硅谷拼算力，中国拼什么？

在大部分科技领域里，基本都是美国引领，中国跟随。在数字化、智能化领域，这个规律也适用。

但在数据领域，有一件事情，如果中国做成了，那将走出一条不同于欧美的路。这件事情，就是数据要素化改革。

在AI发展的叙事中，几乎所有焦点都曾集中在技术演进的前台：模型有多大？参数有多少？推理速度多快？谁率先实现了千亿级参数、万亿级语料、类人对话？

但今天，我们已来到一个新的临界点：所有领先的大模型都已经“能说会写”，却在“深度认知”上开始撞墙。

为什么？问题并不出在算法本身，而在算法背后“认知能力的供给体系”——即：数据从哪里来？是否可信？能否被持续调度和泛化利用？

这不仅仅是一个技术工程问题，还是一个制度设计问题。

模型的智能边界，已不再只由参数量决定。

随着模型训练的边际收益递减，AI能力的差异，正在从“模型结构”转向“数据治理”——谁拥有可控、可信、可协同的数据生态，谁就能训练出更稳健、更具场景理解力、更少幻觉的大模型。

但我们也越来越清晰地看到一个全球性难题：公共语料已被挖掘殆尽，私域数据则深锁于孤岛，数据的流通和使用，正被制度壁垒深度卡脖子。

在这个背景下，决定大模型未来性能上限的，不再只是GPU数量，也不只是Prompt优化技巧，还是——一个国家或组织是否具备系统性的“数据制度能力”。

某种程度上，“数据制度红利”，成为全球AI竞争的新变量。这是AI发展史上的一次范式跃迁：从“谁能训练更强模型”，走向“谁能构建更优的数据制度”。

而这场竞逐中，一个极具战略性的变量正在浮出水面：中国的数据要素化改革。

这项改革，曾被视为产业数字化的一部分，或是数据资产定价、数据交易的国内探索。但今天，它的意义远超于此——它正在提供一个完全不同于西方的数据治理路径、主权框架与协同模式，成为全球AI生态中被低估、却最具制度穿透力的变量之一。

接下来，我们将从全球视角出发，透视大模型所面临的数据资源瓶颈，解析中国“数据要素化”背后的制度逻辑，并探讨其在全球智能体系中可能带来的规则重塑与价值重构。

全球大模型走到“数据主权”的十字路口

大模型的发展，正在逼近其“语料临界点”。

从GPT-3到GPT-4，再到各类开源模型的百花齐放，背后支撑的，是过去二十年间互联网所积累下来的海量公开语料。但今天，高质量的公开文本资源几乎已经被用尽。据OpenAI、Anthropic等多方研究预测，全球范围内适合用于训练的“公开语料红利”将在2到3年内完全枯竭。

