问题——新一轮智能化转型提速的背景下，产业数据供给与应用需求之间的矛盾更加突出。一上，模型训练、智能决策和工业场景落地对数据质量、时效性和可信度提出更高要求；另一方面，工业数据长期分散在企业、园区及产业链各环节，碎片化严重、口径不一、标准不足、可用性不高、共享意愿偏弱等问题并存，导致“数据多但难用、能看难算、可算难通”的情况仍然明显。——数据流通机制不够完善——合规与安全边界不够清晰，也在一定程度上影响了数据要素的市场化配置效率。原因——产业数据价值难以充分释放，既受历史积累影响，也面临现实约束。其一，工业数据类型复杂，既有设备运行、工艺参数等高频时序数据，也有订单、物流、质检等经营管理数据，跨系统、跨部门、跨企业的数据孤岛问题突出；其二，产业链协同需要统一的分类分级、标准体系和质量评价机制，但对应的规则仍在完善；其三，数据产品化能力偏弱，数据从采集、清洗、标注到形成可交易、可复用的产品，成本高、周期长，规模化供给体系尚不健全；其四，安全合规压力上升，企业在数据共享中对商业秘密、知识产权和责任边界仍有顾虑，亟需更可信、可控的技术与制度环境。影响——数据供给不足与流通不畅，直接影响智能化应用从“试点示范”走向“规模复制”。高质量数据不仅决定算法效果，也关系到应用成本和决策可靠性，是制造业迈向高端化、智能化、绿色化的重要支撑。作为数字经济和制造业大省，浙江推进新型工业化、培育新质生产力，需要在更大范围打通数据链条，形成稳定的数据供给体系和更完善的要素市场生态。同时，数商是连接数据资源与产业需求的重要桥梁，其专业化、场景化服务能力，将影响数据要素能否更高效转化为现实生产力。对策——围绕“供得出、流得动、用得好、管得住”，浙江在宁波集中发布多项举措，明确产业数据价值化的推进路径。 一是夯实数据“原料”供给。针对数据加工、标注能力不足等痛点，浙江提出推进高端数据标注基地试点，并发布工业领域重点行业高质量数据集，提升数据可用性和一致性，为智能化应用提供更稳定的高质量数据支撑。 二是打通数据流通关键环节。围绕工业数据共享“最后一公里”，浙江启动首批工业可信数据空间创新发展试点，探索构建可信、安全、高效的数据共享环境，通过技术与规则协同，降低跨主体共享的信任成本与合规成本，提升数据流通效率。 三是做强数商梯队和服务体系。浙江持续培育数商生态，形成由领军型、成长型及入库企业构成的梯次布局，覆盖数据技术、产品开发、运营、流通与安全等环节。通过推动数据产品与服务标准化、规模化供给，促进数据由资源向资产、由资产向资本的有序转化。 四是推进区域协同联动。长三角数商协同发展合作正式启动，旨在促进区域内数商资源、产业场景与数据能力对接，推动跨区域数据要素流通与产业协同创新，形成可复制、可推广的实践样板。 五是形成系统化推进机制。有关部门表示，下一步将从数据管理、资源供给、平台汇聚、流通效率、数商能力、安全保障六个维度持续推进，完善以数据要素驱动的产业创新生态，推动政策引导与市场机制协同发力，促进政府服务与企业创新同向推进。前景——随着数据要素制度体系逐步健全、可信流通基础设施健全、数商服务能力持续提升，产业数据价值化有望从零散探索走向系统突破。可以预期，未来一段时期，高质量数据集供给、可信数据空间建设、数据产品标准与定价机制、跨域协同规则等，将成为产业数据能否实现规模化“入表入用”的关键变量。对浙江而言，通过以场景牵引打通数据供给与应用闭环、以制度创新降低流通成本、以安全合规筑牢底线，有望更巩固数字经济优势，增强制造业转型升级的内生动力，为智能化应用落地提供更坚实的要素支撑。
数据要素价值化不只是技术问题，更是一项涉及治理体系、产业机制与市场生态的系统工程。浙江在高质量数据供给、可信流通和数商培育上的组合发力，反映了面向实际问题、以场景带动落地的推进思路。面向未来，谁能率先形成“数据可用、可流、可信、可持续”的产业范式，谁就更有可能在新型工业化与数字经济竞争中占得先机。