芯耀
246
编者按
2026年是“十五五”规划开局之年，也是通信行业深化数智融合、践行新质生产力的关键攻坚期。这一年，6G技术研发进入方案验证深水区，卫星互联网规模化部署加速，eSIM向多终端拓展，人工智能正催生智能体通信新范式，这些创新将为“十五五”奠定坚实开端。
值此开局之际，工信智媒体推出“启幕‘十五五’，数智新征程——2026 ICT趋势前瞻”特别报道，聚焦人工智能、6G、卫星互联网、自智网络、智算等前沿领域，通过趋势解读、跨界对话等形式，为数字化转型提供参考，凝聚行业发展共识。
2026年被国家数据局明确为“数据要素价值释放年”，数据要素作为新型生产要素的核心价值愈发凸显；“数据二十条”实施两载，我国数据基础制度建设从顶层设计走向落地实践；AI大模型的快速发展对高质量数据集提出更高要求，数据要素产业的全球竞争也迎来新的机遇与挑战。
在此背景下，工信智媒体（通信世界）记者专访了南京邮电大学教授、浙江大学双聘教授、中国数据要素50人论坛主席王春晖，围绕数据要素价值释放机理、数据基础制度建设堵点、高质量数据集体系构建以及数据要素产业全球竞争与国际规则制定等核心问题，展开深入交流，探寻数据要素赋能新质生产力发展的路径与答案。
2026数据要素价值释放年：核心在“用”与“流”
为何2026年被定义为“数据要素价值释放年”？在王春晖看来，这一定位的背后，是对数据要素价值释放机理的明晰，更是当下人工智能发展与实体经济升级的双重需求使然。
数据要素是投入到生产经营活动、参与价值创造的数据资源，其从数据资源转化为生产要素主要有两种方式：一是数据资源的要素化，将数据资源作为生产资料，与具备数字和智能应用技能的劳动者结合投入生产，在算力、算法和模型驱动下形成新的生产函数；二是将加工后的数资产投入再生产，使其成为生产要素。这也意味着，数据要素价值释放的关键，在于培育一大批懂产业底层逻辑且精通数据资源开发利用的融合型数创企业，以及数据融合型人才。
不同于传统生产要素，数据资源的核心价值并非静态占有，而是动态流通与产业的融合应用。其具备的非消耗性、可复用性、边际成本趋近于零以及强协同放大效应，让数据能在不损耗自身的前提下，与算法、算力、资本、劳动力等要素深度融合，持续催生新知识、新服务与新生产力。这一独特的机理，决定了数据的价值必须在“用”中实现，在“流”中增值。
当前，人工智能尤其是大模型发展是数据密集型创新范式的集中体现，模型的训练、微调、推理和迭代，高度依赖高质量、大规模、场景化的数据供给，没有高效、合规、结构化的数据资源，人工智能难以从实验室走向产业落地。与此同时，实体经济的智能化升级迫切需要数据要素注入新动能，在制造、能源、交通、农业等领域，实时运行数据与行业知识结合，能优化生产流程、预测设备故障、提升资源配置效率，推动传统产业从经验驱动转向数据驱动。数据不再是简单的辅助记录工具，而是嵌入生产函数的核心变量，直接参与价值创造的全过程。
也正因如此，2026年聚焦打通数据供给、流通、应用全链条，正是为了释放数据要素内生的价值创造潜能，让其在人工智能与实体经济的双向牵引下，真正成为发展新质生产力的战略性基础资源。
四大核心领域已构建起基本制度框架
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”）实施两年以来，我国数据基础制度建设完成了从顶层设计到落地实施的关键跨越。王春晖表示，在数据产权、流通交易、收益分配和安全治理四大核心领域，我国已构建起基本制度框架，形成“顶层设计+地方试点+市场实践”的多元推进格局，为数据要素市场化配置奠定了坚实基础。但随着全国一体化数据市场建设推进，尤其是数据要素与人工智能的深度融合，优质制度供给不足、市场机制不完善等问题逐渐显现，成为制约数据要素价值释放的关键堵点。
其中，“三权分置”改革是数据产权制度的核心架构，各地也在积极探索构建数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权制度，但实践中，对“三权分置”的理解存在碎片化问题，而这一问题的根源，是忽视了数据来源和数据生成特征、各参与方权利界定两大前提条件。
数据来源直接决定了谁具备初始的数据资源持有权，例如用户在平台产生的行为数据，原始来源为用户，平台则因合法采集与存储获得持有权；数据生成的实时性、结构化程度、是否经算法干预、是否包含敏感信息等特征，也直接影响数据加工使用权的边界。更为关键的是，数据往往由多主体协同生成，而非单一主体独立创造，以网约车平台为例，乘客、司机、平台，甚至政府监管系统，都为数据的产生、完善作出了贡献，每一方都对数据的内容、质量或可用性有所贡献，不能简单将数据权属归于平台，应按实际投入与角色分配持有权、加工使用权和经营权，这正是“三权分置”的底层逻辑，也是当前数据产权界定中需要重点厘清的问题。
