专家解读。

日前，全国数据工作会议明确将2026年定为 “数据要素价值释放年”，标志着我国数据要素市场化配置改革正式从基础制度建设阶段，迈入价值创造与验证的关键新时期。这一重大定调不仅为数据产业发展指明了方向，也引发了业界对价值释放路径、市场建设路径等核心议题的广泛关注。

为深入解读 “数据要素价值释放年” 的深层内涵，厘清全国一体化数据市场建设的实践难点与突破方向，证券时报记者专访了原海南省大数据管理局局长董学耕。董学耕认为，当前数据要素发展已到量变到质变的关键节点，2026年数据要素价值规模化释放完全值得期待，而建设全国一体化数据市场则是破解数据要素价值释放难题的必由之路。

今年数据要素价值规模化释放完全可以期待

证券时报：您如何理解2026年被称为“数据要素价值释放年”的深层含义？

董学耕：数据要素价值释放从数据要素提出以来就一直是不变的主题。数据作为要素的含义就是数据要嵌入进生产流通过程，释放价值。业界为此一直在积极探索，不断积累案例、经验，也取得了积极成效。全国数据工作会议将今年定为“数据要素价值释放年”，意味着这些积极探索积累到了量变到质变的时刻。也就是说，前期的工作已经达到了推进质变的水平。

例如，自《关于加快公共数据资源开发利用的意见》出台之后，2024年底至2025年初以来，国家数据局连续出台的一系列政策，包括数据产业、企业数据资源、公共数据授权运营、数据基础设施建设等，在制度建设上铺平了道路；可信数据空间试点推动了各地各行业的“搭平台”热潮；数据要素×大赛以及各方面出台的场景清单推动了“谋场景”的实践；各地数据交易所（中心）、数据平台企业和数据商，特别是数据商，在“做产品”上发挥了先锋作用。

可以说万事俱备，只欠东风，全国数据工作会议吹响了进军号，期待今年数据要素价值释放能够规模化爆发。这完全是可以期待的。

证券时报：到2026年底，我们应关注哪些关键指标，来判断“数据要素价值释放年”乃至全国一体化数据市场建设是否取得了实质性成功？

董学耕：全国数据工作会议部署了2026年数据工作的八大重点任务，显然，应该对标八大任务来判断2026年工作是否取得了实质性成功。此外，关于“数据要素价值释放年”应该关注的关键指标，还要更加聚焦到价值指标。

关于数据产业，目前还没有统计学、会计学意义上的定义。建议国家要尽快出台相关标准。应该从微观的主营业务分类，产品和服务分类做起，聚焦数据产品产生的市场价值，也就是聚焦微观企业的数据产品、来源数据产生的现金流，从产值、增加值、销售额、市值等指标去定义数据产生的价值，进而定义数据产业的范围、规模等指标，用以衡量数据要素价值释放的成效。

以全国一体化市场打破数据流通壁垒

证券时报：全国数据工作会议提出“加快培育开放共享安全的全国一体化数据市场”，这对于释放数据要素价值有何意义？相较于目前各地分散的平台和规则，全国一体化数据市场能解决哪些关键问题？

董学耕：不仅数据要素，其他任何要素都应当建设一体化市场，这是生产要素通过市场这个决定性力量优化配置的内在要求，是生产力发展的内在要求。建设全国一体化数据市场是目标，但不可能一蹴而就，需要稳步推进。

目前各地分散的平台和规则都是必要的探索，有其存在的合理性，也在为全国一体化市场积累经验。建设全国一体化数据市场，就是要打破地域、行业等界限，实现数据要素在全国范围无障碍地“供得出、流得动、用得好、保安全”。

这里有几项关键性的基础建设：一是要建立全国性互联互通的数据基础设施（互联互通的数据平台）；二是要建立全国统一的数据相关标准体系；三是要建立全国一体化的数据互操作规范；四是要鼓励数据商的发展，作为数据价值化的生产主体；五是要在可信数据平台基础上，通过谋场景、做产品，让数据在数据产品中流通交互，实现数据价值。

