供得出、流得动、用得好 浙江求解数据要素资源化价值化

一小时具身智能训练数据叫价千元、百万元级数据包屡见不鲜……这是当下数据产业的火热叙事。但调查发现，数据产业链上下游呈现出明显的冷热不均。截至今年上半年，浙江已建成训练场和数据采集平台14家，但下游企业为数据买单的意愿却显冷淡，实际交易量较少。

供给侧火热、流通侧冷淡。一热一冷折射出行业的现实处境。数据作为第五大生产要素，其资源化价值化仍处于探索阶段。

浙江是国家数据要素综合试验区之一，在公共数据授权运营、数据知识产权登记、确权交易融资等方面率先探路。当前，AI崛起，数据要素已成为决定AI能力上限的关键变量。

作为数字经济大省，浙江有良好的数据产业基础，以及行业垂直领域海量的数据沉淀。唤醒沉睡资源，成为浙江加快打造人工智能创新发展高地的重中之重。

连日来，走访企业、平台以及相关政府部门，沿着数据“供给、流通、使用”三大环节，调查当下数据要素资源化价值化的真实挑战与破题之道。

高质量数据集联合实验室合作仪式。宁波市数据局供图

机遇已至：AI时代，数据有“价”

“数据对中国带来的推动，很像20世纪初电力对美国带来的推动。”中国工程院院士、之江实验室主任王坚十年前做过这样的判断。如今，大语言模型强势崛起，数据、算力、算法并驾齐驱。走访中能深刻感受到，数据作为核心生产要素，确实站上了AI时代叙事的中心。

“公开可用的高质量语料，几乎已被大模型吃干榨尽。”在浙江古珀医疗科技有限公司，创始人张强正与团队紧锣密鼓地筹划《慢阻肺分层数据集》的行业应用，目前已有多家模型厂商登门求购。

作为深耕医疗行业数据的“老兵”，张强感触颇深。在他看来，过去十年，古珀一直干着行业里的“脏活累活”，把散落于各医院、彼此孤立且格式各异的资料，逐一清洗、脱敏、归一化，转化为AI能消化的标准语料。“光一款阿司匹林，各家医院都有几十种标注方式，这些数据都要统一转化后才能用。”

过去，古珀这样的数据企业，需要拿着技术方案向客户反复解释“数据为何要治理”。现在取而代之的是另一个问题：如何释放数据价值？

这背后是全球AI发展的迅速推进。多位业内人士向记者谈到，过去几年，大模型依赖互联网开源文本预训练，现在这些数据已被消耗殆尽。据报道，美国AI巨头Anthropic甚至斥资数千万美元批量收购此前出版的纸质书，切除书脊、高速扫描，只为获取数据语料。

走访中看到，AI的现实需求正实打实地催热数据产业。杭州科创企业景联文科技这两年迅速崛起。“我们的目标，是做AI时代的数据基础设施。”公司首席技术官张梦轩说。

张梦轩的书架上，放着《石油简史》《深度学习》《数据资产化》三本书，恰似数据要素资源化价值化的演进。数据就像石油炼化，经过治理方显价值。深度学习，又持续不断燃烧着海量数据。

按照国家数据局的分类，用于人工智能训练的高质量数据集可分为通识数据集、行业通识数据集和行业专识数据集三类。当下，医疗、金融、法律、科学等垂直领域的高质量行业通识和专识数据，成为了影响模型能力的重要因素。

张梦轩说：“谁掌握了高质量的行业数据，谁就在AI的进化和应用中取得了先手。”

“浙江虽是传统资源小省，却具备成为数据资源大省、强省的巨大潜力。”王坚认为，词元（Token）是数据要素市场形成的重要标志，它让数据要素市场具备了运行的基础，标志着数据要素市场从理念走向现实。

过去十多年，浙江在数字经济的发展上积累了大量数据。全省有1164万户经营主体、400多万户中小微企业、700多家A股上市公司；也较早开始数字化改革，对公共数据和企业数据进行沉淀并应用。

在制度层面，浙江已出台《浙江省公共数据条例》等地方性法规，发布了全国首个省级层面公共数据授权运营的规范。8月，浙江省数据集团有限公司揭牌，全省数据资源开发利用和人工智能产业发展省级平台正式落地。

目前，浙江聚焦数据要素全产业链，培育壮大数商企业群体，引导企业积极参与数据共享应用。全省已选树两批次135家浙江数商，生态培育渐渐集聚成势。

杭甬双城数据产权战略合作签约现场。宁波市数据局供图

温差何来：供给端热，需求端冷

但宏观的产业叙事，落到微观商业主体，却不一定是相同景象。走访调研中的直观感受是，产业发展火热，企业实际体感有“温差”。

走进宁波一家机器人制造企业，篮球场大小的空间里，来自高校的10多名实习生正在操控机器人叠衣服、整理杂物，“主要采集数据，用于机器人大脑训练”。据介绍，不久前，该公司还发布工业具身智能数据平台和数据采集设备，投身数据业务。

走访中频繁遇见这样的数据采集训练场。有融资中的创业企业，也有化工起家的传统企业，还有实力雄厚的互联网大厂……它们纷纷入局，试图在数据产业上分一杯羹。

但实际商业化多数还是愿景，真正愿意为此买单的下游企业极少。中国信通院最近发布的《具身智能训练场研究报告（2026年）》指出，训练场的场景任务建设同质化、数据实际产能有限、数据可持续商业模式尚未形成。

