激活数据要素市场化配置改革动能，筑牢“人工智能+”行动发展基石

人工智能作为新一轮科技革命和产业变革的重要驱动力量，正加速与各行各业深度融合。近日，国务院印发《关于深入实施“人工智能+”行动的意见》（以下简称《意见》），提出强化“人工智能+”行动基础支撑能力，加强算力、算法和数据供给。这是我国抢抓新一轮科技革命和产业变革机遇、培育和发展新质生产力的重大战略部署。而数据作为新型生产要素，其规模和质量直接决定了人工智能技术所能达到的高度和深度。破解当前高质量数据供给不足的瓶颈，是“人工智能+”行动落地见效的首要前提。因此，加快培育一个能够实现数据价值发现、促进高效流通、保障合规利用的数据要素市场，是落实《意见》的关键举措和赋能智能新时代、构筑国家竞争新优势的战略基石。

一、战略契合：数据要素市场支撑“人工智能+”行动的内在逻辑

数据要素市场的发展与“人工智能+”行动的推进，并非两条独立的平行线，而是相互需求、彼此成就的共生关系。其内在逻辑体现在以下三个层面。

一方面，人工智能技术范式对高质量数据供给的内生需求。国家数据局局长刘烈宏提出，“‘人工智能+’到哪里，高质量数据集就建设到哪里”。本轮先进人工智能模型，特别是大语言模型的发展仍遵循着“缩放定律”（ScalingLaw）这一基本规律，即模型的综合能力与其训练数据的规模、质量和多样性直接相关。没有海量、高质量的数据“投喂”，再先进的算法也只是无源之水。数据显示，我国人工智能应用日均Token消耗量已从2024年初的1000亿激增至2025年6月底的超过30万亿，在短短一年半时间内增长了超过300倍。这种近乎无限的需求正催生巨大的数据市场供给缺口。可见，建立一个能够高效汇聚、治理并流通高质量数据的要素市场，是满足当前人工智能技术范式需求的必然选择。

另一方面，数据要素与人工智能形成双向赋能的“飞轮效应”。数据要素市场不仅是单向地为人工智能提供“燃料”，而是双方进一步形成一种双向赋能、相互促进、加速迭代的“飞轮效应”。一方面，高质量的数据要素是驱动人工智能应用性能跃升的关键。国家数据局数据显示，在对数据质量要求极为严苛的医疗健康领域，通过引入人工智能辅助标注的医学影像数据集，后续训练的疾病诊断模型准确率可提升超过15%。另一方面，人工智能应用也反向激发数据价值。据有关机构预测，未来合成数据将取代真实数据成为AI模型所使用数据的主要来源，这不仅能有效弥补真实数据供给的缺口，更能为数据要素市场注入持续的、高质量的源头活水。最终，当“数据要素+人工智能”这一强大组合的动能释放到实体经济中，将有效赋能千行百业，带来显著的生产力跃升，从而驱动形成飞轮效应，持续创造经济价值。

二、现实审视：我国数据要素市场赋能人工智能发展的机遇与挑战

在“人工智能+”的浪潮下，我国数据要素市场赋能人工智能已取得积极成效，在全球AI竞赛中展现出强大势能，产业、数据和场景优势日益凸显。

产业与市场活力持续释放。我国数据要素市场和人工智能产业已形成相互促进的良好态势。中国互联网络信息中心（CNNIC）数据显示，2024年我国人工智能核心产业规模已突破7000亿元人民币；同时，数据产业规模快速壮大，据国家数据发展研究院测算，2024年全国数据产业规模达5.86万亿元，同比增长15.8%，专业数据产品产值规模占比超过30%，产品和服务形态不断丰富。全国数据企业超40万家，专业化经营主体不断出现，产业吸纳就业能力稳步提升，市场活力不断增强，为“人工智能+”提供了坚实的产业基础。

数据资源基础不断夯实。我国数据资源总量实现跃升。国家数据局数据显示，2024年全国数据生产量达到41.06ZB，同比增长25%，增速较去年提高2.56个百分点；截至今年6月底，我国已经建设高质量数据集超过3.5万个，总体量超过400PB。随着人工智能快速发展，用于开发、训练和推理的数据量同比增长40.95%，智能家居、智能网联汽车等智能设备数据增速位居前列，分别为51.43%、29.28%，低空经济和机器人数据生产量增速超过30%。值得一提的是，我国国内主流大模型的训练数据中，中文数据占比已普遍超过60%，部分模型甚至高达80%，这为服务本土人工智能市场奠定了坚实基础。

应用场景优势深度拓展。我国超大规模市场和复杂多样的社会经济环境，为人工智能模型的训练、迭代和优化提供了全球独一无二的“试验田”和“练兵场”。这种优势正从消费端向产业端和社会治理端全面渗透，形成强大的“场景驱动”效应。在ToC（消费）领域，我国拥有全球最大的网民和移动支付用户群体，催生了电商、社交、短视频等海量数据智能应用场景。在ToB（产业）领域，我国作为全球唯一拥有联合国产业分类中全部工业门类的国家，正加速“人工智能+新型工业化”进程。在智能制造领域，已建成超过万家数字化车间和智能工厂；在自动驾驶领域，全国已开放智能网联汽车测试道路超过3.2万公里，测试里程累计超过1.2亿公里，复杂的路况和海量的真实路测数据是训练和优化自动驾驶算法模型的关键优势。