2026年，作为“十五五”规划的开局之年，也是“数据要素×”三年行动计划的收官之年。如果说过去几年，我们更多地是在探讨数据作为新型生产要素的理论内涵与制度框架，那么站在当下的时间节点，一股更为务实的浪潮正扑面而来。

　　人工智能技术，尤其是Agentic AI的爆发式演进，让数据不再是沉睡在服务器里的“矿石”，而是可以直接用于大模型训练、驱动智能体决策、赋能实体经济的“燃料”。

　　然而，一面是算力需求的指数级增长，另一面却是较低的数据留存率，以及普遍存在的数据孤岛与高质量语料稀缺等结构性难题。如何破解这些矛盾，让数据从汇聚走向价值，成为了今年第九届数字中国建设峰会“释放数据要素价值，构筑智能时代新底座”数据要素分论坛上，共同聚焦的核心命题。

　　本次论坛，各方专家针对数据要素如何供得出、流得动、用得好、保安全进行了深度实践复盘。华为及其生态伙伴通过一系列落地案例和基础设施创新，清晰地描绘出一条从“存力中心”到“AI数据工厂”，再到“可信数据空间”的数据价值变现路径。

　　从“存数”到“治数”：重构基础设施逻辑

　　在论坛的诸多演讲中，一个显著的概念升级引人注目：“存力中心”正在向“AI数据工厂”快速迭代。这并非文字游戏，而是数据时代基础设施逻辑的根本性转变。

　　华为分布式存储领域杨文道指出，当前，数据中心架构正从“以算力为中心”向“以数据为中心”转变。在Agentic AI新时代，数据的价值不仅是存储，更在于清洗、标注、融合与流动。他提出了数据基础设施演进的三个关键步骤：聚数破孤岛、治数促融合、用数智协同。

　　为此，华为推出了AI数据湖解决方案，通过一套架构实现“存好数、治好数、用好数”的闭环。其核心在于，通过OceanStor Pacific全闪分布式存储等硬件降低海量数据存储的能耗与成本，再通过开源开放的AI工具集实现自动化标注与治理，最后依托全局数据管理技术实现可信跨域流通。

　　这一思路在霸州数据要素产业园的实践中得到了鲜活的印证。据专家介绍，霸州依托紧邻雄安、7分钟可达的区位优势，规划投资建设100PB以上高性能存储的存力中心，并以此为基础运营“一个全场景可信存力底座、四大数据工程能力中心、三类可信空间和N个行业应用”的“143N”架构。

　　值得注意的是，霸州并没有止步于数据存储的“仓库”角色，而是迈向了“AI数据工厂”的样板间建设。例如，在家具产业的应用中，他们汇聚电商平台与行业协会数据，精准推导设计趋势，帮助传统家具企业破解“设计盲、成本高、产能散”的难题。

　　这标志着，数据基础设施正从单纯的“囤数据”转向面向特定场景生产“可复用数据集”的精加工阶段。

　　“可信数据空间”：打破“不愿、不敢、不能”的流通壁垒

　　如果说存力中心是骨架，那么“可信数据空间”就是保障数据安全流动的血管。论坛的高频词汇：“可信”，直指当前数据流通的核心痛点。

　　华为混合云政府行业总经理牛峰凯展示了华为在筑牢可信底座上的技术积淀。据介绍，基于华为自身在数据要素方面的积累和对客户业务的探索和实践，华为构建起政务数字基础设施解决方案，通过多模数据服务、数据开发治理和数据要素可信流通等关键能力，助力解决高价值数据共享难、模式单一的困境。

　　其中，数据胶囊技术能对GB级文件实现秒级切片的高性能密态传输，而分布式沙箱则实现了数据加工不出域。这种可用不可见的能力，在江苏南通家纺行业的实践中结出了硕果。

　　针对家纺行业画稿设计高价值数据易泄露、盗版频发的痛点，华为与南通高新集团共同推进家纺行业的数据空间创新，将分散在千家企业的设计素材等数据汇聚成安全、高质量图库，让4000多家企业享受安全的数据交换服务，有效避免了产权纠纷和盗版损失，促进了产业创新。

