📊 深度报告· 13088 字· 约22分钟阅读· 难度⭐

要素与流通:数据空间试点铺开,数据要素进入落地期

A
AI编辑团队AI 深度研究
2026-11-22 18:35 发布
本报告由人工智能生成,仅供研究参考,不构成投资建议。

执行摘要:可信数据空间试点已覆盖13个城市、22个行业,首批试点产出457个高质量数据集与136个AI垂直模型,覆盖工业制造、交通物流、医疗健康等场景,标志数据要素流通从政策设计走向基础设施落地。产业链上中下游加速成型,数据资产化与个体行为数据要素化的探讨增多。报告围绕现状格局、产业链结构、竞争与数据实践及趋势判断展开分析。

现状与格局:试点扩围节奏

数据要素流通正在经历从“文件”到“工程”的关键切换。2025年以来,国家数据局将可信数据空间作为推动数据流通基础设施建设的核心抓手,试点范围已扩围至13个城市、22个行业。这一扩围节奏传递出的信号是明确的:数据要素流通不再停留于政策框架设计阶段,而是进入以基础设施铺开、场景验证为主的落地期。

一、从政策文件到落地实践

过去数年,数据要素领域的政策供给密集出台,围绕产权、流通、收益分配、治理等基础制度形成了较为完整的顶层设计。但政策文件本身无法直接完成数据流通,真正卡点在于:数据“可用不可见、可控可计量”的技术条件如何规模化实现,以及跨行业、跨主体的信任机制如何建立。可信数据空间正是针对这一卡点给出的基础设施级答案——通过可信管控、使用控制等技术手段,在不转移数据所有权的前提下实现数据价值的流通与计量。

13城、22个行业的试点覆盖面,意味着这项基础设施验证不再是单点实验,而是进入规模化铺开阶段。城市与行业两个维度的“双扩围”,一方面检验同一套技术框架在不同区域治理环境下的适配性,另一方面检验其在制造、物流、医疗等差异化行业场景中的通用性。

二、首批试点的阶段性产出

试点扩围并非没有依据。首批可信数据空间试点自2025年启动以来,已形成457个高质量数据集和136个人工智能垂直模型,覆盖工业制造、交通物流、医疗健康等领域。具体落地场景包括多式联运单据互通、碳足迹核算互认、新材料研发、车桩网协同调度等。

这批产出的结构性意义值得注意:数据集是流通的“原料”,垂直模型是流通的“增值出口”,二者结合说明可信数据空间不只是“管道”,而正在形成“数据供给—可信加工—场景应用”的闭环。多式联运单据互通解决的是跨主体单据互信,碳足迹核算互认解决的是跨区域标准互认——这些场景的共同特征是:只有当数据可信可控时,跨主体的协作才可能发生。这正是可信数据空间区别于一般数据交易平台的定位差异。

三、格局观察:基础设施层的三个层次

从当前格局看,数据要素流通基础设施呈现出层次化结构:

数据要素流通基础设施层次
场景应用层
多式联运、碳核算、车桩网协同等垂直场景产出457个数据集、136个AI垂直模型
可信流通层
可信数据空间通过可信管控、使用控制实现可用不可见、可控可计量
制度支撑层
国家数据局顶层设计与13城22行业的试点制度框架
价值共识层
社会层面数据要素化认知形成,行为数据被普遍视为生产要素

金字塔底层是社会认知层面的变化。产业实践中,用户日常行为数据正在成为大模型与自动驾驶的训练原料,普通人的屏幕点击、驾驶路况本身构成生产要素,这种“数据要素化时代”的生产关系变化,为上层基础设施的建设提供了需求侧的长期动力。中层是制度框架,顶层才是当前试点集中验证的可信流通与场景应用层。三层之间的传导是否顺畅,将决定落地期的实际成色。

