人工智能赋能可信数据空间发展研究报告

序言：共创可信数据新生态 数字经济正以前所未有的速度重塑全球经济格局，而数据作为这一时代的核心生产要素，其价值已渗透到经济社会的每一个环节。从农业生产的精准调控到工业制造的智能升级，从金融服务的高效运转到公共服务的普惠延伸，数据的高效流通与深度应用成为驱动产业变革、提升治理效能、改善民生福祉的关键力量。随着数字技术与实体经济融合的不断加深，数据规模呈指数级增长，其跨域、跨行业、跨主体的流通需求日益迫切，数据要素市场化配置已成为衡量国家数字竞争力的核心指标，更是推动经济高质量发展的重要引擎。 然而，数据要真正“供得出、流得动、用得好”，必须解决“不愿共享、不敢共享、不会共享”的三个难题。在此背景下，可信数据空间应运而生。作为实现数据“可用不可见、可控可追溯”的新型基础设施，可信数据空间正成为破解数据孤岛、激活数据价值的战略支点。在数据安全与流通效率的双重诉求下，传统数据共享模式面临着权属界定模糊、安全合规风险高、价值分配不均等诸多挑战，而可信数据空间通过构建统一的信任机制、规范的数据治理规则和灵活的技术适配框架，为政府、企业、科研机构等多元主体提供了安全可控的数据流通利用环境，促进数据要素在不同场景下的高效协同，从而释放数据的乘数效应。 人工智能技术的发展，为可信数据空间的建设提供了新的驱动力。面对海量异构数据的治理难题、动态复杂的安全威胁以及多元主体的协同需求，传统技术手段已难以满足实际应用场景的要求。而人工智能凭借其跨模态理解、自主决策、协同优化等能力，正从价值共创的生态化构建、数据资源的智能化交互、可信管控的动态化平衡等多个维度，为可信数据空间注入新的活力。从多模态大模型打破数据壁垒，到安全智能体实现实时风险预警，再到低代码开发平台降低数据产品创新门槛，人工智能正在重新定义数据治理的范式，推动可信数据空间从“合规底线”向“价值高线”跃升，最终实现数据要素的安全流通与高效利用，为数字经济的可持续发展提供强大支撑。 目录 01 可信数据空间发展态势和挑战01 国际可信数据空间发展现状我国可信数据空间发展现状可信数据空间发展挑战010203 02 人工智能赋能可信数据空间发展内涵和体系架构 04 发展内涵价值共创生态化0405资源交互智能化11可信管控动态化15 03 典型实践案例20 案例一：端云协同驱动智能座舱升级案例二：跨境数据网关破解多头监管难题案例三：赋能辅助驾驶模型性能升级案例四：赋能影像AI模型联合训练20212324 04 人工智能驱动可信数据空间发展展望26 可信数据空间发展态势和挑战 国际可信数据空间发展现状 近年来，全球主要经济体及区域性组织积极推进数据空间战略布局，将其视为推动数据要素流通和释放数据价值的核心载体。 欧洲以完善的法律体系和数据治理规则为核心，推动数据空间建设走在全球前列。《欧洲数据战略》明确提出建设欧洲共同数据空间作为数字化转型的战略基石，通过基础设施与数据治理机制相结合，推动数据在健康、农业、制造等重点领域的共享与应用。欧盟陆续出台《数据治理法案》《数据法案》《数字服务法案》《数字市场法案》等法律文件，为推进数据空间建设提供统一的法律规则，并在文化遗产、旅游、交通和健康等细分领域发布专项政策文件，细化建设目标与实施路径。由欧盟资助的 GAIA-X 项目旨在构建一个符合欧洲标准和价值观的、可互操作的数据基础设施框架，对全球数据空间架构设计产生了深远影响。据国际数据空间协会（IDSA）统计，截至 2025 年 3 月，全球已形成约 190 个数据空间案例，其中欧洲占据主导地位。 美国依托市场活力与技术创新优势，形成以企业为主导的数据空间发展模式。美国政府通过发布行政命令和政策指南（如《联邦数据战略》）、倡导“开放数据”等方式，营造有利于数据流通和创新的政策环境。