问题——在数字经济加速发展的背景下，数据要素已成为带动产业升级的关键资源；当前，人工智能在制造、能源、交通、金融、政务服务等领域加快应用，效率和创新能力明显提升，但也暴露出数据供给的结构性短板：高质量数据集不足、行业数据标准不统一、非结构化数据开发难、合规流通成本偏高等问题，正成为制约模型训练和场景落地的重要因素。 原因——刘烈宏指出，技术快速迭代正在改变数据需求结构。多模态大模型、行业大模型、智能体、具身智能等前沿方向不断涌现，带动多模态数据、思维链数据、时空数据等需求快速增长。同时，人工智能正从“能用”走向“好用”“可信用”，对数据的鲜活度、真实性、完整性、多样性和知识密度提出更高要求，推动数据生产由粗放采集转向更精细、更专业的加工。技术进步与场景深化共同抬高了数据门槛，也为数据产业带来新的增量空间。 影响——在新的供需格局下，数据产业链正在延伸并加速分化：高质量数据集构建、精细化标注、数据智能分析平台等新赛道加快成形，拓展了数据产业边界，也为上下游企业带来更多创新机会。，人工智能对文本、图像、音视频等非结构化数据的解析能力增强，使沉淀在业务系统和社会场景中的“沉睡数据”更容易被挖掘与转化，数据要素的潜在价值更释放。对实体经济而言，这将推动研发设计、生产组织、供应链协同和服务模式的系统性变革，孕育智能经济新的增长点。 对策——围绕破解“供给不足、流通不畅、价值难显”等痛点，我国正从制度与技术两端同步推进。制度层面，数据产权“持有权、使用权、经营权”三权分置改革加快落地，有助于在权益保护与开发利用之间形成更清晰的规则边界。流通层面，数据交易所、数据流通利用平台、数据服务商等机构作用增强，为合规交易、可信流通和专业服务提供支撑。技术层面，隐私计算等“数据可用不可见”手段加快应用，并与数据基础设施建设联合推进，逐步缓解确权、隐私保护与安全合规之间的矛盾，推动数据要素市场化流通机制更成熟、更高效。 前景——刘烈宏表示，国家数据局已将2026年数据工作明确为“数据价值释放年”，聚焦数据赋能人工智能创新发展，将实施强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六大行动，力争形成一批更符合人工智能就绪度要求、能够有效训练先进模型或智能体、并切实解决行业问题的高质量数据集，实现供给规模与质量同步提升。业内普遍认为，随着制度规则持续完善、基础设施进一步夯实、数据治理能力不断提升，数据与人工智能的融合有望从点状突破走向体系化推进，推动更多可复制、可推广的行业应用落地，为稳增长、促转型、惠民生提供支撑。
数据作为新型生产要素，价值释放离不开高质量供给、合规流通与安全可控的协同统一。以“数据价值释放年”为牵引，推动数据产业与智能技术同向发力，既是把握产业机遇的现实选择，也是夯实制度与能力、提升长期竞争力的关键任务。随着一批可复制、可推广的高质量数据集和行业应用落地，数据要素驱动创新、带动转型的作用将更清晰，智能经济新动能有望加快形成。