四、冷启动之外:仍待验证的环节

客观而言,当前成果仍以供给侧和基础设施侧为主,需求侧的规模化、可持续商业模式尚未完全跑通。部分探索性思路——例如将数据资产化与区域经济治理结合、通过消费送数据资产等模式扩大本地经济循环——目前仍停留在概念阐述阶段,未见落地案例与量化效果。这说明数据要素的价值分配环节(谁供给、谁使用、收益如何分配)仍是落地期需要补齐的关键拼图。

试点扩至13城22行业,标志着“可信流通”这一最难的基础设施环节已被官方确认为可复制、可推广。下一阶段的观察重点,是从“有多少试点”转向“单点试点的复购率与自我造血能力”——数据要素进入落地期后,衡量标准将从覆盖广度切换为运营深度。

上游:数据资源供给与技术底座

数据要素市场化的关键瓶颈,历来不在需求侧,而在供给侧——数据“不敢供、不愿供、不能供”。2025年以来,以可信数据空间为代表的基础设施建设正在系统性地回答这一问题。据通信世界全媒体消息,国家数据局推动的可信数据空间试点已覆盖13个城市、22个行业,通过可信管控、使用控制等核心技术,实现数据“可用不可见、可控可计量”,为跨行业、跨主体的数据共享交易提供了基础设施层面的解法。

技术底座:从“数据搬家”到“使用控制”

传统数据流通模式的本质困境在于:数据一旦交付,控制权即随之转移。可信数据空间的技术路线试图重构这一逻辑——数据不离开原始可控环境,需求方获得的是“使用权限”而非“数据本体”。可信管控确保参与主体的身份可信与行为可溯,使用控制则对数据的访问范围、使用次数、加工方式施加持续约束。二者的组合,构成了“可用不可见、可控可计量”的技术语义:可用,指数据价值可被调用;不可见,指原始数据不暴露;可控,指使用行为受规则约束;可计量,指价值贡献可以被度量,从而支撑分配与定价。

这一技术底座的意义,在于将数据流通的信任问题从“主体间信任”(需要事前尽调与合同约束)转化为“系统内信任”(由基础设施内生保障),显著降低了数据供给方——尤其是持有敏感数据的医疗、金融、工业主体——的流出门槛。

供给成果:457个数据集构成“原料层”

首批可信数据空间试点自2025年启动以来已形成阶段性产出:457个高质量数据集和136个人工智能垂直模型,覆盖工业制造、交通物流、医疗健康等领域。落地场景包括多式联运单据互通、碳足迹核算互认、新材料研发、车桩网协同调度等,显示数据要素流通正从政策文件走向具体业务闭环。

从产业分层视角看,这457个高质量数据集构成了数据要素产业链的“原料供给层”:上游是经过治理、确权、质量校验的标准化数据资源,中游是基于数据训练的垂直模型(136个AI垂直模型可视为原料层的首次增值转化),下游则是行业应用场景。试点铺开至13个城市、22个行业,意味着这一“原料—模型—应用”的供给链条正在多区域复制。

供给动力:行为数据的生产要素化

值得注意的是,供给侧的扩容不仅来自公共部门与行业主体的主动供给,也来自个体行为数据的自然沉淀。有观点指出,用户的屏幕点击、驾驶路况等日常行为数据正成为大模型与自动驾驶的训练原料——在数据要素化视角下,普通人的日常行为本身构成生产要素。这与官方试点的457个数据集形成呼应:前者是自下而上的数据生成,后者是自上而下的治理与供给,二者共同扩大了数据资源的“总盘子”。

不过,供给侧也存在概念先行、落地不足的风险。例如有学者提出以“消费送数据资产”模式破解区域资金外流,将数据资产化与区域经济治理结合,但此类探讨目前仅为概念阐述,未见落地案例与量化效果。产业界需要区分“技术验证成功”与“商业模式成立”两个阶段——可信数据空间目前处于前者向后者过渡的窗口期。

