数据作为新型生产要素，正与千行百业融合创新，深刻改变着生产方式、组织模式和治理形式，发挥出显著的乘数效应、倍增效应，成为推动经济社会高质量发展的关键动力。习近平总书记指出，要构建以数据为关键要素的数字经济，建设现代化经济体系离不开大数据发展和应用。
一、释放数据要素价值的基础支撑
自2014年大数据首次写入政府工作报告以来，数据要素化进程持续加速，数据技术、数据应用、数据安全等领域发展取得显著成绩。而伴随数据要素概念的日益成熟和普遍认同，如何深度激活、充分释放数据要素价值成为当前政策设计和产业实践的焦点，并进而探索形成“制度设计、市场流通、技术应用”三路并举推进数据价值化的发展路径。
一是建立国家数据基础制度。释放数据要素价值首先亟须破除权属划分、流通交易、安全治理等方面的制度性障碍。2022年中共中央、国务院正式发布“数据二十条”，系统布局了数据基础制度体系的四梁八柱，提出了数据产权、流通、收益分配等规则，为数据资源高效配置与价值释放提供坚实支撑。在此基础上，2024年国家数据局等部门印发《“数据要素×”三年行动计划（2024—2026年）》，针对数据供给质量不高、流通机制不畅、应用潜力释放不够等制约数据价值释放的问题，进一步提出创新政策举措与机制保障。
二是构建多类型、多层级、多样化数据要素市场体系。数据价值显现需要以健全的数据要素市场为前提。一方面开展数据分级分类，明晰重要数据、核心数据的认定标准，对重点应用领域率先开展数据产品流通和使用的分类分级标准的建设，规范交易对象；另一方面构建三级交易市场，即数据登记授权的一级市场、数据流通交易的二级市场和数据资本化交易的三级市场，形成数据权利分置的交易流通体系，打造场内、场外系统发展的数据交易生态。
三是提供数据安全可信流通的技术保障。数据利益相关方之间的安全与信任问题，是数据交易流通过程中的核心问题，需要以体系化的技术手段保障数据的安全可信流通。在当前实践中，数据空间、隐私计算和数据沙箱是三条主流路线，通过与标识、区块链、寻址等技术的融合，实现了数据流通身份可信、过程可信和快速搜索。例如，分布式账本借助分布式存储、点对点传输、共识机制及密码学等技术保障数据的存证与溯源；域名系统依托递归查询与搜索排序算法，提升数据检索速度及其定位效率。
总体上看，基于“制度—市场—技术”的协同推进，我国支撑数据要素价值释放的基础制度和必要能力已基本形成，从而有利于加速推动数据与产业深度融合创新，实现数据要素驱动的产业数字化转型，在更深层次、更广范围激活数据要素价值。
二、数据对产业数字化转型的价值赋能
产业数字化转型浪潮方兴未艾，以数据驱动为内核的工业互联网加速与研发、生产、管理、服务等环节融合应用创新，基于数据的复杂智能分析实现业务优化提升，通过数据大范围连接贯通打造网络化组织模式，呈现出四类数据驱动典型模式：
一是数据可视化驱动精益管理。数据可视化是数据应用的基石，中小企业通过研发、生产、管理等单个环节数据可视化来实现数字化研发、无纸化管理、精益化生产等，加快实现数字化基础的“补课升级”。调研显示，经营管理环节，数据采集与助力企业由粗放管理迈向规范管理。近九成中小企业通过采用MES、ERP等管理软件，实现经营管理数字化，内部流程无纸化。生产制造环节，数据实时监测助力生产管控更透明、事件响应更及时。为达到精益生产的目标，66%的中小企业正在实施或计划部署电子报工、质量数据录入、能源数据监测等应用。研发设计环节，数据知识化沉淀赋能中小企业研发创新。作为数据可视化的深入应用，研发工具应用和数据集成管理强化了四成中小企业的产品研发数据管理能力。
