说了很多年，但要素要真正流动，必须有基础设施，而基础设施的建设方，天然该是国家队。铁路、电网、通信运营商皆是如此，数据也不会例外。

产业逻辑很清晰：定规则的、建设施的、用数据的，三方分离，市场才能转起来。

🧩 数据孤岛：地方干了很多年，为什么没打通

金句先行：孤岛从来不是技术问题，是利益和标准问题。

省级数据集团并不新鲜。截至2024年底，全国已组建的省级数据集团超过20家（据21世纪经济报道不完全统计），各自盘活本地公共数据——把政务数据、公用事业数据整理、清洗、加工，再通过授权运营变成可用的产品。以上海数据交易所为例，2023年全年数据交易额超11亿元，2024年进一步放量，这在省域内跑通了不少案例。

但一到跨省、跨部委，事情就卡住了。闫跃龙在其公众号分析中点得很透：标准不统一、规则不一样，数据孤岛长期存在。一个省的数据接口规范和另一个省不同，A部委的确权口径与B部委不一致，跨区域的数据流通几乎无从谈起。

体量的对比可以说明问题有多大：据国家数据局《全国数据资源调查报告（2023年）》，2023年全国数据生产总量达32.85ZB，同比增长22.44%——但其中可被有效开发、可确权流通的高质量数据占比并不高，“数据供给与应用需求不匹配”是报告点名的核心矛盾。而在交易端，据国家工信安全中心《中国数据要素市场发展报告》测算，2022年我国数据要素市场规模约905.4亿元，预计“十四五”期末有望突破1700亿元——对照每年新增近33ZB的数据生产量，流通率之低一目了然。

这张图说明了集团的真实位置：它不是去抢各省数据集团的生意，而是做省级主体做不了的事——跨区域、跨层级的归集与互认。省级集团盘活“存量”，国家集团打通“连接”。

【作者观点，非既定事实】未来公共数据开发大概率会形成“国家统筹标准与跨域流通、省级做本地化运营”的双层结构。各省数据集团非但不会被取代，反而因为上层接口统一了，其数据产品的可交易半径会变大——原来只能卖本省，未来可能面向全国。孤岛被桥连接后，岛上的资产是升值的。

🤖 AI缺粮：公共数据才是训练数据的富矿

这才是这次成立动作里最有想象力的一笔：国家数据集团为国产模型、具身智能供给高质量数据，降低全社会模型训练成本。

换个视角看AI行业的现状，数据缺口是有硬数字的：

• 供给端见顶：研究机构Epoch AI在2024年论文《Will We Run Out of Data?》中测算，按当前消耗速度，高质量的公开人类文本语料可能在2026年至2032年间被“用尽”；
• 中文尤其缺：据W3Techs统计，中文内容在全球网页内容中占比仅约1.3%，而英文接近50%——中文高质量、可确权、可商用的语料，始终是稀缺品中的稀缺品；
• 公共数据没被用起来：全国每年新增32.85ZB数据（国家数据局2024年报告），政务、气象、交通、医疗、地理信息体量大、权威性高，又天然带有公共属性，但长期“沉睡”在各部门系统里。

互联网平台手里也有大量数据，但一来彼此封闭，二来合规边界复杂——数据只服务自身生态，对“拿出来卖”极其谨慎。为什么这事必须国家队来做？三类玩家的结构性短板一目了然：

国家数据集团的位置：既有授权拿到源头数据，又背靠国家级工程能力做归集、清洗、脱敏。这是市场玩家结构上够不到的位置。

成本端的对比同样直观。OpenAI CEO奥特曼2023年公开透露，GPT-4单次训练成本超过1亿美元；Meta在Llama 3.1技术报告中披露，405B版本消耗了超3000万GPU小时的算力。算力和算法之外，多位头部模型公司从业者估计，数据的获取与清洗环节要吃掉训练总成本的约三成——这正是“每家花数千万自建数据团队、自己爬、自己洗”的现状（此为业内估算，非官方统计）。

