中国科学院自动化研究所、北京通用人工智能研究院坐镇学术端，光轮智能、星海图、自变量负责技术和数据基础设施，京东集团代表应用场景，石景山人形机器人数据训练中心和北京人形机器人创新中心则直接管“数据生产”。没有统一的采集、标注、质量和训练标准，数据既没法流通，也没法重复利用。更麻烦的是，各家采各家数据，格式不统一，模型训练根本没法复用。说白了，数据局不直接下场采数据、训模型，做的是定规则、搭平台、促流

当数据要素从政策文件走入产业一线，一场关于“乘除”的博弈已然展开。“数据要素×”是打破边界的乘数效应，用数据融合激活万亿产业潜能；“数据要素÷”则是破除壁垒的减法思维，剔除冗余、打通梗阻，让数据高效流转。2026年，数据要素改革的成败，从不取决于政策厚度，而在于场景落地的深度——唯有让数据在具体场景中既做“乘法”放大价值，又做“除法”精简成本，才能完成从资源到资产的关键一跃，而这一切的核心支撑，正

当金融机构因跨区域数据核验受阻导致信贷审批周期拉长，当工业企业无法共享产业链上下游数据错失产能优化机遇，当政务数据分散在不同部门形成“信息孤岛”——这一系列数据要素流通的痛点，正在成为制约数字经济高质量发展的“断头路”。2026年作为数据要素价值释放的关键之年，“一地挂牌，全网互认”的改革信号持续释放，一场旨在终结数据交易地方割据的攻坚战已然打响，全国统一大市场的建设进程正在重塑行业格局。

在数字经济的未来图景里，数据作为核心生产要素，高效流通与价值释放是产业蝶变的核心逻辑。未来的数据空间会是一个更具协同性与安全性的“数字枢纽”。它不再是单一的技术工具，而是经过从打破“数据孤岛”到构建可信流通体系的演进，成为深度激活数据要素价值、有力推动数字经济升级的核心支撑，让数据在安全且高效的环境中，持续为数字经济发展赋能。

大模型训练对数据的需求呈现指数级增长态势。GPT-4训练过程中消耗约13万亿tokens语料，而传闻中GPT-5的训练数据需求或将达到200万亿tokens，该数值相当于当前互联网公开文本总量的数倍。Epoch AI研究发布的预测显示，全球高质量文本数据将在2028年面临枯竭。在AI产业竞争中，算力可通过资本投入采购，算法能够借助技术研发持续优化，但高质量、合规且多样化的训练数据已成为稀缺战略资源

依托词元构建的城市算力超市，正在打通算力供给、调度、交易、应用全链条，破解长期困扰行业的计价混乱、资源闲置、成本不可控难题，推动AI算力从零散技术服务转变为标准化、普惠化数字公共要素。在此背景下，多地城市级词元（Token）超市集中上线，以词元作为统一计量标尺，重塑AI算力分发、调度与计费全链路逻辑。算力已成为地方数字经济招商引资核心生产要素，逻辑对标传统土地、能源招商政策，但算力资源不受地理区位

方案》以“需求牵引、急用先行、应用验证、安全保障”为主线，依托六大专项行动，搭建数据供给、加工、质控、应用、治理、价值释放的全闭环体系，有效破解我国AI数据领域供给零散、质量参差、数模脱节、价值模糊等行业顽疾，为新质生产力培育、未来产业布局筑牢数据根基。针对低空经济、具身智能、智能驾驶、生物制造等前沿赛道数据稀缺、场景复杂的痛点，《方案》将新兴领域纳入核心建设范畴，通过专业化数据工程建设，打造适配

大模型训练对数据的需求呈现指数级增长态势。GPT-4训练过程中消耗约13万亿tokens语料，而传闻中GPT-5的训练数据需求或将达到200万亿tokens，该数值相当于当前互联网公开文本总量的数倍。Epoch AI研究发布的预测显示，全球高质量文本数据将在2028年面临枯竭。在AI产业竞争中，算力可通过资本投入采购，算法能够借助技术研发持续优化，但高质量、合规且多样化的训练数据已成为稀缺战略资源

首先，技术“卡脖子”仍是最大短板，我国高端算力芯片、核心算法等关键领域仍依赖进口，若不能加大研发、突破瓶颈，即便建成硬件体系，也可能陷入“有硬件、无核心”的被动，难以实现自主可控。我们既要肯定其战略价值与积极意义，也要正视面临的挑战与隐忧，通过强化技术研发、培育专业人才、完善监管体系、优化资金使用效率，推动AI基建高质量发展，让其真正成为驱动高质量发展的核心动力。长期来看，若能破解技术、人才、监管

我国数据治理进入新阶段，国家数据局构建起覆盖企业数据与公共数据的双向治理体系，通过标准体系、安全技术融合、人才建设与国际合作四大维度推动数据要素市场化配置。企业数据治理聚焦能力建设与制度落地，公共数据治理以标准化破解共享难题；技术创新实现全生命周期安全治理与远程可信治理；标准体系与人才培养提供基础支撑；国际数据治理合作司的设立标志着我国从国内治理向全球治理的战略升级，参与国际规则制定，推动中国治理