全国一体化数据市场能够让分散不出域的数据在全国范围自由流动，充分发挥市场优化配置资源的决定性作用；让数据商（数据产品开发者）获得空前的数据市场空间，充分发挥其能动性，开发出更多更好的数据产品和服务，充分释放数据市场价值；有助于充分发挥数据要素的规模效应，即数据的边际规模递增效应；充分发挥数据要素的范围效应，释放数据要素的乘数效应；并充分发挥数据要素对其他要素的带动、引领作用，让数据要素价值释放更好赋能实体经济和社会发展。

证券时报：“五统一、一开放”被认为是构建全国一体化市场的基石。在实践层面，如何使这些规则在不同地区、不同行业间真正“对齐”，避免出现新的规则摩擦？

董学耕：统一数据产权、统一数据流通、统一数据交易、统一数据安全、统一数据治理，实现数据市场的开放共享和安全可控，这“五统一、一开放”确实是全国一体化数据市场的基石。

实践层面，一方面积极总结各地各行业在建设统一制度、统一平台、统一标准、统一元数据、统一认证等方面的实践经验，积极提炼共性，加强交流，凝聚共识，鼓励跨地域跨行业的规则互通、平台互通等实践；另一方面发挥国家层面行政、行业组织、标准化组织、学术组织等的积极性，积极推动全国一体化的制度、规则、标准等方面的建设，推动全国一体化的数据确权体系建设、数据登记体系建设、元数据体系建设、认证体系建设、平台互通建设等。

从资源到产品，AI驱动数据要素价值新范式

证券时报：全国一体化市场将如何倒逼数据持有方（特别是政府部门和大型企业）完成从“数据资源”到“标准化数据产品”的转变？您预计哪些领域的数据产品会最先成熟并规模化供给？

董学耕：针对公共数据持有者，大多为政府部门，要落实责任驱动、绩效驱动的原则。公共数据共享、开放，包括对涉私数据、重要数据等通过授权运营方式开放，是公共部门的义不容辞的责任，要加强考核、监督，比成绩、比绩效，激励先进，鞭策后进。

针对数据资源富集的大型企业等市场主体，要落实市场驱动、利益驱动的原则，兼顾社会责任。一是通过数据、数据产品和服务的有偿使用，鼓励市场主体释放数据；二是通过技术手段落实“数据可用不看见”等数据利用方式，即通过数据产品化实现数据利用，又保护数据持有者的持续持有权；三是鼓励市场主体公开元数据，让更多数据商能够及时发现、访问、调用数据；四是相同、相似功能的元数据形成竞争格局，并在竞争中形成价格机制，让更多数据商能够用得起、用得好相关数据。

通过市场机制，对于市场高频使用的数据，鼓励市场主体开发共性的数据原子能力（数据中间产品），实现更好的数据供给。

在数据供给基础上，鼓励数据商（数据产品开发者）开发更多更好的数据产品，包括通用型数据产品、个性化数据产品，包括分析类数据产品、个体化数据产品。

预计最先成熟并规模化供给的数据产品，一是分析类数据产品，即不涉及涉私数据的数据产品，例如气象数据产品、统计分析类可视化数据产品等；二是市场利益驱动力较强领域的数据产品，例如金融行业数据产品、医疗行业数据产品。

证券时报：全国数据工作会议强调“强化数据赋能人工智能发展”。全国一体化数据市场将如何为AI大模型提供更高质量、更合规的数据燃料？AI的发展又会如何重塑数据价值的标准？

董学耕：当前，基础大模型性能提升遭遇一定瓶颈，关于人工智能泡沫的担忧愈发明显，而人工智能的价值释放就更加依赖于落地应用。针对应用，数据，特别是高质量数据集，已经成为人工智能发展的关键。