小结

上游环节正在完成从“有数据”到“可供数据”的关键转换:技术上,可信管控与使用控制解决了流通的安全前提;供给侧,457个高质量数据集与136个垂直模型形成了可复用的原料层;动力上,制度推动与个体行为数据的要素化双轮驱动。下一章将视角转向中游,考察这些原料如何在流通与交易环节完成定价与分配。

中游:流通基础设施与平台运营

一、可信数据空间:中游的核心载体

在数据要素产业链中,“采集—加工—流通—应用”四环节中,流通基础设施是承上启下的关键一环。国家数据局推动的可信数据空间,正是当前流通基础设施建设的核心抓手。据通信世界全媒体消息,可信数据空间试点已覆盖13个城市、22个行业,通过可信管控、使用控制等技术手段,实现数据“可用不可见、可控可计量”。

试点的规模化铺开,标志着数据要素流通从政策文件走向落地实践。对产业链而言,可信数据空间承担着跨行业、跨主体的数据共享与交易平台角色:向上承接数据供给方的资源汇聚,向下对接应用场景的数据需求,中间则以可信管控机制解决数据流通中最核心的信任问题。

二、平台运营与产出成效

从首批试点运行情况看,可信数据空间自2025年启动以来已形成457个高质量数据集和136个人工智能垂直模型,覆盖工业制造、交通物流、医疗健康等领域。具体落地场景包括多式联运单据互通、碳足迹核算互认、新材料研发、车桩网协同调度等。

这些产出揭示了一个重要趋势:流通平台的价值不再停留于“撮合交易”,而是深度嵌入产业生产流程。数据集直接服务于AI模型训练,场景化的数据互通(如单据互认、核算互认)则降低了跨主体的协作成本。这意味着运营主体的角色正从“通道提供者”向“生态组织者”演进。

三、运营主体的格局定位

随着试点扩围,各地数据集团、行业龙头企业、技术服务商纷纷切入运营环节。不同主体的禀赋差异明显:地方数据集团掌握公共数据资源与政策资源,但市场化运营经验相对不足;行业龙头掌握高质量产业数据,具备场景理解力,但平台开放性存疑;技术服务商具备可信管控技术能力,但缺乏数据资源与场景入口。可以借助四象限框架理解这一竞争格局:

从产业逻辑看,中游环节的竞争壁垒不在单点技术,而在“资源+场景+治理机制”的综合组织能力。谁能建立各方认可的收益分配与使用控制规则,谁就能在平台运营中占据主导地位。

四、治理机制:中游的关键变量

可信数据空间的核心不只在技术,更在治理。跨主体流通必须回答三个问题:数据权属如何界定、收益如何分配、使用行为如何被约束。当前试点通过“可用不可见、可控可计量”的技术方案,将治理规则代码化,实现数据使用全程可审计。这种“技术+规则”双轮驱动的治理架构,是中游区别于传统数据交易所的显著特征——后者侧重交易撮合,而可信数据空间强调数据在受控环境下持续使用。

五、需求侧的底层驱动

流通基础设施的建设效率,最终取决于需求侧的真实拉动。当前一个显著变化是:用户日常行为数据正成为大模型与自动驾驶的训练原料,屏幕点击、驾驶路况等行为数据已实质性地成为AI产业的生产要素。这一生产关系层面的变化,意味着数据需求从“政策推动”转向“产业刚需”,为流通平台提供了可持续的商业逻辑。

与此同时,市场上也出现了更具探索性的观点。例如区块链经济学者朱幼平提出以“消费送数据资产”的模式促进区域经济内循环,试图将数据资产化与地方资金留存相结合。需要指出的是,该思路目前仅为概念阐述,未见落地案例或量化验证,其可行性有待实践检验,但这类讨论反映出数据资产化正在向区域治理、商业模式等更广泛层面渗透。