二是数据分析驱动业务优化。一方面，基于生产全过程的数据采集和深度分析，打造智能化生产和精益管理模式，助力企业实现提质、降本、增效。根据5000多个案例分析来看，计划调度、过程控制、作业执行等生产核心领域的应用场景占比高达62.3%，其中又有50%以上实现了智能排产、工艺优化等数据深度分析优化。另一方面，数据分析也在向研发、服务和供应链延伸，从效率优化走向价值创造。案例统计显示，应用数据分析优化的研发、销售、服务和供应链相关场景占比超30%，推动平均产品研发周期缩短超20%。此外，基于数据的新模式、新业态探索加速，网络化制造模式和个性化定制模式成为主要探索方向，有望引领制造模式变革。
三是“AI+数据”驱动创新范式变革。改变传统主要依赖理论推导与实验科学的创新范式，通过“AI+数据”的方式构建虚拟实验验证、生成式设计等颠覆式创新路径，不但能大幅缩短新技术产品的研发周期，降低研发成本，还能够带动基础科学研究方面的创新突破。例如，在科学发现方面，麻省理工学院研究团队利用机器学习算法发现纳米晶硅中光电效应的新结构特征，突破性发现过去研究中未发现的成果；在材料创新方面，深势科技团队用大模型Uni-Mol预测化合物分子坐标信息，与主流工具相比准确性提升35%；在工艺创新方面，上汽通用集成数据与技术，实现工艺开发自动化，效率提升13%，年节约工时2802小时；在产品创新方面，三星用Cerebrus工具优化手机CPU设计，晶体管密度增加5%，频率增益提升16%。
四是数据流动协同驱动生产组织变革。基于数据打通全链条环节，构建网络化协同的供需循环体系，实现更精准、高效、敏捷、韧性的产业资源配置方式。从企业层面看，链主企业逐步实现订单、采购、生产等多环节集成优化，提升供应链运转效率，并进而推动上下游配套企业实现订单、质量等协同管控，保证按质按量准时交付。如奥克斯打通采购、生产、库存等环节，排产仓储配送时间从18小时缩至1.4小时；奔驰与微软合作打造MO360供应链平台，实时监测分析供应链数据，及时预警和规避风险。从产业层面看，数据流通协同驱动了多工厂排程、柔性制造、供应链风险识别、配送规划等环节的变革，打通了工厂内外生产供应网络，叠加智能技术实现大范围调度优化。如，致景科技整合织布至成衣的全链条产能，覆盖60%织布企业，平均订单量提升56%；捷配电子针对印刷电路板/印刷电路板组装（PCB/PCBA）加工行业，实现原料集采与“线上派单线下制造”，协同超100家工厂，量产时间减半。
三、数据驱动产业数字化转型背后的关键技术
在数据驱动产业数字化转型的模式中，实现数据复杂智能分析和数据大范围流通是两个关键挑战，背后离不开人工智能技术和数据空间技术的支撑。
一是人工智能技术为数据智能分析提供实现路径。产业数字化转型往往应用场景复杂、知识门槛较高，传统的统计分析、机理建模等手段仅仅能够解决一小部分数据分析问题，还有大量的数据需要采用人工智能技术进行数据挖掘分析，寻找数据背后的规律和价值。在人工智能技术发展路径方面，当前产业界探索形成通用大模型与专用小模型协同发展的两条路线，在各自适配的应用场景下持续激发价值潜能。其中，通用大模型加速与领域适配，向自主、通用、智能方向演进，针对通用性强、数据易获得、高需求高价值的应用场景，提升多任务执行能力；专用小模型则与强工业机理方法融合，聚焦于小规模数据应用场景，探索构建专用解决方案。在通用大模型创新探索方面，目前主要围绕语言、专用、多模态和视觉四类大模型开展探索，已在研发、设备、生产与管理环节形成20余种典型应用模式，其中大语言模型应用案例占比接近75%，是现阶段产业探索的主要模式，如通过交互问答形式来实现工业机器人控制、装备运维、文档检索、智能客服等。