问题：随着人工智能加速从技术突破迈向产业落地，数据要素和算力成为关键支撑，但当前仍存算力供给结构不均衡、数据权属不清晰、流通机制不完善等现实制约，影响创新效率和产业应用扩展。 原因：一上，大模型训练具有规模经济特征，企业自建算力中心成本高、周期长，中小企业更难承担持续投入；另一方面，数据确权与定价机制尚不完善，跨行业、跨区域的数据流通面临合规和信任成本，制约数据要素价值转化。 影响：算力与数据基础不稳，直接影响人工智能在金融、制造、政务等领域的应用深度；同时也可能拉大不同地区、不同规模企业之间的创新差距，削弱数据要素对高质量发展的支撑力度。 对策：全国政协委员、清华大学经济管理学院院长白重恩提出，应通过优化资源配置与制度创新破解算力瓶颈，构建专业化、规模化算力供给生态。其观点强调“大企业建底座、小企业搞应用”的分工协作模式，支持具备能力的大型云服务商和地方平台集中建设绿色高效的公共算力底座，通过市场化交易机制促进算力像水电一样流动，降低全社会创新门槛。全国政协委员、恒银金融科技股份有限公司董事长江浩然从“发展与安全并重”角度提出，以技术手段与制度设计合力推进数据权属明确与流通规范：技术上利用数据溯源、防伪与智能合约实现动态定价和自动结算；制度上加快数据确权立法，明确所有权、使用权、收益权边界，建立跨行业、跨地域的动态权属制度与合规高效的交易体系。全国人大代表、四川移动党委书记、董事长、总经理马奎关注数智乡村建设，提出应以数字技术赋能基层公共服务和产业发展，推动数据资源在乡村治理、民生服务、产业应用等领域更好落地，缩小城乡数字鸿沟。 前景：随着国家数据基础制度加快完善、算力基础设施持续建设，数据要素将从“资源”走向“资产”，算力供给从“分散”走向“集约”，人工智能产业化进程将继续提速。同时，制度完善与技术创新双轮驱动，有望形成更高效、可持续的数字经济生态。
释放数据要素价值是一项系统工程，需要技术、制度和管理的多方面协同。代表委员们的建议为这项工作指明了方向、提供了路径。通过建立专业化的算力供给体系、推进数据确权立法、完善数据流通机制，我国有望突破当前瓶颈，推动人工智能产业高质量发展。这既是抢占全球数字经济竞争高地的战略选择，也是推动经济社会转型升级的重要途径。面对该新课题，各部门各行业需要形成合力，共同为数据驱动的创新生态建设贡献力量。