产业研究中心 陈萍
2026年是《"数据要素×"三年行动计划（2024—2026年）》的收官之年，答卷如何，已不只是政策部门的事——它直接关系到地方招商的逻辑、企业数字资产的估值，以及新一轮以数据喂哺人工智能的产业节奏。
2026年6月11日，国家数据局召开2026年"数据要素×"首场新闻发布会。结合公开数据与地方落地进展，对这份成绩单做一次盘点，并就收官之年必须正视的三个真问题给出研究判断。
国家数据局召开2026年"数据要素×"首场新闻发布会（第一场）
图片来源：国家数据局新闻稿
政策时间线
2023年12月31日，国家数据局等17部门联合印发《"数据要素×"三年行动计划（2024—2026年）》（国数政策〔2023〕11号），在工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳12个领域部署数据要素乘数效应。
2024年11月21日，《可信数据空间发展行动计划（2024—2028年）》（国数资源〔2024〕119号）印发。
2026年6月，国家数据局发布"数据要素×"中期进展；7月，正式印发《数据产权登记工作指引（试行）》（国数综政策〔2026〕35号）。
一、成绩单：1.67ZB背后的产业渗透
先看总量。2025年全国活跃数据总量达到1.67泽字节（ZB），同比增长28.46%；企业数据产品和服务数量同比增长29.29%，交易额同比增长39.8%。这三组增速——总量、产品数、交易额——依次抬升，说明数据要素的"流通变现"增速快于"资源积累"增速，方向是对的。
再看场景。截至2026年6月，国家数据局累计发布417个典型案例、11个行业领域的760个典型场景指引，提前超额完成"打造300个以上场景"的目标。从"建制度"到"出案例"再到"成指引"，政策推进的颗粒度在变细。
四个领域的渗透尤为值得记录：
数据来源：国家数据局2026年"数据要素×"系列新闻发布会、人民日报海外版、科技日报、中国交通新闻网
这组数据里有几个细节值得圈出。农业领域Token年度消耗2.4亿，意味着数据不只是被存起来，而是真正进了模型——农业AI应用已经在用数据"喂"出生产力。医保领域1746.54亿条追溯码，把一盒药从出厂到患者手里的全链条打通，这是数据要素在治理端的硬通货。中科院93%的开放共享率，则为"数据要素×科技创新"提供了公共品的底座。数据总量在涨，流通增速更快，但案例的"示范性"远高于"可复制性"——这是中期成绩单里最需要被正视的落差。
二、制度供给："5+3+1"体系的制度底座
数据要素要流通，先得有规矩。两年多来，国家层面沿着"数据二十条"确立的框架，逐步探索形成数据要素市场化配置改革"5+3+1"工作体系。其中，数据基础制度建设是整个体系的"5"的"第一块拼图"。
2026年7月，国家数据局正式印发《数据产权登记工作指引（试行）》。这是数据基础制度建设中的关键一块拼图。在这之前，数据资产"归谁、值多少、能不能交易"长期悬在半空；登记指引落地，意味着数据资源有了"户口本"，企业做数据资产入表、银行做数据资产质押、地方做数据资源盘点，终于有了统一的可识别凭证。
另一条线是可信数据空间。2024年11月印发的《可信数据空间发展行动计划（2024—2028年）》把"数据可用不可见"从口号变成了技术架构。它的意义在于：很多企业不敢共享数据，不是不愿意，是怕"给了就收不回"。可信数据空间用联邦计算、隐私计算等手段，让数据在不离开持有方的前提下参与计算，从根上解开"不愿共享"的死结。
国家数据局局长刘烈宏在2026年3月中国发展高层论坛年会上强调，要深化数据赋能人工智能发展，加快培育智能经济新形态。这条表态把数据要素与人工智能的耦合关系挑明了——数据不是孤立的生产要素，它是AI时代的"算力之外的第二燃料"。截至2026年3月底，全国智能算力总规模已达188万PFLOPS（FP16），八大国家枢纽节点占比超80%；算力铺得起来，前提是有数据流得过去。
制度供给的节奏在加快，但注意到了一个倾向：地方在执行层面对"登记"的热情高于对"流通"的设计。登记是起点，不是终点——如果数据登了记却不流动，"户口本"就只是档案，不是资产。
三、地方落地潮：公共数据授权运营的"中国方案"
2026年上半年，公共数据资源授权运营在地方密集落地。这是一场以"整体授权+分领域协同"为主线的制度实验，其速度和颗粒度都超出预期。
数据来源：北京市、上海市、广州市、杭州市政府公开发布文件
四地文件虽各有侧重，但共识已经清晰：第一，公共数据授权运营要走"政企分开、管办分离"，政府不直接经营，由符合条件的法人组织开发运营——北京由市大数据中心作为实施机构，上海构建"市数据主管部门—实施机构—运营机构—开发主体"四层架构，广州更以"运商分离"将运营与开发彻底切割，数据产品经营权100%归数据商；第二，公益用途免费、产业用途有偿，实行政府指导价或市场化定价相结合；第三，技术底线是"原始数据不出域、数据可用不可见"。
