问题——从“有数据”到“用好数据”仍存堵点；随着技术加速进入产业深水区，数据已从信息记录变为驱动智能应用的关键生产要素。楼向平在调研中发现，数据要素释放创新价值仍受多重制约：一是高质量数据供给不足，不少有潜在价值的数据分散沉淀在单位和企业内部，尚未加工成可直接用于训练和应用的标准化数据集；二是流通交易机制与信任体系不完善，供需双方对“有什么数据、能不能用、怎么用”缺少透明规则和可验证保障，导致流通成本高、顾虑多；三是数据、算法、场景与产业协同不够，懂数据、懂技术、懂行业的主体各自推进，难以形成从数据准备到应用落地的合力。 原因——制度供给与技术能力需要同向发力。业内人士认为，数据涉及权属边界、使用授权、收益分配、安全责任等复杂议题，基础制度不清晰会让市场主体难以形成稳定预期。同时，高质量数据集建设依赖采集治理、标注评测、脱敏处理、质量控制等工程化能力，投入大、周期长、跨主体协作难，单靠个体企业很难形成规模化供给。叠加跨地区、跨行业流通的合规标准衔接不足，深入加剧了“供不出、流不动、用不好”的矛盾。 影响——关乎“智能经济”成色与产业竞争力。数据要素配置效率直接影响模型训练质量、行业应用落地速度以及创新成本结构。若高质量数据供给不足、流通不畅，将拖慢公共服务智能化升级和企业数字化转型，也可能带来重复建设和资源浪费，降低产业链协同效率。在全球竞逐新一轮科技与产业变革的背景下，能否形成安全有序、活跃高效的数据要素市场，关系到我国在关键领域应用拓展和产业生态培育中的主动权。 对策——以试点牵引打造面向产业的数据要素“新基建”。围绕政府工作报告提出的“健全数据要素基础制度、建设高质量数据集”等部署，楼向平建议聚焦数据要素高效率配置，选择部分地区开展“数据要素与人工智能一体化发展”创新试点，建设面向产业的数据要素新型试验区，从制度与技术两端协同破题。 在制度层面，可探索数据要素目录化管理、使用权开放与授权运营机制，推动跨区域、跨行业的互信流通；选择有条件的企业开展数据目录开放试点，推进区域间目录互通；同时，探索跨境数据流通监管与合规路径，为企业“走出去”和国际合作预留制度接口。 在技术层面，建议以大模型训练所需语料与高质量数据集为突破口，完善安全流通能力，提供脱敏、去标识化、差分隐私等工具化支撑；搭建面向智能时代的数据互联体系，推动公共数据、科研数据、企业生产数据在合规前提下融合共享，提升数据可用性与可追溯性，让数据“流得动、用得好、管得住”。 前景——形成可复制的产业化路径与区域协同格局。楼向平提出，可在试点区域打造国家级高质量数据供给高地，打通产业、科研与公共数据，优先补齐重点行业数据供给短板，逐步沉淀“好数据”的质量标准与评测体系；在此基础上建设数据与产业融合的综合枢纽，增强行业数据标准化、语料标注、数据集共建共享等工程能力，形成从数据沉淀治理、产品化供给到合规流通、融合应用的全链条能力。通过“数据—模型—场景—产业”一体化供给模式，推动金融、医疗、制造等重点领域形成可快速推广的解决方案模板，带动更多城市和行业降低应用门槛、提升落地效率。
数字经济时代，“数据价值能否兑现”正在成为全球竞争的关键变量。如何通过系统性改革打通数据从生产、治理到流通、应用的全链条，让海量数据真正转化为生产力跃升的动力，既是技术与产业问题，也是关乎国家竞争力的战略课题。代表委员们的建言为破题提供了方向——以制度创新和技术突破合力推进，才能把数据要素的潜力转化为中国式现代化建设的数字动能。