在人工智能技术赋能产业体系方面，人工智能正深刻改变装备、软件等产业体系。AI通过多模态和大模型技术提升装备环境感知与任务理解能力，如谷歌的大模型机器人RT-X在特定任务上实现了效率三倍提升。AI增强核心软件的分析决策能力，并通过大模型等技术革新软件交互与开发方式，如美国Cadence公司的机器学习电子设计自动化（EDA）工具提升了性能并降低了漏电功率。AI在自动化领域推动控制代码自动生成，如西门子开发可编程逻辑控制器（PLC）代码生成工具，可根据指令生成PLC代码，并辅助工程师进行代码纠错。
二是数据空间技术为数据流通提供安全可信保障。数据离开企业之后往往难以掌控并容易被侵权，导致多数企业不愿意将数据对外共享、流通，严重限制了产业数据的价值潜力。而数据空间旨在构建分布式关键数据基础设施，确保数据流通协议的执行，并解决多主体间的安全与信任问题。其核心价值体现在三个方面：首先，依托数据流通服务功能解决供需对接难题。通过数据管理、目录展示及供需撮合等功能，实现数据的统一登记与管理，促进数据供需双方的有效对接。其次，数据控制功能确保数据流通范围可控。访问控制、使用控制及延伸控制等功能，实现对数据主体、使用条件及方式的全面管控，仅在符合数字合约时数据才被使用，违约则自动停用或销毁。最后，可信环境与日志存证功能保障流通全过程的安全可信。使用环境动态检查、使用日志记录与审计等功能，实现数据传输使用中的环境监测与行为记录，确保使用环境和行为的安全可控。从国外经验看，欧洲较早开展数据空间探索，现有160个数据空间，包括19个公共数据空间、63个行业数据空间及78个相应测试床。其中，制造业、能源是数据空间建设应用的主战场，探索最为广泛，两者合计占比超过33%；处于建设和运营阶段的应用占比近50%，发展阶段已从探索期进入建设期。从我国实践看，目前正围绕构建行业数据空间、与服务机构融合发展和与工业互联网平台融合三个方向开展数据空间探索，形成一批典型案例。比如，针对将图纸交给代工厂后无法控制图纸流通范围的痛点问题，金太阳打造了家纺行业数据空间，基于数字合约确保图纸及其所有备份在按需使用后销毁；深数所基于数据空间的数据流通，实现了动态在线协商审批、数据可控和日志可追溯，破解以往数据交易过程中的监控难、溯源难问题。
四、下一步思考与建议
数据已经成为决定未来产业发展的关键生产要素，孕育着巨大的价值空间，充分发挥数据要素作用，是做强做优做大数字经济，赋能实体经济的必然要求，需要在以下几个方面持续发力：
一是持续完善数据要素顶层设计。基于实践基础不断完善和优化顶层设计，加快形成系统完整、科学合理、协调统一的数据基础制度体系，为发挥数据要素价值提供坚实的制度保障。
二是深化数据驱动的产业数字化转型发展。以数据要素驱动企业改进生产流程，优化组织形式，催生一系列变革性的生产方式、研发范式、商业模式，助力企业提升核心竞争力，实现产业高质量发展。
三是加大人工智能技术布局力度。准确把握发展人工智能的关键着力点，加强整体布局，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态，形成科技创新和产业应用互相促进的良好发展局面。
四是推进数据空间基础设施建设。加快可信数据空间建设，探索形成一批面向产业链上下游协同、多源数据共建共治共享与行业数据融合开发利用的应用场景、数据产品和服务模式，形成可复制的经验和模式，加速释放数据要素价值。
（作者系中国信息通信研究院总工程师，文章原标题为以数据要素驱动产业数字化转型）