合成数据与世界模型成重要突破方向
高质量数据集是AI大模型可信发展的基石，被分为通识、行业通识、行业专识三类，其建设水平直接决定大模型的迭代效能。王春晖指出，当前全球AI发展正经历从“模型为中心”到“高质量数据集为中心”的战略转型，我国在数据资源建设方面已取得显著成效：国家数据局已发布百余个高质量数据集典型案例，覆盖工业制造、自动驾驶等多个垂直领域，累计建成3.5万个高质量数据集；国务院发布的《关于深入实施“人工智能+”行动的意见》也明确提出，以应用为导向持续加强人工智能高质量数据集建设，并完善适配人工智能发展的数据产权和版权制度。
而“适配”的核心，是通过技术手段实现高质量数据集在人工智能应用中与产权和版权制度相互兼容。目前，相关研究团队也在探索高标准、专业化数据集通过独特视角选择内容或创新编排方式，被认定为具有独创性并获得著作权法认可与保护的机制。
面对当前真实高质量数据资源稀缺的现状，合成数据已成为重要补充，英伟达等企业推出的开源模型和工具，让合成数据在机器人训练、自动驾驶等场景中展现出广阔的应用前景。在王春晖看来，人工智能技术将引领科研范式的巨大变革，未来五年内，其应用将对特定区域的经济活动产生强大辐射和带动作用，还将与产业发展、文化建设、民生保障、社会治理深度融合。
同时，王春晖预测，大语言模型之后的第二场革命将是“世界模型”，从大语言模型（LLMs）到世界模型（WorldModel），是人工智能从理解语言到理解物理世界的重要演进路径。世界模型通过模拟环境变化、预测动作结果为AI提供决策依据，是实现通用人工智能（AGI）的关键技术，更是人工智能从数字世界走向物理世界、从一维数字智能走向三维空间智能的底座。而要实现真正的空间智能，需要突破现有大型语言模型的范式，构建能在几何、物理和动态规则上“重建”世界的世界模型。
全球竞争格局下发挥中国优势、补齐短板
在全球治理规则碎片化、合作机制不健全的背景下，数据要素产业的全球竞争愈发激烈，深化国际合作、提升我国在人工智能与数据治理领域的国际制度性话语权，既是参与全球治理的必然要求，也是维护我国发展权益、推动产业高质量发展的关键举措。王春晖结合国际视野，分析了我国数据要素产业的竞争优劣势，并给出了提升国际话语权的具体路径。
我国数据要素产业在全球竞争中具备两大独特优势：一是超大规模市场与丰富应用场景，14亿人口产生的海量、多维、实时数据，为AI训练和模式创新提供了天然的试验场；二是体制协同优势，依托新型举国体制，政府能够高效推动跨部门数据融合，公共数据开放与治理效率显著高于部分西方国家。
但同时，我国数据要素产业的短板也不容忽视：高质量中文语料供给不足，全球大模型训练中中文数据占比仅1.3%；核心数据技术受制于人，高端数据库、工业软件、数据治理工具链仍依赖进口；数据跨境流动规则与高标准国际贸易规则适配性不足，企业出海面临诸多合规风险；数据产权制度尚处于探索期，影响国际互信与数据交易的开展。
针对上述问题，王春晖认为，我国要立足自身实践，聚焦核心领域精准发力，多维度推动国际话语权提升。首先，要主动参与联合国、ITU、上合组织、ISO等国际组织框架下的人工智能与数据治理规则磋商，在人工智能伦理规范、数据跨境流动、算法监管、数据安全等重点领域积极发声献策，推动形成公平合理、包容普惠的全球治理规则体系。其次，搭建双边、多边合作平台，深化与“一带一路”沿线国家及友好伙伴的协同合作，推动数据资源开发利用与治理、监管经验的互学互鉴，探索建立数据跨境流动“白名单”互认机制，破解跨境数据治理壁垒。此外，还要梳理我国在数据“三权分置”等领域的成熟实践，提炼可复制、可推广的中国方案，推动我国数据要素与人工智能领域的标准与国际规则衔接，逐步提升在数据要素与人工智能深度融合领域的规则制定权和制度性话语权。
数据要素是发展新质生产力的重要战略性基础资源，其价值释放是一个系统工程，既需要明晰价值释放的底层机理，推动数据与产业深度融合，也需要完善数据基础制度，破解产权界定、流通交易等堵点问题，更需要夯实高质量数据集技术底座，同时在全球竞争中发挥优势、补齐短板，以制度创新和国际合作解锁发展新空间。随着2026年“数据要素价值释放年”各项工作的推进，我国数据要素产业将迎来新的发展阶段，为数字经济与实体经济深度融合注入更强动力。
-END-
责编/版式：孙天
审校：梅雅鑫
监制：刘启诚