值得关注的不是这些共识，而是它们的差异。授权模式上，北京、上海、广州采用整体授权，杭州则坚持依场景授权、"一场景一清单一审核"；运营期限从杭州的2年到京沪的不超5年不等，广州文件有效期3年、授权协议期限按场景约定；定价机制各地自行设计，退出与评价标准尚未统一。差异本身不是问题——地方试点本就该鼓励差异化探索——但差异背后暴露的是上位规则还不够细：当一个城市的运营机构2年就要重新招标，它很难有动力做长周期、高投入的数据产品开发。
这是公共数据授权运营"中国方案"的1.0版。它解决了"能不能干"的问题，下一步要解决的是"能不能持续干"。
四、智库观察：收官之年的三个真问题
盘点至此，收官之年真正决定"数据要素×"成败的，不是再新增多少案例，而是能否正视并回应三个结构性问题。
问题一｜场景繁荣，但"数据换订单"的商业闭环尚未规模化打通
417个案例、760个场景指引，规模不可谓不大。但相当一部分案例停留在"示范—评奖—再示范"的循环里，真正实现"数据换数据、换订单、换服务、换模型、换场景"这五种流通模式、并形成可持续收入流的比例并不高。2025年企业数据交易额同比增长39.8%，增速亮眼，但数据价值化程度仍有较大提升空间——海量数据资源向可交易数据资产的转化链条尚未完全打通。
国家数据局在《关于培育数据流通服务机构的意见》中明确鼓励"数据换数据、换订单、换服务、换模型、换场景"等流通利用模式，方向已经指明。收官之年的检验标准，应从"案例数量"转向"闭环案例占比"——一个能跑通商业闭环的案例，比十个示范案例更有政策价值。
问题二｜授权运营框架已立，但收益分配与定价机制的可操作性待检验
地方方案普遍写了"谁投入、谁贡献、谁受益"，但"贡献"如何计量、"投入"如何核算，目前缺乏可操作的方法论。运营期限2年与5年的差异，直接决定运营机构是否愿意做长周期投入；政府指导价的定价基准如何锚定，则决定市场主体是否有合理利润空间。
更深一层，公共数据的收益在政府、运营机构、数据提供方、最终用户之间如何分配，目前是"一地一策"。这种碎片化在试点期可以接受，但若长期不收敛，会抬高数据要素市场的交易成本。由此建议，收官之年应由国家层面出台收益分配与定价的指导性方法，把"谁投入、谁贡献、谁受益"从原则变为可计算的公式。
问题三｜高质量数据集供给与AI赋能之间存在结构性缺口
安徽省合肥市，技术人员使用巡田机器狗实时扫描作物长势并采集生长数据
来源：人民视觉（何玉摄）
农业领域建成高质量数据集3TB、Token年消耗2.4亿，是一个亮点。全国虽已建成高质量数据集超12万个，但面向行业大模型训练的深度标注数据集仍然稀缺。随着具身智能、行业大模型的快速推进，对行业专识数据、高质量训练集的需求呈指数级增长，而供给端的建设明显滞后。算力可以集中投建（188万PFLOPS已经证明），但高质量数据集无法靠砸钱速成——它依赖行业专识、依赖标注规范、依赖数据治理的长期投入。
这是"数据要素×"与"人工智能+"两个国家行动的交汇点，也是收官之年最该补的短板。谁先把高质量数据集的供给体系建起来，谁就拿到了下一轮AI产业竞争的入场券。
五、从"建场景"到"促流通"：收官之年的三个建议
基于上述判断，对"数据要素×"三年行动的收官阶段提出三点建议，供决策部门与产业界参考。
其一，把评估标尺从"案例数"切换到"流通率"。建议在三年行动总结评估中，引入"数据流通转化率""闭环案例占比""跨主体数据调用频次"等过程性指标，避免以案例数量论英雄。一个能被十家企业调用、产生真实交易的数据产品，价值高于十个仅用于展示的案例。
其二，加快出台收益分配与定价的指导性方法。建议国家数据局会同价格、市场监管部门，在地方试点基础上提炼"公共数据授权运营收益分配指引"，明确政府、运营机构、数据提供方、使用方的分配基准与争议解决机制，降低地方制度的碎片化成本。
其三，把高质量数据集建设列为下一阶段的核心工程。建议在"十五五"数据要素专项规划中，将行业高质量数据集供给体系单列，重点支持制造业、医疗、农业、交通等数据密集型行业建立"数据集—标注规范—评测标准"三位一体的供给基础设施，与算力基础设施同步规划、同步投入。
"数据要素×"三年行动走到收官，真正的考题才刚刚开始：从"有没有数据"到"数据流不流得动"，从"案多不多"到"闭环通不通"。这个转折走得好不好，将决定中国数据要素市场能不能从"政策驱动"过渡到"价值驱动"。
对地方决策者而言，收官之年不是终点，而是从"建场景"转向"促流通"的起点。对企业而言，数据资产入表、数据产品定价、数据合规流通，将不再是合规部门的事，而是战略部门的事。对咨询研究人员而言，接下来的研究重心，应从政策解读前移到流通机制设计与收益分配方法论——这才是数据要素市场走向成熟的真问题。
.png)
.png)