“具身智能需要海量的数据，这是真实需求。但技术路线上还没有定论，下游买单意愿不足。”一家企业负责人提醒，前些年因自动驾驶兴起了一批数据标注企业，如今风口已过剩者寥寥。

深埋于传统行业的许多数据富矿，想要从中挖掘资源，不仅是技术上的问题，还有机制上的挑战。

以医疗赛道为例，这是国内外公认的高价值领域，但在数据供给这一环节就被卡住了。“我们考察的一家三甲医院有136套数据系统，都是自我独立的‘数据烟囱’。”张强反复提及一个词“壁垒”。加上医疗合规以及不同医院之间互不兼容的底层数据架构，海量珍贵的诊疗数据沉睡着。

“医院想把数据拿出来去训练行业模型，但是不会拿、不敢拿。”张强说，要把这些非标数据清洗脱敏、变成合规且可用的语料，需要一定的治理成本，但收益如何分配等现实问题，当下仍未有成熟的机制，这导致相关机构积极性不高。

而在数据流通环节，火热的行业氛围下，也有“冷空气”吹来。“近期国家发改委相关负责人表态机器人产业要因地制宜、健康有序发展。未来我们要更关注具身智能在真实场景中的数据需求。”浙江大数据交易中心有限公司负责人孔俊对记者说。

事实上，数据交易具有非标准化特性，比如，同样的医疗数据集，用于商业保险和新药研发的价值是完全不同的，很难像传统大宗商品一样在交易所挂牌待价而沽。

今年初，复旦大学发布的《“场内”数据交易机构缘何成效不佳》研究报告发现，全国各地建成的数据交易所“场内”交易实际成效普遍不佳，在缺少真实交易量的情况下，部分机构甚至不得不制造交易量。

供给、流通、应用等关键环节上的问题不解决，数据产业只是看起来很美，更多的经营主体望而却步，长久难以形成健康的生态。

破解之路：政府有为，市场有效

回顾浙江的改革史，涉及生产要素的改革，都需要经历艰难跋涉。但其中有一条经验主线可以借鉴，就是处理好“政府与市场”的关系。

今年5月，浙江省政府主要领导在专题研究数据要素资源化价值化工作时就明确要求，“坚持政府有为、市场有效”。

“欢迎来到数据要素市场化改革的‘小岗村’。”在温州数安港采访期间，这里的一名负责人如此介绍这片数据要素资源化价值化的试验田。

“改革仍在起步阶段。”他认为，数据要素改革就像当年的土地制度改革一样，会从最初的权属不清、无法流转，到逐步探索出确权授权、分类分级与交易规则，最终释放推动经济发展的庞大动能。

这两年，温州数安港通过一系列改革，推动数据安全高效流动交易。企业只需提交一次申请，就可以一次性办理数据产权登记、数据知识产权登记、数据资产登记以及数据安全合规评审四项业务，大幅压缩办理时限。温州数安港，已吸引超过1200家数据生态企业入驻，五年前这里仅有26家。

政府有为，关键在制度供给和基础设施建设；市场有效，就要放手让经营主体在具体场景中找商业路径。

今年，浙江覆盖医疗、地球科学、具身智能、时空地理信息、石化化工、文化旅游六大方向的国家人工智能应用中试基地亮相。其中有一个核心任务，就是系统推进高质量数据集和语料库建设，为广大经营主体提供专业化的场景，为数据资源化价值化找到出路。

有了场景，更关键的考验在于“流得动”，数据能从车间流向市场、从供给方流向需求方，需一套让企业敢流通、愿交易的技术和机制来保障。

宁波是制造业大市，相关企业的制造数据对推动AI走向产业应用非常关键。但企业因担心涉及商业秘密，参与数据流通交易或模型训练的意愿不强。

位于宁波的石化化工应用中试基地，探索出“不交易数据本身而共享模型价值”的数据流动模式。基地与企业合作开放应用场景和本地数据，共同训练场景模型，形成知识产权共享，产品应用后按照协议参与收益分配，既保护企业数据安全，也释放数据价值，提升企业积极性。

宁波市数据局相关负责人说，当地建立高质量数据集联合体，将龙头企业、科研院所作为上游供给方，与大模型研发、智能装备研发企业作为下游需求方匹配开展合作。目前，宁波已有30余家企业从事垂直大模型研发，6个通过国家备案。

数据供得出、流得动，最终要落脚到“用得好”。这需要激活各方力量，共同参与公共数据价值挖掘和创造。

走进余杭的海纳数据枢纽创新中心（杭州），这里有一句鲜明的标语：“一切数据Token化。”这里是一个集算力、模型于一体的数据加工厂。之江实验室和余杭区在此合作建立了“种子班”，让创业团队利用数据等资源，孵化打造垂类模型或智能体。

34名“种子班”的骨干边学边干，基于高质量数据底座、基础模型与三类垂域模型能力，依托杭州市开放的公共数据，构建智能选址、耕地优化布局、用地全要素识别、土地利用变化监测等遥感智能体。“整个平台出发点就是为了企业，通过数据资源化的方式为企业服务。”之江实验室发展战略与合作中心相关负责人说。

“未来的人工智能竞争，本质上是数据要素市场化配置能力的竞争。”王坚在浙江省数据集团挂牌成立时说。

采访中，数据交易所反映缺少交易，一些部门和国有企业则反映不拥有数据……站在数据要素市场化配置的角度看，确保安全和隐私的前提下，数据如何高效流到该去的地方，比数据有多少、在哪里交易更重要。

这也是未来改革的一大方向，最终要让数据在产业场景中产生真实的价值。