央视采访田丰：AI、数据“双螺旋”，激发数字中国的澎湃动能

作者：快思慢想研究院 田丰

出处：央广经济之声《财经态度》

图 央广《财经态度》采访田丰

一、AI与数据的"双螺旋"：中国数字经济的范式革命

当算法开始创造数据，人类正站在文明史的奇点上

2025年春末，第九届数字中国建设峰会现场——福州海峡国际会展中心的巨幅展厅里，一场静悄悄的革命正在上演。超过400家参展单位带来的6000多项展品中，超过65%是首次亮相的黑科技产品。中国电子展示的麒麟100操作系统深度集成系统级AI智能体；金山办公带来了组织级AI办公Agent；中国铁塔通过"铁塔+无人机+AI"赋能低空经济；中国移动展示的柔性制造导师工作站，借助数字孪生实现生产同步迭代与智能排产；腾讯、蚂蚁等企业则携带着数据赋能的AI应用亮相展区。华为、蚂蚁等民营创新企业破天荒地主办了多场分论坛——这不再是政府主导的成果汇报会，而是民营力量撑起半壁江山的创新嘉年华。

在上海交通大学计算法学与AI伦理研究中心联席主任田丰看来，这届数字中国建设峰会有三个细节尤其值得关注。第一个是"接地气"——政府搭台、企业唱戏的模式正在被改写，民企从配角晋升为主角，意味着创新引擎已从制度驱动转向市场驱动。第二个是"具身智能"的崛起——一百多台机器人组成的互动矩阵不再是表演节目，而是产业化场景中的生力军，数字孪生虚实结合的训练场昭示着制造业的下一个主战场。第三个是数据赋能的四链融合——创新链、产业链、资金链、人才链的深度交织，已征集400多个、总额超过2000亿元的项目，这才是数据从资源转化为商业价值的快车道。

在田丰的观察中，AI应用的第一个显著变化是从工具到智能体的跃迁——以往AI是人工推动的命令执行工具，如今数据了解做事的流程与工艺，AI能够接收任务后自动化推进越来越广泛的任务，这使得"自主化"成为智能体的主场。第二个变化是四大落地赛道的成型：医疗、工业、办公协同、低空经济成为本届峰会的集中赛道，其撬动的杠杆是高数据密度和高流程标准化。

二、从"石油消耗者"到"数据生产者"：AI的成人礼

2025年，一组数据引发业界震动：全国数据生产总量达到52.26ZB（泽字节），其中系统软件和人工智能产生的数据量首次超越物联网感知数据量。这不仅是技术指标的更迭，更是认知范式的转换。

以往的逻辑链条清晰而简单：数据是石油，AI是发动机，石油驱动引擎——AI始终是消耗端。但2025年的数据反转颠覆了这一叙事。人工智能不再只是数据的"食客"，它同时成为了数据的"厨师"。在全球互联网领域，2025年AI生成的数据量首次超过人类创作的内容。这意味着什么？

田丰的判断一针见血："人工智能从消耗数据变成生产数据，变成了价值的创造端。" 这印证了管理学大师彼得·德鲁克早已点明的规律——当工具进化到某个临界点，它会反客为主，重新定义游戏规则。就像工业革命后机器不仅是生产的手段，更成为经济结构的塑造者一样，AI正在完成它的"成人礼"。

教育心理学家本杰明·布鲁姆（Benjamin Bloom）曾提出著名的"Bloom's Two-Sigma Problem"——优秀教师辅导下的学生成绩比普通教学高出两个标准差。但今天，AI正在打破这一壁垒。当系统软件能够自主生成高质量训练数据，当AI可以批量生产接近专家水平的"教学材料"，教育资源的稀缺性问题正在被技术重新定义。数据生产的自动化阶段，本质上是知识民主化的又一次跃迁。

三、质量替代数量：数据要素市场的价值重构

如果用一句话概括AI时代的数据逻辑，田丰的论断精准而犀利："以前我们认为足够多的数据，AI就会越来越聪明。但目前来看，数据的质量变得非常重要、非常突出。"

这与认知科学的经典发现高度吻合。诺贝尔奖得主丹尼尔·卡尼曼在《思考，快与慢》中区分了"系统一"和"系统二"的思维方式——前者依靠直觉和经验，后者依赖逻辑和分析。AI模型的进化同样遵循这一规律：当数据量跨越某个阈值后，单纯的数量堆积带来的边际收益急剧递减，而高质量、多样化、贴近真实场景的数据开始展现出指数级的价值。

一组数据勾勒出这一转型：2025年中国数据市场规模达到2841亿元，预计2026年将突破3000亿元。国家数据局已明确提出，要形成一批满足AI"旧需度"要求的高价值高质量数据要素——这不仅意味着质量标准的提升，更标志着数据市场从"粗放开采"进入"精准冶炼"的新阶段。

