梅宏院士：数据要素化三大问题值得关注

4月30日，中国科学院院士梅宏在2025数字中国峰会期间表示，数据要素化是我国数字化转型的重要表征，但现阶段尚处初步探索阶段，面临诸多挑战。

据了解，我国是全球首个将数据确立为生产要素的国家，发展数据要素市场有两个重要目标：一是增强我国经济发展的新动能，推动资源高效流动、市场主体加速融合，提升经济社会各领域资源配置效能；二是在世界各国争相发展数字经济之际，有利于我国做强做优做大数字经济，构筑起国家竞争的新优势。

梅宏指出，将数据确立为重要生产要素，并通过各类手段让其参与社会生产经营活动的过程，可分为递进的三个层次：首先是认识数据的资源属性，数据资源化是数据要素价值释放的前提，包括原始数据的获取以及后期的数据加工组织；其次是建立数据的资产属性，即在法律上确立数据的资产属性，成为和不动产、物产等一样可以如表的资产，这是要素价值得到保障的根本；第三是实现数据的资本属性，使得数据的价值可度量、可交换，成为可以被经营的产品或商品，这是要素价值得以释放并创造新价值的途径。

“数据要素化是我国数字化转型的重要表征。”梅宏表示。他认为，数字化转型包含数字化、软件化、网络化+软件定义（平台化）、智能化+数据要素化这几个层级。转型的最终目标就是要构建以数据为中心的组织体系和运行模式。

目前来看，我国数据要素化尚处起步探索阶段，在资产地位、权属确权、流通交易、利益分配和安全隐私等方面存在诸多障碍。“两年前我在贵阳数博会上曾经有数据要素化十问（能否以及怎样把数据列为资产？数据要素如何加入生产函数？如何理解数据的权属性质，怎样确权？如何实现公共数据的真正开放？如何构建高效的数据流通交易体系？如果数据要变现和流通，有没有可度量的基本单元？怎样度量评估数据的价值？怎样合理分配数据带来的收益？如何平衡发展与安全？如何为数据要素化提供技术支撑？），这些问题至今仍没有答案。在未来数据要素化过程中，需要继续探索。”梅宏说道。

梅宏指出，当前有三个重要问题值得关注。其一，数据共享开放似有倒退现象。这几年，随着数据的重要地位越来越被强调，加上安全法、个人信息保护法等相关法律的实施，数据共享的意愿有走低倾向，公共数据的开放进展甚微。从国际视角看，数据跨境流动也出现了趋严的倾向，这个问题不破解，数据的价值发挥就面临问题。

其二，公共数据授权运营好像成了唯一途径。公共数据作为社会数据的粘合剂甚至催化剂，是国家重要的基础性战略资源，它的开放运营对促进数据要素市场发展、提升社会治理能力具有重要意义。各地纷纷成立数据集团承接授权运营任务，然而这些新机构的技术能力不足，体制机制也不利于创新。如何在做好授权运营的同时激发并充分利用来自民间的创新活力是一个重要挑战。“或许可以将公共数据进一步分类分级，我觉得这是一个可行的这种方案。”梅宏说道。

其三，数据应用和AI大模型的绑定太过紧密。“当下的AI热潮主要是源于深度学习取得突破性进展，数据驱动智能、计算实现智能。数据为体，智能为用，就像燃料和火焰的关系一样。”梅宏表示，“在算法、数据、算力三要素中，数据最为关键，大模型能力的天花板是由数据来定义的，但是我们需要知道，数据应用一直伴随着人类社会的发展，过去已经存在多样性的数据应用场景，用数据训练模型只是数据应用的新场景之一。”

在他看来，深度学习带来的是处理分析海量多模数据的高效的自动化手段，但是传统的数据处理分析方法仍有用武之地，实际上没必要所有的场合都去祭出大模型这把“牛刀”，也并非所有的数据都可以成为生产要素。

据了解，我国是全球首个将数据确立为生产要素的国家，发展数据要素市场有两个重要目标：一是增强我国经济发展的新动能，推动资源高效流动、市场主体加速融合，提升经济社会各领域资源配置效能；二是在世界各国争相发展数字经济之际，有利于我国做强做优做大数字经济，构筑起国家竞争的新优势。

梅宏指出，将数据确立为重要生产要素，并通过各类手段让其参与社会生产经营活动的过程，可分为递进的三个层次：首先是认识数据的资源属性，数据资源化是数据要素价值释放的前提，包括原始数据的获取以及后期的数据加工组织；其次是建立数据的资产属性，即在法律上确立数据的资产属性，成为和不动产、物产等一样可以如表的资产，这是要素价值得到保障的根本；第三是实现数据的资本属性，使得数据的价值可度量、可交换，成为可以被经营的产品或商品，这是要素价值得以释放并创造新价值的途径。

“数据要素化是我国数字化转型的重要表征。”梅宏表示。他认为，数字化转型包含数字化、软件化、网络化+软件定义（平台化）、智能化+数据要素化这几个层级。转型的最终目标就是要构建以数据为中心的组织体系和运行模式。

目前来看，我国数据要素化尚处起步探索阶段，在资产地位、权属确权、流通交易、利益分配和安全隐私等方面存在诸多障碍。“两年前我在贵阳数博会上曾经有数据要素化十问（能否以及怎样把数据列为资产？数据要素如何加入生产函数？如何理解数据的权属性质，怎样确权？如何实现公共数据的真正开放？如何构建高效的数据流通交易体系？如果数据要变现和流通，有没有可度量的基本单元？怎样度量评估数据的价值？怎样合理分配数据带来的收益？如何平衡发展与安全？如何为数据要素化提供技术支撑？），这些问题至今仍没有答案。在未来数据要素化过程中，需要继续探索。”梅宏说道。

梅宏指出，当前有三个重要问题值得关注。其一，数据共享开放似有倒退现象。这几年，随着数据的重要地位越来越被强调，加上安全法、个人信息保护法等相关法律的实施，数据共享的意愿有走低倾向，公共数据的开放进展甚微。从国际视角看，数据跨境流动也出现了趋严的倾向，这个问题不破解，数据的价值发挥就面临问题。

其二，公共数据授权运营好像成了唯一途径。公共数据作为社会数据的粘合剂甚至催化剂，是国家重要的基础性战略资源，它的开放运营对促进数据要素市场发展、提升社会治理能力具有重要意义。各地纷纷成立数据集团承接授权运营任务，然而这些新机构的技术能力不足，体制机制也不利于创新。如何在做好授权运营的同时激发并充分利用来自民间的创新活力是一个重要挑战。“或许可以将公共数据进一步分类分级，我觉得这是一个可行的这种方案。”梅宏说道。

其三，数据应用和AI大模型的绑定太过紧密。“当下的AI热潮主要是源于深度学习取得突破性进展，数据驱动智能、计算实现智能。数据为体，智能为用，就像燃料和火焰的关系一样。”梅宏表示，“在算法、数据、算力三要素中，数据最为关键，大模型能力的天花板是由数据来定义的，但是我们需要知道，数据应用一直伴随着人类社会的发展，过去已经存在多样性的数据应用场景，用数据训练模型只是数据应用的新场景之一。”

在他看来，深度学习带来的是处理分析海量多模数据的高效的自动化手段，但是传统的数据处理分析方法仍有用武之地，实际上没必要所有的场合都去祭出大模型这把“牛刀”，也并非所有的数据都可以成为生产要素。