　　不止工业制造，可信数据空间还深入城市治理领域，重构数据持有者之间的信任关系。贵州数据宝网络科技有限公司董事长汤寒林指出，仅靠单个城市的数据难以满足市场对全国性数据的需求，因此必须借助专业运营能力将数据资源网络化。

　　为此，他提出数据宝模式，其是依托华为的底层技术与自身的多年来数据价值挖掘和运营经验沉淀而来，有效打通了数据从原材料变成商品并满足市场需求的完整路径。同时，贵州数据宝网络科技甚至探索出纯数据资产ABS（资产证券化）的准IPO融资路径，为地方平台公司提供了一条投入变资产、资产变资本的飞跃式发展通道。

　　汤寒林的观点揭示了数据流通的本质：不仅要解决技术上的能不能，更要通过市场化运营解决愿不愿的问题，让数据持有方真正从流通中获利。

　　实数融合：从场景中来，到产业中去

　　纵观整场论坛，一个共识已经形成：数据要素的生命力在于赋能实体经济。离开场景谈数据价值，无异于纸上谈兵。论坛所呈现的案例，无一不是将数据要素与特定行业的具体痛点深度耦合。

　　在食品安全领域，霸州存力中心利用其覆盖京津冀80%以上蔬菜供应的中央厨房地位，建立了覆盖食品供应链全链条的数据汇聚机制，形成标准化可溯源的食品安全数据湖。据介绍，通过汇聚从果蔬、畜牧供应到中央配送、学校食堂的全链路数据，并利用大模型技术进行分析，霸州实现了全流程透明化、全过程AI化，完成了食品安全治理从“事后补救”到“事前预警”的质变。

　　在智能汽车领域，华为分享的实践表明，通过构建热温自动分级的数据湖，以及百亿数据的秒级查询，车企能够加速模型训练，从而提升自动驾驶精准度，缩短研发周期。

　　合肥大数据资产运营有限公司总会计师、正高级审计师韩苹，则从城市群规划的宏观视角印证了这一趋势。

　　作为全国优秀的以都市圈为单元的数据要素改革试点，合肥构建了“超算、智算、量算、新算、通算”五算协同的体系，并累计打造54个、总量达21PB的高质量数据集，在医疗健康、工业制造等领域实现了数据资产的规模化应用。

　　从长三角到京津冀，从食品加工到汽车制造，“数据要素×”的乘数效应正在通过一个个具体的产业场景释放出来，真正实现了“实数融合”。

　　笔者观察：价值释放的关键在于生态协同与标准落地

　　本次数据要素分论坛，其最大的亮点在于务实。无论是华为推出的AI数据湖解决方案，还是地方政府的试点分享，都表明我国数据要素市场建设已渡过顶层设计的初级阶段，进入深水区。

　　然而，我们仍需清醒地看到挑战。一方面，高质量数据集的产权界定、定价机制和跨境流动规则尚待进一步明晰，这直接制约着数据资产化的规模。另一方面，尽管可信数据空间的技术方案日趋成熟，但跨行业、跨地域的数据标准统一仍然任重道远。正如多位嘉宾所言，没有统一的标准，数据对接成本高昂，高效流通便无从谈起。

　　此外，生态协同至关重要。正如华为政务一网通军团MKT与解决方案销售总裁邹思轶在论坛中所强调的“华为+伙伴”开放发展理念，从数据宝的运营能力，到首都信息的政企服务经验，再到各地数据集团的本土深耕，一条完整的产业链条正浮出水面。未来的竞争，不再是单一产品或技术的竞争，而是“基础设施提供商+技术开发商+数据运营服务商”生态体系统战力的较量。

　　当数据真正成为流动的、可标准复用的、安全可信的“AI语料”，其赋能实体经济的巨大潜力才能得到彻底释放，真正为“十五五”时期的数字中国建设构筑起无远弗届的坚实底座。