数据孤岛十年不破，国家队亲自下场

这两天数据圈最热的一条消息，是央企国家数据集团正式揭牌。很多同行的第一反应是：又来一个收数据的巨无霸？

我的判断恰恰相反——这个集团的核心任务不是「收数据」，而是补上全国数据要素体系里一直缺失的那个角色：顶层统筹者。地方盘得活本地数据，却拆不动跨省、跨部委的墙。而墙的另一边，站着嗷嗷待哺的国产大模型和具身智能公司。

这篇文章，我们把这件事拆开看。

🧱 省级集团跑了好几年，最难的那堵墙还在

先讲一个在地方数据集团里反复上演的场景。

某省级数据集团想做一个跨省的物流降本项目，需要对接邻省的货运、口岸和高速通行数据。谈判拉锯了大半年，最后卡在两件事上：两边的字段标准对不上，数据的权属和收益分成规则也不一样。项目黄了，双方都很客气，都很无奈。

这不是个案。省级数据集团这几年的成绩单是有据可查的：上海数据集团2022年9月挂牌成立，成为全国首家以数据为核心业务的省级国企集团，随后广东、贵州、河南等省份陆续跟进，据公开报道，全国已有20余个省份组建了省级数据集团。政务数据、水电煤、交通出行，能归集的都归集了，能授权运营的也在授权运营。但只要项目一跨出省界，或者一跨进垂直部委的条线，推进难度就会陡然上升。

国家数据局于2023年10月25日正式挂牌，负责协调推进数据基础制度建设、统筹数据资源整合共享。而更早的2022年12月，《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》（业内简称「数据二十条」）已经为数据产权、流通交易、收益分配、安全治理四大制度搭好了框架。制度框架在搭，但制度要落地，需要一个能在全国层面「动手干活」的执行主体。

产业逻辑很清楚：数据要素市场的下半场，瓶颈已经不在「有没有数据」，而在「数据能不能跨域流动」。地方能解决本地问题，跨域问题必须有更高层级的统筹者出面——统一标准、统一规则、统一协调。这正是国家数据集团出现之前，整条产业链上最明显的一块空缺。

🛰️ 不收数据的「国家队」，到底干什么

很多人把国家数据集团理解成「数据界的两桶油」，这个类比基本是错的。

从公开信息看，它的核心任务不是简单地全国收数据，而是作为央企，统一推进全国数据资源的归集、流通、确权和安全治理。注意这四个词的顺序：归集是手段，流通是目的，确权是前提，安全治理是底线。

先看时间线：

• 2022年12月：「数据二十条」发布，确立数据基础制度的顶层设计
• 2023年10月25日：国家数据局正式挂牌，负责协调推进数据基础制度建设，统筹数据资源整合共享
• 此后数年：多省陆续组建省级数据集团，各自盘活本地公共数据
• 近日：央企国家数据集团揭牌，聚焦公共数据资源开发利用，统筹全国数据归集与流通确权

再把它的职能结构画出来，会更直观：

结构理顺了：国家数据局是「立法者+监管者」，国家数据集团是「总承包商」——它不跟地方抢数据，而是负责把各地、各部委已经归集的数据，通过统一标准和规则串起来。

这一层设计的妙处在于政企分开：监管的归监管，干活的归干活。数据基础制度建设由数据局扛，资源开发利用由集团扛，避免了自己给自己发牌照、自己给自己做裁判的老问题。

🤖 公共数据喂给国产模型，这笔账怎么算

国家数据集团最值得盯的一个任务，是为国产模型、具身智能供给高质量数据，降低全社会模型训练成本。

为什么是这个时间点？行业里的共识是：公开互联网语料对大模型的边际贡献正在快速递减，高质量数据成了最稀缺的原料。而中国手里最独特的一批「未开采矿藏」，恰恰是公共数据——政务、医疗、交通、气象、地理信息。国家数据局发布的《全国数据资源调查报告（2024年）》显示，2024年全国数据生产总量达41.06ZB，同比增长25%，且其中相当比例沉淀在公共部门——这些数据体量大、质量高、结构化程度好，互联网上根本爬不到。

一位在头部模型公司负责数据侧的朋友的说法很直白：花钱能买到的语料大家都买得到，真正拉开差距的，是别人拿不到的那部分数据。

国家数据集团要做的，就是把这部分「拿不到」变成「合规拿得到」：

注意这条路的关键不在两头，在中间的加工层。公共数据从「沉淀资产」变成「训练语料」，中间隔着清洗、脱敏、标注、结构化一整套重工程——这恰恰是公共部门自己做不好、民营公司又拿不到原料的环节。国家队下场做归集和确权，等于给这一层产业提供了稳定的原料供给和明确的合规边界。