这意味着，大模型的“喂养边界”已触手可及。

下一步竞争，不是拼语料总量，而是拼“谁能合法使用私域数据”。

当开放数据资源即将见顶，模型要继续提升认知能力，就必须深入到更多结构化与非结构化的“私域数据”中：

行业数据（医疗记录、制造日志、金融交易、客服语音）

企业数据（用户行为、设备状态、内部知识库）

跨境数据（供应链履约记录、IoT互联数据、国际业务流）

这些数据极具价值，却高度敏感、结构复杂、边界模糊，不是“爬取”就能合法使用的。

大模型时代的智能鸿沟，不再取决于谁“爬得快”，而是取决于谁“调得动”——谁能构建可信的数据使用规则，谁就能训练出真正具备场景能力与业务洞察力的模型。

然而，全球数据治理，正陷入三大结构性瓶颈：

1. 权属不清：谁拥有数据使用权？用户？平台？采集者？服务提供商？

面对庞大的数据资产，各国尚未形成统一确权机制，法律界定模糊，模型调用“处处踩雷”。

2. 价值难衡：数据作为商品缺乏定价模型，作为要素缺乏收益分配机制

用户愿意授权模型使用数据吗？企业愿意开放数据协作吗？没有可预期的“激励结构”，数据不会自发流动。

3. 治理割裂：每个国家、每个行业都有自己的监管口径，难以协同

欧盟GDPR强调数据主权，美国强调数据自由流动，亚洲国家政策多元，跨境模型的训练与调用陷入灰区地带。

算法越来越强，数据却“关在门里”，这是一幅矛盾图景：模型能写诗、能画画、能规划财报，却因为缺乏合法数据支撑，频繁出现幻觉、偏见、事实错误；

这不是模型的错，而是数据的世界正在变得碎片化、封闭化、治理化。某种程度上，可以说“AI的下一个难题，不是生成什么，而是‘如何合法地知道’。”

因此，全球大模型的发展，正在从“技术突围”进入到“制度突围”的新阶段。接下来，我们将聚焦中国数据要素化改革路径，深入分析它如何在这一全球博弈格局中，提供出一套具有制度原创性与实践落地性的答案。

“数据要素化”不是经济术语

而是制度体系设计

过去几年，“数据要素”这个词频繁出现在政策文件、研究报告和市场展望中，似乎成了数字经济的关键词汇之一。但真正理解它的深意，必须先跳出“资产化”与“定价权”的窄视角。

数据要素化的真正意义，不是“把数据卖掉”，而是“为智能社会构建一套可确权、可流通、可协同的数据制度体系”。

这不是产业层的改革，而是一次制度性架构重塑。

“数据要素化”，本质是重建信任机制与协作规则。

在大模型时代，数据不再是被动存储的资产，而是构成“认知引擎”的能量源。它的流通、调用、聚合、压缩、泛化，决定了模型的智能边界。

但没有制度保障的数据流动，是不可持续的。只有构建一套“可以使用、可以追责、可以再组织”的体系，数据才可能以可信方式融入智能系统。

这正是中国“数据要素化”改革的核心使命。

它不是简单地给数据“贴个价格”，而是通过制度性安排，将数据从资源状态，转变为可组织、可授权、可治理的智能系统第一性要素。

目前，三个关键制度跃迁，正在中国落地：

1. 从“资源所有”到“使用权确权”

传统数据治理强调采集者/持有者的所有权，而要素化逻辑关注的是：“谁可以在什么场景下合法使用这些数据，谁可以获取价值回报”。

这促生了“数据三权分置”的法律结构探索——将数据所有权、使用权、经营权进行分离管理，让“被使用”本身成为合法动作。

2. 从“系统孤岛”到“可信交换协议 + 监管中台”

各地正在试点建立支持数据跨平台调用的数据交易所、联盟链平台和“监管沙箱”机制，使数据在不同系统、不同机构间流通时，有身份、有履历、有规则、有边界。

这背后强调的，是一种“可溯源 + 可审计 + 可调度”的信任架构——为AI提供真实、合法、透明的数据基础。

3. 从“单点整合”到“跨域协同机制”

“数据孤岛”不是靠收归一统消除的，而是靠协议机制与中台系统建立数据联邦。

典型机制如“数据中介组织”“数据托管节点”“异地联合建模平台”，已在医疗、金融、交通等多个行业落地实践。

让我们来看一些样本：

政务领域｜上海城市大脑、粤港澳政务协同平台：实现跨部门、跨地区的政务数据标准对齐与共用，以制度托底实现智能服务能力。

行业场景｜医疗/金融数据中台：通过行业数据联盟推动数据供给侧改革，在监管参与下构建“可信半公共平台”，支撑多模型、多任务、多机构AI应用落地。

基础设施｜数据交易所与数据确权链：北上广深已建立多个数据交易机构，深圳、雄安等地推进“数据三权分置+联盟链确权”机制，为“可信调度 + 合理定价”打下基础。

换句话说，中国要做的，不只是“把数据商品化”，而是通过制度架构，让数据成为可以被智能系统真正调用的“可信语义资源”。

这不是对市场逻辑的微调，而是对未来智能文明基础设施的主动定义。

下一节，我们将把目光投向全球，对比中美数据治理范式，揭示中国路径如何提供另一种数字主权与智能系统共生的可能性。

数据主权、信任协议

与全球认知秩序的再平衡

当大模型成为国家竞争力的代表性技术之一，围绕AI的竞赛早已不仅停留在技术层面，而是逐步上升为制度范式之争。在这场深层次博弈中，数据制度的选择方式，正决定一个国家未来AI能力的边界——不仅是能不能训练模型，更是能不能可信、合法、稳定地让模型运行起来。