六、小结

数据要素产业链的中游正在完成从“政策概念”到“运营实体”的转化。13个城市、22个行业的试点覆盖与457个数据集、136个AI模型的实际产出,共同验证了可信数据空间作为流通基础设施的可行性。下一阶段的看点在于:运营主体能否形成可持续的商业模式,治理机制能否在更大范围实现互认互通。中游的成熟度,将直接决定数据要素市场能否真正进入规模化落地期。

下游:行业场景与AI应用

数据要素产业的价值兑现最终发生在下游——即数据被加工为可用的智能服务、嵌入具体行业场景并形成商业闭环的环节。2025年以来,随着可信数据空间试点铺开至13个城市、22个行业,下游应用层的供给显著加速:首批试点已沉淀457个高质量数据集,并在此基础上训练出136个人工智能垂直模型,覆盖工业制造、交通物流、医疗健康等领域。这意味着数据要素流通开始从“管道建设”走向“产品产出”,商业化路径逐步清晰。

4.1 从数据集到垂直模型:下游供给链的形成

垂直模型是数据要素下游最典型的产出形态。其生产链条呈现清晰的层级递进关系:可信数据空间提供“可用不可见、可控可计量”的可信流通环境,保障数据供给的合法性与质量;在此之上形成高质量数据集;数据集再经行业know-how的注入,训练为面向特定场景的垂直模型;垂直模型最终嵌入业务流程,解决跨主体协作中的真实痛点。

这一链条的意义在于,它把数据要素的价值锚定在可验证的业务成果上。传统数据交易长期面临“买方不知道数据有什么用”的定价难题,而垂直模型模式将数据封装为能力输出,使数据价值以模型性能、业务效率提升等可度量指标呈现,显著降低了需求侧的决策门槛。

4.2 四类标杆场景的落地逻辑

首批试点披露的具体场景具有代表性,分别对应不同的商业逻辑:

多式联运单据互通面向交通物流行业。多式联运涉及公路、铁路、水运、航空等多个承运主体,单据标准不一、数据割裂是长期痛点。基于可信空间实现单据数据互通后,货主与承运方可共享同一份数据视图,压缩中转时间与对账成本。其商业价值直接体现为物流链条的降本增效,付费主体明确,是最容易跑通的模式之一。

碳足迹核算互认面向出口制造业与绿色供应链。随着国际市场碳壁垒趋严,上下游企业需要可信、可互认的碳数据。碳足迹数据涉及供应链多方隐私与商业机密,“可用不可见”的技术特性恰好匹配该场景,数据不出域即可完成核算比对。该场景的政策牵引力强,需求刚性较高。

新材料研发代表“数据+研发”的高价值路径。材料研发依赖大量实验数据积累,单一企业数据封闭导致试错成本高企。通过可信空间汇聚跨机构材料数据集并训练垂直模型,可加速配方筛选与性能预测,将数据要素转化为研发生产力。此类场景技术门槛高,但一旦验证成功,模型议价能力强。

车桩网协同调度面向新能源汽车与能源基础设施。充电桩运营商、电网、车企三方数据融合,才能实现充电负荷的动态优化调度。该场景下游收益来自削峰填谷带来的运营收益提升,商业模式与电力市场改革进程高度相关。

从定位看,新材料研发属高门槛高价值的技术密集型方向,车桩网协同调度的成熟度受制于电力市场机制,多式联运与碳足迹核算则凭借明确付费方有望率先规模化。

4.3 需求侧延伸:个人行为数据的要素化

下游场景不仅限于行业间(B2B)流通。产业观察显示,用户的屏幕点击、驾驶路况等日常行为数据正日益成为大模型与自动驾驶企业的训练原料,个体行为本身被纳入生产函数。这标志着数据要素的需求半径从企业间协作扩展至个人数据合规采集与利用,也带来知情同意、收益分配等新治理命题。目前相关讨论仍以观点性探讨为主,尚未形成规模化、可验证的商业模型,属于下游的远期变量而非当期收入来源。