对整个AI产业的账也很清楚：训练数据的获取成本降下来，全社会做模型的门槛就降一档，国产模型和具身智能的迭代速度就快一拍。这不是一个集团赚钱的生意，而是一个降低系统性成本的公共品逻辑。

📊 国家队、省队、交易所，谁抢谁的饭碗

国家数据集团一出，最先紧张的是两类玩家：省级数据集团怕被收编，数据交易所怕被绕开。

从公开数据看，交易端已经跑出了规模：上海数据交易所2024年数据交易额超过40亿元，较2023年的约11.6亿元大幅增长；而省级集团方面，上海数据集团等已先后承接本地公共数据的统一授权运营。摆在它们面前的同一个问题很现实：在国家队的体系里，自己到底是变成分公司，还是保持独立运营、做区域深耕？

我的判断是：这不是零和博弈，而是一次分层重构。把主要玩家放到同一个坐标系里看：

再配合分工表看更清楚：

产业逻辑是：数据要素市场本来就是多层的——制度层（数据局）、运营层（国家数据集团）、区域层（省集团）、交易层（交易所）、工具层（云厂商）、服务层（数据服务商）。国家数据集团的加入，是把上面两层补齐，而不是把下面四层挤掉。对云厂商和第三方服务商来说，一个全国性的归集与加工体系启动，反而是订单扩容。

⚠️ 顶层统筹不等于打通一切：三个工程难关

话说回来，挂牌只是开始。作为一个亲手搭过数仓和实时管道的人，我很清楚这类「全国一盘棋」的项目，工程难度远超组织难度。摆在国家数据集团面前的至少有三道坎：

第一，标准统一是脏活累活。跨省市、跨部委的数据打通之所以难，根子在各家字段定义、接口规范、更新频率都不一样。统一标准不是发一个文件就能解决的事，是逐个行业、逐个系统做映射、做清洗、做对齐的苦工。参考先例：2024年1月，国家数据局等17部门联合印发《「数据要素×」三年行动计划（2024—2026年）》，明确提出在工业制造、农业、金融、医疗健康、交通运输等12个行业领域打造300个以上示范应用场景——这个「按行业逐个突破」的路径，正是打通工程现实节奏的写照。五年内能跑通几个高价值行业（交通、医疗、气象），就已算成绩亮眼。

第二，确权与定价还没有成熟解。数据确权喊了很多年，「数据二十条」虽然确立了数据资源持有权、数据加工使用权、数据产品经营权「三权分置」的框架，但公共数据的权属界定、收益分配机制仍在探索。集团要组织流通，前提是每一条数据「谁的、能怎么用、怎么分钱」说得清楚。这个制度建设的数据局在推，但落到具体的数据产品上，依然是一场场硬谈判。

第三，安全治理是底线约束。公共数据往往涉及个人信息和敏感行业，归集得越集中，安全责任就越重。「数据不出域、可用不可见」类技术在落地，但全国级的统一安全治理体系，本身就是一项国家级工程。

另外还有人才问题：懂数据治理、数据安全、数据应用又懂AI训练需求的复合型人才，全行业都缺。新平台是新沃土，能否把散在互联网大厂和地方数据集团的人才聚过来，直接决定工程推进速度。

这三道坎决定了：国家数据集团的节奏大概率是「先立标杆行业、再横向复制」，而不是一口吃成胖子。

结语：墙塌下来的时候，砖是现场砌的

回头看，从2022年12月「数据二十条」发布，到2023年10月国家数据局挂牌，再到今天国家数据集团揭牌，「数据二十条」以来数据要素市场化配置的顶层设计，终于补上了执行主体这一环。

但数据产业的老兵都知道：打通数据孤岛这件事，从来不是揭牌剪彩能解决的，墙是一块砖一块砖现场砌塌的。国家数据集团的真正价值，在于让跨域数据打通这件事有了唯一的责任主体和统一的规则接口；而它能否兑现「降低全社会模型训练成本」的承诺，就看公共数据到训练语料这条转化管道，能以多快的速度、多低的摩擦跑起来。

具体怎么观察？建议盯三个可核验的指标：一是《「数据要素×」三年行动计划》300个示范应用场景的落地进度，这是分行业的打通进度表；二是第一批跨省、跨部委的数据产品到底在哪个行业先跑通，那将是「总承包商」模式的首个验收样本；三是对照「到2026年数据产业年均增速超过20%」的行动计划目标，看数据流通的实际规模是否跟得上挂牌的热度。

对AI产业而言，这可能比下一个新模型的发布更值得等待。