当前，人工智能技术发展热度持续高涨，但其垂直领域的实际应用效果与预期存在明显差距。北京市人大代表涂锟在接受采访时指出，该现象背后反映出一个深层次的技术瓶颈：高质量数据的严重不足。 涂锟分析认为，互联网公开数据经过多年充分挖掘，已难以满足大模型深入优化的需求。，真正具有高业务价值的垂直领域数据大多沉淀在各行业机构内部，尚未形成有效的流通机制。这种数据供给与需求的错配，直接导致大模型在医疗、金融、自动驾驶等专业领域的应用准确性不足，难以满足实际业务需求。 数据流通受阻的根本原因在于制度层面的多重障碍。涂锟指出，数据的合规高效共享面临确权困难、价值评估缺失、利益分配机制缺位等诸多挑战。这些问题相互交织——形成了数据流通的制度壁垒——阻碍了数据要素市场的健康发展。 为破解这一难题，涂锟提出建立"数据制度试行区"的创新方案。该方案的核心思路是推进数据制度试验与数据创新实践相结合，围绕数据产权界定、流通交易规则、收益分配机制和安全治理等关键环节，建立包容审慎的柔性监管模式。 具体而言，试行区可在自动驾驶、医疗健康等具有明确应用场景的领域率先试点。通过"边实施、边修订"的方式，形成"制定—实践—总结—反馈—修订"的快速良性循环。这种动态调整机制能够在实际运行中不断发现问题、解决问题，逐步建立起既切实可行又有效保障的数据制度体系。 在数据质量标准化上，涂锟建议围绕数据全生命周期、全产业环节，开展数据资产登记、人工智能数据集质量评估等标准的建立和试点工作。通过标准引领，推动各专业领域高质量数据集的构建，同时鼓励创新试验区内的数据跨域、融合应用探索。 这一构想的实施还将带动产业链的完善和就业的创造。数据预处理环节的产业化发展，包括数据清洗、标注、质量评估等工作，将形成新的就业形态与经济链条。以建设"行业高质量数据集"为切入点，可进一步推动数据治理、数据评估、数据标注、数据安全隐私保护、可信数据空间建设等基础服务的规模化、产业化发展。 涂锟强调，该构想可以"先行动、后完善"。通过实际运行暴露问题，逐步反向推动法律法规、监管标准与市场机制的配套建设。这种从实践出发、循序渐进的改革思路，既能有效降低制度创新的风险，又能确保改革方向的正确性。
数据作为新型生产要素，其价值释放需要制度创新的支撑；涂锟代表的建议为破解数据流通难题提供了实践路径，表明了北京市在数字经济领域的探索精神。如何在保障安全与隐私的前提下激活数据潜能，需要政府、企业与社会各界的共同努力。这个议题的推进，有望成为中国数字化转型的重要里程碑。