下游应用落地图谱
🚢
多式联运单据互通
跨承运主体单据共享,压缩物流对账成本
🌱
碳足迹核算互认
数据不出域完成供应链碳数据比对
🧪
新材料研发
跨机构数据集训练模型加速配方筛选
🔌
车桩网协同调度
车企、桩企、电网三方数据融合调度
🤖
AI训练原料
用户行为数据支撑大模型与自动驾驶迭代
🏥
医疗健康
试点覆盖领域的后续应用方向

4.4 小结与展望

下游环节的判断可以归纳为三点。其一,136个垂直模型的出现证明“可信空间—数据集—垂直模型—场景应用”的供给链已经跑通,数据要素从政策叙事进入产品化阶段。其二,不同场景的商业化节奏分化:单据互通、碳核算等具有明确降本逻辑的场景将率先实现收入闭环,研发类场景价值上限更高但验证周期更长。其三,需求侧正在从行业数据向个人行为数据延伸,但后者依赖合规框架与分配机制的完善,短期内更多是战略卡位而非营收贡献。

对产业链参与者而言,下一阶段的竞争焦点将从“能否拿到数据”转向“能否把数据转化为场景中可计量的业务价值”——垂直模型的场景深耕能力,将成为下游厂商的核心分水岭。

数据实践与模式探索

随着可信数据空间试点扩围至13个城市、22个行业,数据要素流通正从政策文件走向落地实践。在基础设施建设加速的同时,围绕数据资产的商业模式创新与数据要素驱动的生产关系变化也在同步酝酿。本章从实践成果、概念探索与生产关系重构三个层面展开分析。

一、可信数据空间:从基础设施到场景落地

国家数据局推动的首批可信数据空间试点自2025年启动以来,已形成457个高质量数据集和136个人工智能垂直模型,覆盖工业制造、交通物流、医疗健康等领域。具体落地场景包括多式联运单据互通、碳足迹核算互认、新材料研发、车桩网协同调度等。

可信数据空间通过可信管控、使用控制等技术实现数据“可用不可见、可控可计量”,为跨行业、跨主体的数据共享交易提供基础设施支撑。试点规模化铺开标志着数据要素流通进入落地期,其核心逻辑可概括如下:

从产出结构看,数据集与垂直模型的比例约为3.4:1,说明试点不仅停留在数据汇聚层面,而是向模型训练与应用转化延伸。多式联运、碳足迹等场景均为多主体协作型场景,验证了“可信流通”作为基础设施的必要性。

二、数据资产化的模式探索:概念先行,落地待验证

在实践推进的同时,围绕数据资产的商业模型创新也不断涌现。区块链经济学者朱幼平提出“消费送数据资产”模型,其核心思路是:区域经济的本质是本地资金净留存,通过把消费留在本地区、以数据资产作为消费激励,实现减少资金外流、扩大本地循环的目标。这一主张将数据要素与区域经济治理相结合,试图为地方经济发展提供基于数据资产化的新商业模型。

需要指出的是,该模型目前仍属观点性探讨和概念阐述阶段,尚未见落地案例或量化效果验证。其可行性面临多重现实约束:数据资产的确权与估值机制尚不完善、消费行为数据与资产凭证的转化缺乏技术标准、地方试点需跨过合规与激励机制两道门槛。

为厘清当前各类数据要素实践的发展阶段,我们从技术门槛与商业价值两个维度对现有模式进行定位:

可以看到,可信数据空间及配套的AI垂直模型处于领跑者象限,已有政策与基础设施双重支撑;而“消费送数据资产”等区域经济模型商业价值尚待验证,处于潜力股与概念探索区间,距规模化落地仍有距离。

数据要素实践的两层结构
显性成果:13城22行业试点、457个数据集、136个AI垂直模型、多式联运与碳足迹等落地场景
概念探索:消费送数据资产等区域经济模型、数据资产化激励机制探讨
~ 水面线 · 大众看得见的部分到此为止 ~
隐性根基:数据确权与估值机制、可信管控技术标准、跨主体授权规则、个体数据贡献的分配制度尚未定型