【作者观点】对AI产业的影响可以推演：训练数据供给从“各家自扫门前雪”走向“国家粮仓+市场化加工”。模型厂商未来可能像买电力一样按需采购经过治理的公共数据集。全社会训练成本的下降，往往不是算法突破带来的，是供给侧基础设施带来的。

⚠️ 确权与安全：最难啃的骨头在冰山下面

说句冷水：归集只是开始，确权才是生死题。

数据要素市场喊了这么多年，卡脖子的一直是确权——“数据二十条”虽然确立了资源持有权、加工使用权、产品经营权的“三权分置”框架，但落到登记、评估、分利的操作层面，问题依然成堆：一份数据三种权利怎么界定？收益怎么分？隐私和敏感信息怎么在流通中守住底线？这些问题不解决，归集起来的数据只是“看起来很美”。

水面上的部分——开放、运营、供给AI——是大家看得见的产出；水面下的确权、标准、安全、分利机制，才是决定这艘船能开多远的压舱石。公开信息反复强调集团承担“安全治理”职责，说明顶层设计对此有清醒认知：数据要素的流通，必须在合规轨道上跑。

【作者观点，基于行业普遍预期】集团接下来最可能先做的是三件事：建全国性的数据归集基础设施、推统一的确权登记与标准、以安全可控的方式开放首批高价值公共数据集。真正的考验在于节奏——快了容易在安全和确权上留隐患，慢了又会错过AI对数据供给的窗口期。

📊 产业分工：国家队进场，市场玩家该慌吗

最后一个问题，也是最现实的焦虑：国家队下场，会不会挤死市场化玩家？

【作者观点】我的判断是不会，但游戏规则会变。回看通信行业：国家建骨干网，运营商做服务，设备商和应用开发者反而获得了更大的市场——2023年我国电信业务收入已超1.6万亿元（工信部数据），骨干网之外的增值服务才是大头。数据要素大概率复制这个剧本——

集团的角色是“修路、定交规、管收费站”：归集、确权、安全治理、基础供给。而数据的深加工、行业场景化应用、面向具体模型的语料精调，依然是省级数据集团、数据服务商、AI公司的大量机会。更重要的是，当上游有了可确权、可追溯的数据源，下游做交易、做经纪、做审计的新业态才真正有了生存土壤。

人才市场的信号也印证了这一点：据媒体报道，新平台正成为数字人才聚集地，懂数据治理、数据安全、数据应用的人，有了新的施展舞台。一个国家级平台的带动效应，往往是整个产业链的人才水位上升。

【作者观点】这条链路上，集团主要做前三段，后六段留给市场。分工清晰，才有生态繁荣。

小结

国家数据集团的成立，本质上是数据要素市场从“地方试验”切换到“国家基建”的信号：政策有局、执行有手、AI有粮。真正的看点不在揭牌本身，而在未来一两年的落地节奏——确权体系能不能立住、首批公共数据集能不能被模型厂商真实采购、省级与国家平台能不能顺畅对接。如果这些跑通，“降低全社会模型训练成本”就不是口号，而是国产AI的一口深井。粮仓已经动工，接下来看炊烟。

参考信源

1. 中共中央、国务院：《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”），2022年12月

2. 中办、国办：《关于加快公共数据资源开发利用的意见》，2024年10月

3. 国家数据局：《全国数据资源调查报告（2023年）》，2024年发布

4. 国家工信安全中心：《中国数据要素市场发展报告》（2022年数据要素市场规模约905.4亿元）

5. Epoch AI：《Will We Run Out of Data? Limits of LLM Scaling Based on Human-Generated Data》，2024

6. W3Techs：全球网站内容语言占比统计

7. Meta：The Llama 3 Herd of Models 技术报告，2024

8. 每日经济新闻、证券时报、21世纪经济报道：关于国家数据集团成立、省级数据集团组建的公开报道（2024—2025年）

9. 闫跃龙公众号：关于数据孤岛与国家数据集团的分析

注：文中标注“作者观点”“业内估算”的内容为推演性判断，非已证实的既定事实；国家数据集团的具体注册信息以工商登记及官方通报为准。