从算力到智力：数据如何重塑AI时代

飞象网讯（孙迎新/文）当算力竞赛的硝烟渐渐散去，真正的战场已悄然转向数据。

尽管企业间对算力的追逐一刻也没有停歇，在2026年的今天，业界关心的，已不再仅仅是某个数据中心集成了多少算卡、算力有多强，而是开始转向探寻智力从何来这样形而上的命题。

但AI的智力终究还是来源于数据。因此业界也注意到，数据本身这个一度被忽视的生产要素，正在成为点燃AI革命的核心燃料，让人工智能的火焰也更加逼近人类智力极限。

7月9日，在2026中国互联网大会的高端对话上，来自智库、电信运营商、安全及数据集团的顶尖专家，围绕算力和智力，对数据如何重塑AI时代这一核心议题进行了深入探讨，并就如何跨越从数据资源到数据资产的鸿沟，在保障安全的前提下释放价值，并最终重塑我们的产业与社会的诸多话题做了广泛交流。

数据掘金：从资源到资本的“七步法”与变现难题

数字经济时代，我们注意到，数据要素市场化配置正处于从政策顶层设计向商业落地实践跨越的关键时期。

从国家层面来看，已经为数据资产化确立了基础制度，国家数据局印发了《数据产权登记工作指引（试行）》，并明确了数据持有权、使用权、经营权三权分置的产权框架。

而从企业侧来看，面临的是却是另外一番景象，有数据、无变现的现实困境更加凸显。

现实问题是，尽管政策利好，但大量企业在现实中仍面临“不敢入表”和“不会变现”的双重困境。许多企业拥有海量数据，但由于缺乏专业的评估工具、标准流程和专业团队，导致数据资源无法转化为实际的商业价值。

针对将原始数据转变为可流通、可交易的资产，国脉互联董事长郑爱军分享了她的观点和案例。2016年，在国脉互联为某国企渔业集团进行数据资产作价入股的实践案例中，通过市场法和成本法评估，最终将平台数据资产评估为1665万元，成功实现了数据资产的资本化转换。

在这些实践的基础上，郑爱军提出了“1371”模型和“七步法”来指导企业实现数据资产化。

“1371”是一个模型体系，第一个“1”指的是“一本账”，即通过数据资产摸底收集的数据基础；“3”指的是“三化”，就是贯穿整个体系的资源化、资产化、资本化；“7”指的是“七步法”，即包括核心业务梳理、资产盘点、合规检测确权、资产识别的五个条件、供需撮合等流程的关键步骤；第二个“1”就是“一个目标”，即最终实现数据价值。

由于当前数据要素市场面临短板，在制度、技术、市场认知及企业内生机制等方面的现实瓶颈，使得数据资产化面临着供给与动力的双重挑战。伏羲智库创始人李晓东指出，大量数据掌握在企业手中，但企业缺乏提供数据的动力。

对于企业而言，担心数据一旦交出，不仅可能无法获得预期收益，很大可能性是既没有赚到钱，还面临数据泄露的风险。

因此综合数据流通过程中的价值与风险因素，郑爱军强调，许多企业老板虽然意识到数据是资源，但并不清楚如何将其转化为可交易的资产，这就如同“家里有好多地，但你就是卖不出去”。

安全筑基：破解数据流通与AI应用中的信任危机

我们知道，大模型、智能体与人工智能之间是一种包含、支撑与进阶的关系。简单来说，人工智能是宏观的技术总称，大模型是AI的核心能力底座，而智能体则是大模型在实际应用中的高级执行形态。

而当前的人工智能正处于从技术探索，全面迈向规模化商业落地的关键阶段。在此过程中，大模型的引入从根本上改变了数据的安全边界，传统的划定边界、分级管控模式已无法应对AI时代的复杂风险。

这种风险不仅存在于训练环节，还存在于应用上。一方面，模型训练过程中的数据融合导致不同安全等级的数据交织，难以追溯内部的知识归属；另一方面，提示词注入、越狱攻击、数据投毒等新型攻击手段，使得模型本身成为新的攻击面。

更加难于防范的是，随着AI从效率工具演进为直接参与业务决策的决策引擎，这种角色的转换，也使其带来的决策逻辑不可解释、风险传导路径复杂、责任边界模糊等问题，引发了监管层的高度关注。

针对数据共享和AI模型应用过程中，如何保障数据安全、模型可靠以及应对由此产生的组织变革需求，360数字安全集团副总裁赵宇指出，要让企业愿意贡献数据，必须解决其安全顾虑，需要从三个层面入手。

在工程对抗层面，应该帮助企业修复大模型、智能体开发框架和工具中存在的漏洞，防范攻击风险。

在数据治理层面，应主动引导企业对训练和推理数据进行清洗和标注，确保数据干净，符合伦理道德，并做好隐私脱敏。

而在应用可控层面，则应该倡导企业通过审计和Human-in-the-loop等机制，确保智能体应用的权限可控，防止因权限过高导致数据泄露或系统被破坏。

这些针对AI的有效措施，一定程度上也在倒逼企业进行组织结构与治理模式的变革。赵宇还指出了另外一种困境，当前许多企业的业务部门与IT部门职责分离，无人对数据质量和数据治理负责。

作为解决办法，赵宇认为，为了适应AI时代，企业需要建立专门的数据治理组织，比如数据治理委员会，以及设置数据工程师等专门的岗位，从组织架构上保障数据的高质量供给。

未来已来：AI重塑产业分工与人机共生的2035

基于当前人工智能与数据要素，正处于从量变积累向质变爆发的历史性交汇点，有专家认为，到2035年，AI与数据深度融合将对产业模式、科研范式，乃至社会分工带来颠覆性的变革。

这种变革最显著的表现就在于，AI将从单体智能走向群体智能，并与人类协同共存。

国家智能制造专委会委员张东就预测，未来的智能将经历从单体自主到群体智能的演进。这种演进就表现在，单个智能体的能力将超越人类，而群体智能将实现更高层次的协同。最终人机之间将形成一种协作、和睦相处的共存环境。

在这场变革过程中，我们将有幸看到，AI将重塑科研范式与产业流程，实现一种“干实验”对“湿实验”的赋能。

北京数据集团数据业务部总经理崔晓峰以材料化学领域为例，阐述了AI如何改变传统科研流程。

在这个流程中，科研人员通过构建高质量数据集和专业模型，可以先进行大量的干实验，也就是通过计算机来进行模拟，筛选出有潜力的方向后，再进行针对性的湿实验，也就是真实的实验。这种模式将极大提升研发效率和成功率，并带来从流程、组织到社会分工的全方位变革。

无论是AI与人类的协同共存，还是AI将重塑科研范式与产业流程，这些转变都基于一个共同点，即转变的最终目的是数据供给对象需要从面向人转而面向AI。