三、个体行为数据要素化:生产关系面临重构

另一个值得关注的趋势是个体行为数据的生产要素化。有观点指出,用户的屏幕点击、驾驶路况等日常行为数据,正成为大模型和自动驾驶的训练原料。在这一全新系统视角下,普通人的日常行为本身成为重要生产要素——闲暇不再与工作对立,个体每一步都在创造价值。

这一判断揭示了两层产业逻辑:

其一,数据供给侧的结构变化。 大模型与自动驾驶对训练数据的需求从公开语料向真实行为数据迁移,驾驶轨迹、交互行为等高频个体数据成为稀缺原料。这在客观上提升了个体数据的市场价值,也使数据采集的边界问题更加突出。

其二,价值分配机制的缺位。 当个体行为成为生产要素,传统的“平台采集—无偿使用”模式面临合法性与服务对价的双重拷问。数据要素化时代要求重构采集方、处理方与数据来源个体之间的分配关系,包括知情同意机制、收益分享模式乃至数据资产的个人确权路径。这一重构过程涉及监管框架、技术方案与商业模式的协同演进,目前仍处于早期探索阶段。

小结

当前数据要素产业呈现“基础设施先行、商业模式滞后”的格局:可信数据空间试点以457个数据集、136个垂直模型交出阶段性答卷,落地场景初见成效;而消费送数据资产等区域经济模型仍停留在概念阶段,缺乏可复制的落地案例;个体行为数据的要素化则从底层推动了生产关系调整,确权、分配与激励机制的制度建设将成为下一阶段的关键变量。数据要素进入落地期,但真正的规模化,取决于基础设施、商业模式与分配制度三者的同步成熟。

趋势判断:要素化加速

6.1 可信数据空间从试点走向规模化复制

可信数据空间是国家数据局推动数据要素流通基础设施建设的核心抓手,其技术逻辑是通过可信管控、使用控制等手段实现数据“可用不可见、可控可计量”。截至当前,试点已覆盖13个城市、22个行业,标志着数据要素流通正从政策文件走向落地实践。

从产业周期看,基础设施类建设通常遵循“政策启动—试点验证—标准固化—规模复制”的路径。可信数据空间已完成前两个阶段的关键动作:首批试点自2025年启动以来,已形成457个高质量数据集和136个AI垂直模型,覆盖工业制造、交通物流、医疗健康等领域,落地场景包括多式联运单据互通、碳足迹核算互认、新材料研发、车桩网协同调度等。这些成果证明“可信流通”在技术和业务两侧均具备可行性,为下一步规模化复制提供了样板间。

规模化复制的关键变量在于三点:一是跨行业标准的互认程度,碳足迹核算互认、单据互通等场景已开始探索这一方向;二是运营主体的可持续商业模式,试点期依赖政策投入,复制期需要形成“供给—使用—收益分配”的闭环;三是与地方数字经济的衔接能力。13个城市的选择本身体现了区域产业结构的代表性,未来复制将更多依托区域产业禀赋展开,而非简单平移。

6.2 数据集供给与垂直模型耦合加深

首批试点产出的457个数据集与136个垂直模型之间,呈现出明显的“原料—制品”耦合关系。数据集不再以“可交易资产”的泛化形态存在,而是直接服务于模型训练、行业知识注入等高价值用途,这改变了数据供给的定价逻辑与组织方式。

这一趋势与更广泛的产业观察一致:用户的屏幕点击、驾驶路况等日常行为数据正在成为大模型与自动驾驶的训练原料,个体行为被系统性纳入生产函数。数据要素的价值实现路径正在从“数据交易”向“数据+模型一体化供给”迁移——数据持有方通过参与垂直模型建设获得更高变现效率,模型开发方则通过可信空间获得合规、可控的数据来源。多式联运、车桩网协同等场景显示,耦合最深的领域往往是数据密度高、闭环性强的实体产业环节。

