高质量数据集建设进展 - 截至6月底国内已建设高质量数据集超过3.5万个，总容量达400PB（相当于中国国家图书馆数字资源总量的140倍）[2] - 人工智能模型训练推动数据交易需求，6月底累计交易额近40亿元，数据交易机构挂牌数据集规模达246PB[2] - 北京数交所高质量数据集交易占比从去年10%跃升至近80%，上海等地试点"数据语料作价入股"新模式[2] 数据标注与中文数据应用 - 国家数据局在成都、沈阳等7地布局数据标注基地支撑数据集建设[3] - 国内多数AI模型训练使用中文数据占比超60%，部分模型达80%[3] 未来发展方向 - 体系化推进高质量数据集建设，重点布局具身智能、低空经济、生物制造领域数据高地[3] - 推动数据要素价值认同，培育"为优质数据买单"的市场共识[3]

国家数据局可信数据空间试点 - 2025年可信数据空间创新发展试点名单公示 共63家企业入选 分为城市可信数据空间方向、行业可信数据空间方向、企业可信数据空间方向三个类别 [1] - 试点目标通过两年培育 形成可复制推广的经验模式 探索数据资源规模化流通利用新路径 支撑全国一体化数据市场建设 [1] - 可信数据空间是基于共识规则的数据流通基础设施 计划到2028年建成100个以上可信数据空间 [1] 可信数据空间的核心价值 - 发展可信数据空间的核心目的是破解数据流通困局 通过分布式架构和共识机制保障数据安全流通 激活数据要素价值 [2] - 可信数据空间是构建全国一体化数据市场的"高速公路" 作为数据要素价值共创的应用生态 [2] - 可信数据空间在装备、新能源汽车、能源等重点领域实现工业数据高效对接与跨域共享 [2] 金融行业应用场景 - 金融机构可利用可信数据空间整合政务数据、产业链信息和消费行为轨迹 构建全生命周期客户画像 提升风险识别精度 [2] - 在量化交易领域 金融机构可利用可信数据空间进行跨机构联合建模 突破单一数据维度局限 系统性提升风险识别精度 [3] - 金融建模通过整合多方数据资源和技术手段 为生态中的各方主体提供更精准的决策支持和风险管理服务 [3] 跨行业影响 - 对金融保险行业 可信数据空间促进客户信用数据、市场风险数据等金融数据的共享与深度挖掘 [2] - 在城市治理方面 城市可信数据空间整合交通、能源、环境等领域数据 支撑城市规划与治理 [2] - 金融建模技术已从金融专业领域扩展到会计、财务等相关领域 跨行业数据融合成为趋势 [3]