文|孟天广

大数据是生成式人工智能技术革新的基础要素。

近期发布的《国务院关于深入实施“人工智能+”行动的意见》（以下简称《意见》）提及“加强数据供给创新”，并从高质量数据集建设、数据产权和版权制度、加强数据供给激励、产业生态建设四方面予以回应。

在我看来，相关措施落地将有助于激发数据供给活力。同时，也需挖掘数据需求侧的潜力，实现数据发展的供需匹配及平衡。

人工智能应用加速，呼唤高质量数据

不管是通用模型开发，还是专用模型开发，抑或人工智能的社会化应用，都离不开数据要素的支持。

一是通用模型的研发，比如DeepSeek、ChatGPT等基础模型的训练和迭代都离不开海量多源数据的获取和利用。

二是从人工智能的社会化、产业化应用来看，特定行业需要进行专有模型开发，如法律行业等行业垂类大模型。而专用模型开发的前提是建设大量高质量数据集，如特定行业的专用语料库、数据库、知识库等。

三是人工智能应用过程需要和社会的价值规范、法律规则、伦理道德等进行对齐（让大模型的输出内容、推理过程和决策逻辑，与人类社会的价值观保持一致），这一过程也需大量高质量标注数据。

近年来，我国政府加快推进数据要素治理体系建设，形成了分类推进数据开发利用的总体思路，出台了多个政策文件，以公共数据和企业数据开发利用为突破口，加速推动数据要素价值释放，取得了突出成效。

当然，面对生成式人工智能创新发展的迫切需求，数据供给层面仍存在若干需要改进之处。

通用模型开发过程中仍存在数据孤岛问题，部分数据处于不交换、不共享、不开放的状态。很多大模型公司自建数据集、依赖自有数据开发模型，导致通用模型开发受到数据类型、维度和体量的限制。

用于专用模型研发的高质量数据集，譬如行业性、场景化专用数据库、语料库，目前仍然存在供给不充分、质量参差不齐等挑战。随着人工智能产业化、社会化应用落地的加速，这一部分的需求也在持续增加。

数据流通交易和价值释放不充分。现阶段我国已经积累了丰富的数据资源，也形成了数据要素治理框架，但数据要素价值释放的商业模式、产业生态仍亟须探索和拓展，尤其是如何有效激发数据持有、加工使用和产品经营主体的积极性和创造性仍需机制创新。

多措并举，激发数据供给积极性

高质量数据集的规模和质量直接决定了数据集的应用价值。如何有效建设高质量数据集，成为当前关注重点。

在我看来，一是加强政策引导，培育数据要素型企业，围绕数据要素的全流程加工，深度挖掘培育新型经营主体，尤其要大力支持服务多元应用场景的中小微企业，激发数据要素型企业建设高质量数据集的积极性。

二是大力发展数据标注产业。数据标注是将原始数据转化为可识别、可训练、可计算的关键环节，使原本非标数据转化为可流通的数据产品，这正是构建高质量数据集的关键路径。

三是加快发展智能数据标注生态。模型性能的提升与标注数据质量正相关，这种依赖关系随着模型复杂度的增加而愈发显著。智能数据标注快速发展将会带来数据标注效率和质量的极大提升。

数据产权和版权制度也是当前产业界关注的热点。

从数据产权来看，数据二十条（指《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》）提出数据资源持有权、数据加工使用权、数据产品经营权三权分置的产权运行机制。数据资源持有权是数据要素深度加工、流动交易和开发利用的前提，有必要在体制机制上理清数据持有权的界定规则、认定条件和利用机制，进而激励数据持有者通过市场机制释放数据价值。

涉及版权制度，生成式人工智能的兴起使得知识型数据的价值得到极大提升。版权、知识产权、学术文献、标准规范等均是典型的知识型数据，此类数据的利用要兼顾开放利用和保护创新。

当前数据要素价值释放主要通过两种方式，即传统的供需磋商定价和较为简便易用的成本核算。数据供给激励方面，《意见》提及“探索基于价值贡献度的数据成本补偿、收益分成等方式”，和数据二十条确定的“谁投入、谁贡献、谁受益”原则一脉相承，有助于提高企业参与数据要素市场的积极性，推动数据产品和服务多样化供给。

明确需求侧诉求，实现数据供需匹配

需要看到的是，数据供给发力之外，数据需求侧也需发力。当前，数据产业发展存在供需不匹配情况，其核心在于数据需求不清晰、开发不充分、匹配不精准。因此，供应侧发力加快数据产业发展的同时，需求侧也应发力。

一是精准供给政策组合。相关部门应进行大量调查研究，切实了解行业需求、应用场景和供需关系，释放需求侧动力倒逼高质量数据集建设，实现数据供需匹配。

二是释放政策红利。面向不同规模、场景和领域的数据要素型企业，提供政策、人才和资本等精细化政策扶持，发挥行业龙头企业、平台企业创新引领作用，培育大量的中小微企业释放市场需求。

三是构建数据产业生态。以数据要素作为核心资源，将数据要素型企业与制造业、农业、服务业、金融业等多行业企业串联起来，形成数据+产业链、产品链、价值链，持续完善生态构建，推动数据价值释放。

四是提炼典型商业模式。无论是数据要素型企业还是人工智能企业，当下迫切需要凝练成熟的商业模式。让市场来检验数据产品、服务乃至大模型产品的经济价值和商业模型，才能推动产业可持续发展。

（本文作者系清华大学数字政府与治理研究院副院长、教授，由本刊记者郑雪采访整理）