（问题）近年来，人工智能快速迭代，但产业落地中仍遇到“数据供给不足、流通不畅、质量不稳、合规成本高”等瓶颈。一些行业数据分散在不同主体手中，标准不统一、接口不互通，难以沉淀为可复用的数据资产；部分企业即便掌握数据，也因权属边界不清、合规要求不明确、隐私保护压力较大而“不敢用、不会用”。数据既是技术创新的关键变量，也成为产业化绕不过去的关口。 （原因）上述矛盾的根源，一上于数据基础设施和公共服务能力仍需补齐，全国一体化数据市场建设仍在加速推进；另一上，数据从采集、治理、标注到共享流通、授权运营链条较长，缺少统一规范容易推高成本并带来外溢风险。同时，人工智能大模型、行业模型对高质量数据集的依赖更强，数据质量、时效性和场景匹配度直接影响训练效果与应用可靠性。安全层面，个人信息保护、重要数据管理、跨域流通等问题交织，需要发展与安全之间形成更清晰、可操作的制度安排。 （影响）国家数据局提出将2026年定为“数据价值释放年”，并部署六大专项行动，发出以数据要素带动技术创新、以应用场景推动产业升级的明确信号。其现实意义在于：通过增强数据供给能力与流通效率，降低人工智能研发和应用的“数据门槛”，推动更多行业从试点走向规模化；通过强化标准规范与安全治理，稳定市场预期，促进数据要素在更大范围内合规使用、可信流通。对工业制造、现代农业、医疗健康、教育服务、交通出行、金融服务等重点领域而言，高质量数据的稳定供给有助于提升模型训练效果与系统可靠性，推动降本增效、优化管理，并提升公共服务的可及性。 （对策）从部署看，六大专项行动覆盖数据要素从“供给—治理—应用—监管—价值实现”的全链条。 一是“强基扩容”，聚焦数据基础设施和平台体系完善，打通汇聚、交换与共享机制，为跨地区、跨部门、跨行业流通提供支撑能力。 二是“标注攻坚”，围绕训练需求提升标注规模与质量，推动形成可复用的行业数据集，缓解高质量语料和专业数据不足。 三是“提质增效”，加强数据治理与质量管理，提升清洗、脱敏、结构化等能力，减少“不可用、难解释”等问题。 四是“应用赋能”，以需求牵引场景落地，鼓励围绕产业痛点形成可复制、可推广的解决方案，推动从“技术供给”转向“价值产出”。 五是“管理服务”，完善规则体系与公共服务供给，推进标准规范、流程指引和服务能力建设，降低企业合规与对接成本。 六是“价值释放”，拓展数据要素市场化配置路径，完善数据资源向资产、资本和生产力转化的机制，形成更可持续的投入产出闭环。 在安全与治理上，涉及的部署强调依法合规用数，强化个人信息保护与数据安全管理，推动在制度框架下实现“可用不可见、可控可追溯”，为产业创新留出空间，也回应公众对隐私保护关注。 （前景）业内人士认为，把“数据价值释放”作为年度工作主线，意味着产业竞争将更多转向数据治理能力、场景理解能力和工程化交付能力的综合比拼。未来一段时期，人工智能的发展重点或将从单纯追求模型规模，转向在重点行业沉淀高质量数据集，形成稳定可控的行业解决方案与服务体系。随着全国一体化数据市场建设提速，以及数据基础设施和公共服务体系逐步完善，中小企业也有望通过行业数据集、工具链与公共平台获得更多创新机会，在细分领域形成差异化能力。同时，面向公共服务、民生保障与产业升级的应用将继续扩围，推动技术进步更快转化为现实生产力。
把2026年明确为“数据价值释放年”，传递出以数据要素带动产业变革的清晰信号；数据的价值不在“沉睡的存量”，而在“可信的流动”和“有效的应用”。在规则更清晰、基础更扎实、场景更丰富的条件下，推动数据与产业同向发力，既能加快培育新动能，也能以更高水平的安全治理保障高质量发展。真正的考验在于：能否让数据价值释放与安全治理同步推进，让技术红利更公平、更可持续地惠及经济社会发展。