《礼记·大学》有言："致知在格物。" 真正有价值的知识，必须从对事物本质的深入探究中获得。当下的数据建设正在印证这一古训：数据集的建设正从通用的基础数据集转向行业高质量数据集。以医疗领域为例，由医学专家亲自标注、筛选、验证的高精尖数据集，其价值远超以往互联网采集的通用数据。数据质量的高地，决定了AI能力的上限。

四、三大赛道与四大风口：数字经济的引力场

什么样的领域会率先爆发？这是一个关乎资源配置效率的战略问题。田丰提出三个判断前提：

第一，数据资源的底子好。这意味着行业已完成初步的数字化积累，拥有可追溯、可复用的数据资产。麦肯锡的研究早已表明，数据密度高的行业，AI渗透速度平均快30%以上。

第二，工作流程清晰。教育心理学中的"刻意练习"理论（Deliberate Practice）指出，专家与新手的关键差异在于：专家能够将复杂任务分解为可重复训练的模块化流程。AI赋能效率最高的行业，恰恰是那些能将工作流标准化、可量化的领域。

第三，对AI的容错性较高。这并非鼓励失误，而是说在某些场景下，AI的"不够完美"带来的成本是可接受的。金融、医疗等高风险领域虽然回报丰厚，但合规成本同样高昂；而工业检测、质量控制等场景，AI辅助决策的价值更容易被买单。

基于这三个前提，本届峰会上三个垂直领域浮出水面：工业AI、医疗AI、金融AI。而四大战略新兴产业——低空经济、合成生物、机器人、新型储能——则构成了更具想象空间的未来赛道。

田丰打了个形象的比喻："以前的基础设施是为互联网、移动互联网打造的，下一代智能基础设施是为智能体打造的。" 好比19世纪的淘金热中，真正赚大钱的不是淘金者，而是卖铲子、卖工具链的供应商。智能体时代的数据基础设施，就是那把通往金矿的铲子。

五、端边云一体化：全民创新的技术土壤

2025年的另一个显著变化，是开源小模型的大规模普及。以往"大模型只能在云上跑"的技术迷信正在被打破：大量开源的小模型走入千家万户，走入小微企业，走入创业团队和开发者的桌面。

这与经济学的"长尾理论"高度吻合。克里斯·安德森指出，互联网时代的产品逻辑从"头部市场"转向"长尾市场"，无数小众需求的聚合可以创造比肩主流市场的商业价值。端侧AI的普及，本质上是将创新门槛从"精英俱乐部"降低到"大众创业万众创新"的层面。

《论语》有云："君子不器。" 意为真正的君子不应被一技之长所限。今天的AI基础设施正在践行这一理念：云端处理复杂任务，端侧形成创新环境，两者的协同构成了全民创新的技术土壤。当AI不再是遥不可及的黑科技，而是触手可及的生产工具，创新的边界将被重新定义。

六、双螺旋共振：从数据大国到数据强国

纵观全文，一条清晰的逻辑主线浮现：

AI正在从工具进化为智能体——从被动执行指令的"工具人"，到主动规划任务的"数字员工"。

数据正在从资源进化为资产——从粗放开采的原材料，到精准冶炼的高价值产品。

两者正在形成"双螺旋共振"——如同DNA的双螺旋结构相互缠绕、共同进化，AI与数据的深度交织正在重塑数字经济的底层逻辑。这既是技术规律使然，也是经济规律使然：创新扩散理论（Everett Rogers）表明，新技术的采纳遵循S曲线，早期接纳者的实践将加速后期大众的跟进——当AI与数据的共振效应形成，正反馈机制将持续放大。

田丰在访谈末尾的判断颇具分量："AI和数据的共振就像两只脚不断地往前迈。如果这两个步调一致，我们中国就有可能从数据大国变成一个强国。"

教育家陶行知曾言："生活即教育，社会即学校。" 在AI与数据共振的时代，这句话获得了新的注解：生活产生数据，数据训练AI，AI反馈生活——一个自循环的智能社会正在从概念走向现实。

当算法开始创造数据，当智能体接管重复劳动，当数据要素市场突破3000亿门槛——我们正在见证的，不仅是技术的迭代，更是文明形态的转型。数据大国的底座已然夯实，数据强国的征途才刚刚开始。

数字中国建设峰会组委会数据显示：2025年全国日均词元调用量从年初的超万亿增长到年末的100万亿，呈现指数级增长。这一数字的背后，是无数个"数据-算法-应用"的小循环汇聚成的大势能。当潮水来临时，每个人都是参与者和见证者。

畅销书 ：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。