国家数据发展研究院胡坚波：如何打通词元落地最后一公里

飞象网讯 （孙迎新/文）词元（Token）作为智能时代数据要素的价值锚点，为数据实现可计量、可定价、可交易提供统一的技术标尺，既打通了一条原始数据向智能服务转化的价值通路，也从现实层面，破解了数据要素价值难以落地的现实难题。

8月29日，在2026中国国际大数据产业博览会“词元：数据要素价值释放新路径”专题论坛上，国家数据发展研究院院长胡坚波发表题为《推动词元赋能千行百业高质量发展》的主旨演讲，阐述了词元价值在通用场景与垂直行业的差异，以及如何加快行业高质量数据集供给，并发布《中国数据产业发展报告（2026）》。

数据产业量质齐升：规模突破6.78万亿

当前我国数据产业规模持续快速增长，胡坚波指出，2025年我国数据产业规模为6.78万亿元，同比增长15.7%，取得持续快速增长。在细分领域，包含AI应用软件的数据类软件产品和包含数据服务的数据资源产品，产值规模合计达4.99万亿元，占比高达73.62%，数据产业主体活力持续释放。

随着“数据二十条”制度红利的逐步释放，我国数据产业的主体持续壮大。胡坚波表示，截至2025年，全国数据企业达48.2万家，同比增长17.93%，数据服务等新业态快速兴起。智能体应用带动数据服务加速发展。去年我国智能体专利授权量超过3400件，增速是上一年的两倍以上，创新步伐明显加快。

当前，“东数西算”工程与全国一体化算力网建设稳步推进，带动算力资源向八大枢纽节点高度集聚，东部地区依托数据要素市场化配置改革，率先形成规模化数据产业集群。胡坚波指出，八大枢纽节点计算资源占全国总量接近95%，区域数据产业集群加速形成，东部数据产业规模达5.23万亿元，产业集群化特征进一步显现。

未来，数据服务将催生新的产业生态，AI将拓展数据产业发展新空间，AI原生等数据技术和产业创新将加速突破，数据产业规模也将保持较快增长水平。

词元价值重估：从拼量到拼质

词元是人工智能时代，数据价值的新计量单位和新流通载体，胡坚波认为，词元的价值不再单纯取决于原始数据的规模或存储量，而是由“高质量行业数据集+模型能力+场景适配度”三者共同决定。

他进一步阐释，“词元的价值不取决于有多少个Token，而取决于这些Token背后是不是来自高质量的、经过严格治理的行业数据集。同样一万个词元，来自通用网页爬取的和来自电力系统规程精标的，对模型产生的效果有天壤之别。”

谈及词元经济与行业数据集的关系，胡坚波强调，“我们现在讲词元经济，不能只盯着Token的数量和价格，更要看Token的含金量。这个含金量就是行业数据集的质量决定的。没有高质量的行业语料做底座，词元就只是空洞的符号，撑不起真正的智能服务。”

针对词元价值在通用场景与垂直行业的差异，胡坚波指出，“现在市场上通用语料生成的词元，百万Token可能也就几块钱、十几块钱，因为供给过剩、同质化严重，知识密度太低。但换成医疗、金融这些垂直行业，同样一百万个词元，价格可以高出几十倍甚至上百倍。为什么？因为这些词元背后是专家经验、是合规要求、是多年积累的行业know-how，不是随便爬点网页就能生成的。”

破解供给瓶颈：以数据集-词元-应用闭环激活行业词元经济

词元市场巨大的价格差异，根源在于行业数据集的稀缺性和质量壁垒。胡坚波表示，“我们做过测算，通用场景下百万词元的边际价值已经趋近于零，但三甲医院临床路径数据集生成的词元、持牌金融机构风控模型训练用的词元，百万级规模的市场报价可以到千元甚至数千元级别。这不是炒作，是真实反映在交易合同里的价差，根源就在于行业数据集的稀缺性和质量壁垒。”

胡坚波认为，行业深耕才是数据价值释放的必由之路，“很多人误以为词元经济就是拼量，这是大错特错。通用词元是大路货，越用越便宜；垂直行业词元是精密件，越精越贵。百倍价差不是未来预测，是当前数据交易所和MaaS平台已经在发生的现实。这恰恰说明，数据要素的价值释放必须走行业深耕路线，而不是停留在通用数据的低水平重复上。”

针对如何加快行业高质量数据集供给，打通词元行业落地路径，胡坚波指出，“要解决高质量行业数据集供给不足的问题，不能只靠数据商单打独斗，必须建立行业主管部门牵头+链主企业开放+专业数据服务商加工的协同机制。比如医疗领域，由卫健委统筹标准、三甲医院脱敏开放临床数据、合规数据工厂做精标，三方缺一不可。没有这个机制，行业数据集就永远散落在各个信息孤岛里，词元落地就是空谈。”