预计未来2-3年,可信数据空间内“数据集—垂直模型”的供给比例将进一步向模型侧倾斜,数据供给的标准、计量与收益分配机制将围绕模型训练需求重新设计,形成数据要素与人工智能产业的双向强化。

6.3 资产化模式仍在验证期

相比流通基础设施的快速推进,数据资产化的商业模式仍处于早期验证阶段。以近期讨论为例,区块链经济学者朱幼平提出“消费送数据资产”模式,试图将数据资产化与区域经济治理结合,以本地资金净留存为目标,把消费留在本地区并转化为数据资产积累。该思路将数据要素引入区域商业模型设计,但目前仅为概念阐述,未见落地案例或量化效果验证。

这反映出资产化环节的普遍状态:理论框架与政策工具(如数据资产入表)已经就位,但能够持续运转、产生可验证收益的商业闭环仍然稀缺。资产化的难点不在于登记与计量,而在于稳定的需求方、公允的估值机制与清晰的收益分配规则。数据要素与其他要素的融合恰是破局主线——数据与劳动(个体行为贡献)、与资本(数据资产入表与质押)、与技术(模型与算法)的组合,才能形成可交易、可估值、可分配的完整链条。

数据要素化的表里结构
显性成果:13城22行业试点、457个数据集、136个垂直模型
政策框架:数据资产入表、可信流通规则
场景落地:多式联运、碳足迹互认、车桩网协同
~ 水面线 · 大众看得见的部分到此为止 ~
隐性根基:估值与收益分配机制尚在验证
要素融合:数据与劳动、资本、技术的组合定价
商业模式:消费送数据资产等概念待落地检验

6.4 综合判断

综合来看,数据要素化正呈现“流通先行、资产跟进”的不对称格局:可信数据空间将依托13城22行业的试点经验进入规模化复制期,数据集供给与垂直模型的耦合将持续加深,成为未来一年最确定的产业趋势;而资产化模式虽有概念创新不断涌现,但整体仍待商业闭环验证,不宜高估短期兑现速度。贯穿两条线索的主线,是数据要素与劳动、资本、技术等其他生产要素的深度融合——当数据不再是孤立交易的标的,而是嵌入生产函数的常规要素时,要素化才算真正完成。

📚 参考素材(撰写本文时引用的相关资讯,绿色徽标=相关度评分)

以下4条资讯与本报告主题高度相关,构成本报告的事实基础。

  • •

    据通信世界全媒体消息,可信数据空间试点已覆盖13个城市、22个行业。可信数据空间是国家数据局推动数据要素流通基础设施建设的核心抓手,通过可信管控、使用控制等技术实现数据可用不可见、可控可计量。试点规模化铺开意味着数据要素流通正从政策文件走向

    — 资讯
  • •

    国家数据局推动的首批可信数据空间试点自2025年启动以来取得阶段性成果,已形成457个高质量数据集和136个人工智能垂直模型,覆盖工业制造、交通物流、医疗健康等领域。具体落地场景包括多式联运单据互通、碳足迹核算互认、新材料研发、车桩网协同调

    — 资讯
  • •

    区块链经济学者朱幼平在微博发文,提出以数据资产商业模型升级地区经济发展的思路。他认为区域经济本质是本地资金净留存,减少资金外流、扩大本地循环,而关键做法是把消费留在本地区,并主张通过消费送数据资产的模式实现这一目标。文章属于观点性探讨,将数

    — 资讯
  • •

    博主东东18863121889发布观点视频,讨论互联网为何不再是一件工具。其核心论点是:用户的屏幕点击、驾驶路况等日常行为数据正在成为大模型和自动驾驶的训练原料,在全新系统视角下,闲暇不再与工作对立,普通人的日常行为本身成为重要生产要素,个

    — 资讯