问题：从生成式应用走向产业深水区，数据成为决定人工智能成效的关键变量。
随着算法、算力加速迭代，能否获得合规、安全、可用、可持续的高质量数据，直接影响模型训练质量、行业落地效率和创新边界。
现实中，高质量数据供给不足、数据流通交易不畅、数据与产业应用衔接不紧等问题仍较突出，制约“智能经济”进一步释放动能。
原因：一是数据长期分散沉淀在部门、行业与企业内部，标准不统一、质量参差不齐，难以直接用于训练与推理，形成“有数据、缺数据集”的结构性矛盾。
二是确权、授权、定价、收益分配等基础制度仍在完善过程中，供需双方对“能不能流通、怎么流通、出了问题谁负责”存在顾虑，导致交易成本偏高、信任不足。
三是数据治理与产业需求之间存在“最后一公里”断点：懂业务的缺乏数据工程能力，懂数据的又不掌握场景痛点，数据供给与模型能力难以形成闭环，优质数据难以快速转化为可规模化应用的产品与服务。
影响：上述瓶颈不仅影响模型性能与行业应用效果，也会抬高企业研发投入和合规成本，延缓传统产业数字化、智能化转型进程。
更重要的是，数据要素市场若缺乏统一规则和跨区域互认机制，容易形成新的“信息孤岛”和“市场分割”，不利于全国统一大市场建设，也会削弱在国际竞争中形成体系化优势的能力。
对策：围绕政府工作报告部署，全国人大代表、中国移动上海公司董事长楼向平提出，聚焦数据要素高效率配置，在部分地区探索“数据要素与人工智能一体化发展”创新试点，建设面向人工智能产业的数据要素新型试验区，以制度创新与技术创新协同破题。
在制度层面，可探索数据要素目录化管理和使用权开放机制，推动跨区域、跨行业互信流通；选择具备条件的企业先行开展目录开放试点，逐步实现城市间目录互通；同时完善跨境数据流通监管规则，在安全可控前提下提升国际合作与产业链协同效率。
在技术层面，以大模型训练所需语料和高质量数据集为突破口，探索面向语料数据的安全流通技术体系，提供脱敏、去标识化、差分隐私等工具，降低合规门槛和流通风险；建设面向公共数据、科研数据和企业生产数据的“智能数联网”式基础能力，推动合规融合、区域共享与可追溯管理，让数据“供得出、流得动、用得好、管得住”。
前景：面向“智能经济”发展趋势，楼向平进一步提出以“数据要素新基建”打通全链路的思路：一方面，打造国家级高质量数据供给高地，依托重点区域建设高质量数据集创新基地，促进产业数据、科研数据和公共数据在合规前提下融通，优先形成重点行业数据供给能力，并逐步沉淀“好数据”的质量标准与工程规范；另一方面，构建数据与产业融合的综合枢纽，搭建数据集创新与流通平台，提升行业数据标准化、语料标注、共建共享与安全审查能力，形成既能“直接调用”又支持“组合创新”的服务体系。
通过建立“数据—模型—场景—产业”一体化供给模式，推动金融、医疗、制造等领域形成可复制的解决方案和应用范式，带动更多地区按图索骥、加速落地。
数据要素市场的建设是一项系统工程，需要在制度创新和技术突破上同步推进。
从"沉睡"的数据到驱动智能决策的"燃料"，这一转变过程考验的是我们对数据价值的认识深度和配置能力。
通过建立科学的数据供给体系、完善的流通机制和有效的协同生态，我们有望打造出真正高效运转的数据要素市场，为智能经济的蓬勃发展提供坚实支撑，进而在新一轮全球竞争中赢得主动权。