>中国模式的优势，不是数据总量，而是制度组织力

外界普遍认为中国在大模型领域的最大优势是“数据规模”，但这只是表象。

真正具有战略意义的，是中国正在构建一种“在可控边界内实现可信协作”的制度能力。

在“数据确权+数据流通+监管中台”的组合机制下，中国正在试图回答一个智能时代最核心的问题：“如何让数据既能高效参与AI训练与运行，又能兼顾安全、合规、信任？”

这一制度体系，不再单纯依赖个人授权或平台自律，而是通过立法、标准、平台、交易规则等多层机制，实现数据权益、风险与使用效率的平衡。

>全球影响：制度竞争成为AI时代的新博弈场

随着AI模型逐步走向跨境部署、跨域协同，原有的数据治理逻辑正在面临挑战：

模型可以“走出去”，但数据不能“带出去”；

算法可以全球部署，但训练过程可能触碰不同法律雷区；

智能系统的泛化能力受限于数据边界与授权障碍；

这就提出了三大关键问题：

1. 是否可能建立一套“跨国AI数据协作协议”？

类似WTO、碳排协定的数据治理框架，推动形成国际标准。

2. 制度是否可以成为算法信用的来源？

模型可信不再由技术验证，而由其数据治理路径提供信任基础。

3. 谁将主导下一代AI价值体系的底层协议与运行规则？

是沿用硅谷的“技术自由主义”，还是构建一种“治理增强型数字秩序”？

在这三道关键博弈题面前，中国的数据制度路径正在以某种“全球变量”的姿态浮现。它不是为了封闭，而是试图为AI运行建立一种“边界明确、行为合规、价值清晰”的基础秩序。

数据不是金矿

是文明操作系统

人类社会历经资源时代、工业时代、信息时代，每一次范式跃迁，最终都由一种全新的“底层生产组织逻辑”所驱动。而今天，AI 时代的底座正在显现：除了GPU、大模型本身，还包括谁掌握了数据制度。

在这个智能系统崛起的关键节点，数据不再是“等着被使用的原材料”，而成为认知系统的边界线、演化能力的载体、社会信任的接口协议。它决定了：模型训练是否可持续；智能系统能否泛化适配；算法行为是否可解释、可审计、可托付。

这意味着，数据制度不只是技术创新的配角，而是数字文明的“宪法级组件”。

中国的数据要素改革，要做的就是试图构建一种“制度性红利”。中国通过确权机制、可信流通协议、跨域中台与交易网络，力图打造一套“数据驱动但制度可控”的生态结构——不仅为本国模型提供合法、高质量、可追责的语义支撑，也在为全球AI生态提供另一种智能社会构建范式。

这是对“算法-资本-平台”叙事的系统性补充，是一种以制度设计替代无限扩张的路径创新。

在未来的全球智能竞争中，谁能率先构建“可信数据秩序”，谁就拥有输出AI治理标准、主导国际规则设定的底气。

未来的AI强国，不仅是模型最强、GPU最多的国家，还是最早定义“数据制度”的国家。

当所有模型的能力趋近时，决定系统上限的，将不再只是算力和算法，还是我们愿意以怎样的方式组织数据、管理知识、重构信任。

能否构建起来一套能真正释放出数据价值的机制体系，那将是一场关于智能文明底层架构的较量。但实事求是的说，这条路我们能走多远，还不好说。但总要有人去走进无人区，哪怕跌跌撞撞，也要勇敢前行。