文章核心观点 - 全国数据工作会议将2026年定为“数据要素价值释放年”，标志着数据要素市场化配置改革进入价值创造与验证的关键新时期，2026年数据要素价值规模化释放完全值得期待 [1] - 建设全国一体化数据市场是破解数据要素价值释放难题、充分发挥市场优化配置资源决定性作用的必由之路 [1][7] - 数据产业的商业模式将围绕“数据产品化”发生深刻变化，从“项目制开发”向“可复购的数据服务”转变，并与人工智能基础设施融合，催生数据产品2.0和智能体等新兴业态 [15][16] 对“数据要素价值释放年”的解读与期待 - 将2026年定为“数据要素价值释放年”意味着前期在制度建设、平台搭建、场景谋划和产品开发上的积极探索已积累到量变到质变的关键时刻 [3] - 政策层面已铺平道路，例如2024年底至2025年初国家数据局连续出台数据产业、企业数据资源、公共数据授权运营、数据基础设施建设等一系列政策 [3] - 可信数据空间试点推动了“搭平台”热潮，数据要素×大赛及场景清单推动了“谋场景”实践，各地数据交易所、平台企业和数据商在“做产品”上发挥了先锋作用 [3] - 当前是“万事俱备，只欠东风”，全国数据工作会议吹响了进军号，期待2026年数据要素价值释放能够规模化爆发 [4] - 判断“数据要素价值释放年”是否成功，应聚焦价值指标，建议从微观企业数据产品产生的现金流，以及产值、增加值、销售额、市值等指标去定义和衡量数据产业的价值释放成效 [5] 全国一体化数据市场的意义与建设路径 - 建设全国一体化数据市场旨在打破地域、行业界限，实现数据要素在全国范围无障碍地“供得出、流得动、用得好、保安全” [7] - 关键性基础建设包括：建立全国性互联互通的数据基础设施（平台）、全国统一的数据相关标准体系、全国一体化的数据互操作规范、鼓励数据商发展、在可信数据平台基础上通过谋场景和做产品实现数据价值 [7] - 全国一体化数据市场能带来的益处包括：让分散不出域的数据在全国自由流动，优化资源配置；让数据商获得空前市场空间，开发更多更好的数据产品和服务；充分发挥数据要素的规模效应（边际规模递增）、范围效应、乘数效应以及对其他要素的带动引领作用 [8] - 构建全国一体化市场的基石是“五统一、一开放”，即统一数据产权、统一数据流通、统一数据交易、统一数据安全、统一数据治理，实现数据市场的开放共享和安全可控 [8] - 实践层面，需积极总结各地各行业在统一制度、平台、标准、元数据、认证等方面的经验，提炼共性，鼓励跨地域跨行业的规则与平台互通；同时发挥国家层面行政、行业组织、标准化组织等的作用，推动全国一体化的制度、规则、标准、确权体系、登记体系、元数据体系、认证体系及平台互通建设 [9] 从数据资源到数据产品的转变 - 对于公共数据持有者（政府部门），需落实责任驱动、绩效驱动原则，将数据共享、开放及授权运营作为责任，加强考核监督，激励先进 [11] - 对于数据资源富集的大型企业等市场主体，需落实市场驱动、利益驱动原则，兼顾社会责任，具体措施包括：通过有偿使用鼓励释放数据；通过“数据可用不看见”等技术手段保护数据持有权；鼓励公开元数据以便数据商发现和调用；让相同功能的元数据形成竞争和价格机制，降低使用成本 [11] - 通过市场机制，鼓励对市场高频使用的数据开发共性的数据原子能力（数据中间产品），以改善数据供给 [12] - 预计最先成熟并规模化供给的数据产品包括：不涉及涉私数据的分析类数据产品（如气象数据产品、统计分析可视化产品）；以及市场利益驱动力较强的领域数据产品，如金融和医疗行业数据产品 [12] 数据与人工智能的相互赋能 - 高质量数据集已成为人工智能发展的关键，数据赋能人工智能发展主要体现在：结合行业高质量数据集赋能领域小模型的微调；建设行业知识库赋能大模型推理，减少幻觉；通过私域数据支撑人工智能私域应用 [13] - 实现上述赋能需要数据基础设施与人工智能基础设施融合建设，例如在可信数据空间等平台上融合部署AI大模型，利用其安全可信场域建设高质量数据集和知识库，赋能精准应用 [13] - 基于融合基础设施平台，可加强数据产品的智能化，或通过面向任务的AI智能体建设，实现数据产品向智能体升级，成为数据产品2.0 [13] - 全国一体化数据市场能为AI大模型提供更高质量、更合规的数据燃料，有效促进大模型应用落地，降低幻觉，提高泛化能力 [13] - AI的发展为数据价值计量提供了新的可能性，例如除了传统的字节数、数据条数，也可通过词元数进行计量，但这仍是流量方式，难以完全体现数据的内容价值 [14] 数据产业商业模式的演变与新兴业态 - 数据产业的商业模式将围绕“数据产品化”发生深刻变化，核心路径是“搭平台、谋场景、做产品”，必须落脚到数据产品化，而非局限于数据领域内部闭环运作 [15] - 数据产品化形式多样，包括各行各业的分析类、个体化数据产品，以及智能化的数据产品（如大模型、AI智能体）和结合硬件的产品（如具身智能） [15] - 在数据基础设施与人工智能基础设施融合的趋势下，数据产品开发将基于“大平台、微服务”架构，从“项目制开发”向“可复购的数据服务”转变成为必然，可以针对场景需求迅速开发产品并提供持续稳定的数据服务 [16] - 数据产业的核心业态围绕“数据—数据平台—数据产品—数据应用”四要素展开，包括：数据供给产业（采集、治理、标注等）、数据平台运营业（基础设施建设、生态体系建设等）、数据产品开发产业（产品与智能体开发生产服务）、数据应用业（各类应用服务及与实体经济融合服务），其中数据产品开发产业是价值化的核心 [16]