▶  本报记者 李洋

　　近日，国家数据局公布的最新数据显示，中国数据生产量和存储量持续快速增长，当前数据资源规模保持在全球第二位。不少企业成立专门的数据部门、数据公司，探索开发数据产品，金融、工商、交通、电信等领域的数据产品日益丰富，在主要数交所挂牌的产品数量超过1.3万个。我国已形成超过100个10亿参数规模以上的大模型，推动人工智能产业创新发展。

　　数据的价值在于应用

　　应用的关键在于场景

　　数字经济时代的竞争，本质上是技术之争、产业之争，更是综合国力之争。在我国，数据要素已经成为与土地、劳动力、资本、技术等并列的生产要素，逐步融入生产生活各环节，深刻影响并重构着经济社会结构。

　　专家认为，数据的价值在于应用，应用的关键在于场景。只有与应用场景相结合，解决实际问题和业务痛点，才能充分释放数据要素价值。

　　今年以来，国家数据局发布了《“数据要素×”三年行动计划（2024—2026年）》,并启动了“数据要素×”大赛，鼓励各类主体参与数据要素开发利用，积极挖掘典型数据要素应用场景，释放数据要素的乘数效应。

　　其中，在《“数据要素×”三年行动计划（2024—2026年）》中，明确提出数据要素应用重点领域和场景包括：工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳。该行动计划还特别提出，到2026年年底，数据要素应用广度和深度大幅拓展，在经济发展领域数据要素乘数效应得到显现，打造300个以上示范性强、显示度高、带动性广的典型应用场景。

　　“数据有望成为推动经济社会变革和产业转型发展的新质生产力，为推动经济社会创新发展持续增添动能。”中链数科（海南）有限公司CEO苗毅斐表示，作为一种基础的生产资料，其重要性日益凸显。

　　中国信息协会常务理事、国研新经济研究院创始院长朱克力表示，面对海量生产数据，企业应构建完善的数据采集与存储体系，利用大数据、人工智能等技术，挖掘隐藏在数据背后的规律和价值。

　　“数据要素×”典型案例示范引领

　　近日，国家数据局会同生态环境部、交通运输部、金融监管总局等相关部门在第七届数字中国建设峰会上发布了第一批20个“数据要素×”典型案例，涵盖工业制造、现代农业、商贸流通、交通运输等行业和领域。

　　其中，四川长虹电子控股集团有限公司通过建立工业数据空间，打通测试、生产、库存、应付账款、供应商资信和历史交易记录等数据，破除了产业链上下游企业之间的信息壁垒。据悉，其工业数据空间已接入多个工业软件系统，对数据进行汇聚、处理和交叉验证，保障数据和行为可信、可证，解决了数字化工厂管理系统之间进行出入库交互、物料描述信息同步时双方数据不一致的问题，对账用时最短仅30秒钟，减少用时99.72%，最短可在20分钟内自动完成全量数据异常发现，效率提升98.61%。

　　多式联运作为一种高效、可持续的物流运输模式，是构建现代综合交通运输体系、降低物流成本的重要手段。国家能源投资集团有限公司发挥龙头企业协调作用，打破装备制造商之间的数据壁垒，获取600项多模态运输装备数据指标，汇聚22类铁路运输装备、9类港口装备、6类船舶装备的运用状态、故障分析、检修维护等数据。目前其汇聚运输装备数据总量已超过30亿条，数据量达1200TB，每日新增数据量达到200万条以上。

　　腾讯研究院联合赛迪研究院发布的《数据要素赋能新质生产力——数据要素场景创新发展报告（2024）》进一步显示，平台经济领域也涌现出大量数据开发利用的实践案例，其中既包括消费互联网中的数据产品和服务供给，也包括参与产业互联网平台、服务社会的数字场景建设。比如，工业领域，腾讯建设了AI质检模型从研发到最终部署上线的中转协同系统，将AI质检模型部署至产线的速度提升10倍以上；医疗领域，云知声山海大模型助力北京友谊医院实现门诊病历生成系统；金融领域，“RPA+AI”技术应用不断深入实现数据的自动抓取、清洗和更新，加快了小微金融信贷服务业务场景的拓展；交通领域，商汤日日新大模型体系已为郑州、哈尔滨等地城轨30条线路、640个车站提供智能化升级。

　　分析人士指出，“数据要素×”典型案例与行业发展深度融合，具有较强示范作用，推动数字经济发展进入激活数据要素价值的新阶段。

　　苗毅斐认为，各主体在做好主体价值开发的同时，还应该注重数据价值的异业合作和深度延展。例如，企业贸易数据也可以作为洞察国际关系的一大利器。“通过加强不同业态之间的合作与互动，在安全可控的范围内最大化利用数据价值，是数据开发实践的关键。”

　　高价值数据要素场景

　　需多维度构建体系化路径

　　腾讯研究院联合赛迪研究院发布的报告强调，“高价值的数据要素场景，并不只是简单地考虑新技术的应用，也不是单一的数据架构搭建和全周期管理，而是需要从需求采集、协同研发、机制设计、管理流程、商业模式等多维度视角出发，构建体系化‘五脉’即摸清需求脉、协同研发脉、变革制度脉、优化流程脉、迭代系统脉的实施路径。”

　　对此，苗毅斐也认为，数据要素的应用价值，重点不是体现在数据量的大小，而是数据本身的标准化、准确性和结构化。所以，在评估利用数据时，企业应建立适用于场景的数据评价体系，在数据的生产采集环节，要注重数据的分类分级，合理规划数据的使用场景；在数据存储、处理、分析等环节，更应考虑数据在跨行业应用方面的可拓展性。

　　朱克力表示，企业在数据利用过程中，应综合考虑数据的经济价值、社会价值和环境价值，同时注重数据安全和隐私保护，确保数据的合法合规使用。

　　中国数实融合50人论坛智库专家洪勇认为，为克服数据孤岛现象，企业应建立统一的数据标准和协议，加强跨企业合作，通过数据联盟或数据交易平台安全交换数据资源；明确数据权属，建立信任机制和利益分配规则，鼓励数据资源共享。