数据赋能人工智能发展，除了将更多数据作为基础大模型的训练数据，针对应用落地，一是结合行业、领域高质量数据集建设，赋能行业及领域小模型的微调等后训练工作；二是建设行业、领域知识库，赋能大模型推理，减少幻觉；三是通过私域数据支撑人工智能私域应用。

这些都要求，一是数据基础设施和人工智能基础设施的融合建设，即在可信数据空间等数据平台上融合部署人工智能大模型，通过可信数据空间的安全可信场域，作为行业性、领域性或组织内部的私域，进行高质量数据集建设、知识库建设等，赋能人工智能的行业、领域以至组织内部的精准应用。二是基于这样的基础设施平台，加强数据产品的智能化，或通过面向任务的AI智能体建设，实现数据产品向智能体的升级，成为数据产品2.0。

这些行业、领域的融合基础设施建设、专有数据建设、专有知识库建设，仅有局部的数据是不够的，需要全国一体化数据市场，为AI大模型提供更高质量、更合规的数据燃料，才能有效实现大模型的应用落地，降低幻觉，提高模型泛化能力。

关于AI的发展会如何重塑数据价值的标准？首先，数据价值的标准并不在于AI，而在于应用市场，在于上述数据赋能AI、AI赋能数据产品（智能体）的应用落地上，从市场来评估数据价值。其次，通过数据产品智能化或AI智能体的落地应用，数据产品从1.0到2.0可以实现应用价值的提升，这可以说是AI重塑数据价值的体现。再有，AI为数据价值的计量提供了新的可能性。一般的数据计量会采用字节数、数据条数等方式，有了AI，也可以通过词元数进行计量。当然，这些主要都是流量方式的计量，难以完全准确的体现数据价值，特别是数据的内容价值，不过至少为市场增加了一种价值计量方式。

证券时报：随着市场成熟，您预测数据产业的商业模式将发生哪些深刻变化？是否会出现从“项目制开发”向“可复购的数据服务”的转变？这将催生数据领域哪些新兴业态发展？

董学耕：数据只有在应用中才能释放价值，数据产业的商业模式一定要围绕数据应用展开。数据价值化有“数据—数据平台—数据产品—数据应用”四要素，从数据到数据应用的唯一桥梁是数据产品，因此，数据产业的商业模式就是数据产品化。“搭平台、谋场景、做产品”是数据价值化的实现途径，也就是数据产业的商业模式。以往，局限于数据领域内部闭环运作的模式是不可持续的，而一定要落脚到数据产品化上面，这就是数据产业商业模式将要发生的深刻变化。

数据产品是直接服务应用场景并且要有数据嵌入才能提供服务的产品形式。数据产品化会有多种具体形式，例如各行各业的数据产品化，分析类的数据产品、个体化的数据产品等，也包括智能化的数据产品，包括大模型、AI智能体，进而也包括结合硬件的数据产品，例如具身智能等。这些都将成为数据产业商业模式的发展形态，产生丰富多彩的数据应用，极大释放数据价值。

在数据基础设施（数据平台）与人工智能基础设施相融合的趋势下，数据产品开发将爆发出极大的生产力。各类数据产品、智能体将出现爆发式的增长。而这些数据产品开发从“项目制开发”向“可复购的数据服务”的转变是必然的。这是因为有了融合部署的数据平台和人工智能平台，做数据产品开发就是基于大平台的微服务开发——这就是“大平台、微服务”的开发架构，可以针对应用场景需求，迅速开发数据产品给予响应。通过数据产品输出持续、稳定的数据服务，就是自然的数据产品服务形式。

数据产业的核心业态围绕“数据—数据平台—数据产品—数据应用”四要素和“搭平台、谋场景、做产品”的具体路径展开，包括数据供给产业（数据采集、数据治理、数据标注等），数据平台运营业（数据基础设施建设、数据生态体系建设、人工智能基础设施建设等），数据产品开发产业（数据产品、智能体开发生产服务等），数据应用业（各类数据应用服务、第三方服务、包括与实体经济的融合服务等），其中，数据产品开发产业是价值化的核心。

校对：陶谦