美国凭借其在云计算、人工智能、隐私增强技术等领域的全球领先优势，由大型科技公司（如 Google,Microsoft, Amazon）主导推动数据空间相关技术和服务的商业化落地，强调技术集成与高性能，在医疗、科研等特定领域通过行业联盟推动实用化协作生态。 日本在跟进国际趋势的同时，聚焦本国优势领域探索差异化路径，推动数据空间本地化实践落地。日本政府将数据空间视为实现“社会 5.0”和提升产业竞争力的关键，在《综合创新战略》中明确提出要构建跨行业的数据流通生态。其发展路径兼具欧洲的规则导向和美国的实用主义，特点在于高度重视特定垂直领域的深度应用，如专注于推动制造业供应链数据共享的“互联工业”倡议，以及旨在提升医疗研发效率的“医疗数据空间”。日本经济产业省（METI）等机构积极推动国内数据空间标准与国际标准（如 IDSA 参考架构）的对接，以促进跨境数据流通，并寻求在亚太地区数据合作中扮演领导者角色。 我国可信数据空间发展现状 我国自《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）和《可信数据空间发展行动计划（2024—2028 年）》发布以来，可信数据空间建设进入快速发展阶段，初步形成了从顶层设计、技术研发到应用落地的系统化推进格局。 在核心技术层面，技术创新体系加速构建。2024 年 12 月，国家发展改革委、国家数据局、工业和信息化部联合印发《国家数据基础设施建设指引》，明确将可信数据空间作为数据基础设施的重要技术路线。国内科研机构与龙头企业围绕数据使用环境、控制策略执行、使用存证、隐私计算、机密计算等关键技术持续攻关，初步实现了数据在采集、流通、使用、追溯等环节的全生命周期动态管控。可信数据空间逐步具备多源异构数据安全汇聚、跨域可信交换及合规共享能力，技术体系正从原型验证迈向工程化与规模化应用阶段，为国家数据基础设施体系提供了可落地的技术支撑。 在制度规则层面，标准体系逐渐完善。在国家数据局指导下，全国数据标准化技术委员会已启动多项可信数据空间相关标准研制工作，形成了“基础共性＋关键技术＋行业应用”三层架构的标准框架。已发布的《可信数据空间技术架构》《数字合约技术要求》《使用控制技术要求》及《技术能力评价规范》等 4 项关键技术标准，为空间的可信互操作与安全治理提供核心支撑。同时，围绕数据使用合规、主体责任划分、跨域数据流通等重点议题，配套制度与评估规范正加快建立。我国主导提出的 3 项可信数据空间国际标准提案获 ISO/IEC 正式立项，标志着我国在全球数据空间治理规则制定中实现从积极参与向引领主导的重要转变。 在应用生态层面，应用实践多点开花。2024 年 10 月，国家数据局开展数据基础设施先行先试，在 8 个城市部署可信数据空间建设项目。2025 年 7 月，国家数据局公布 2025 年可信数据空间创新发展试点名单，共遴选 63 个项目，覆盖城市、行业、企业三个维度。城市方面，上海、深圳等超大城市以“生态适配”为核心，打造城市级数据空间，支持超海量异构数据处理能力；温州、南昌等中小城市则以“产业赋能”为导向，深耕营销、医疗等特色领域，探索数据驱动转型的中小城市路径。行业方面，医疗、物流、装备制造、气象、卫星遥感等国计民生领域成为应用主力，依托可信数据空间实现跨主体数据协作。企业方面，各类主体积极探索数据产品开发与服务创新，推动数据要素市场化进程。 遴选项目个数个63 部署可信数据空间建设城市个8 关键技术标准数个4 可信数据空间发展挑战 尽管取得了积极进展，可信数据空间建设仍面临多方面挑战。 数据融合能力不足 各领域数据类型差异显著，涵盖文本、图像、音频、视频、传感器信号等多模态形式，且在数据格式、语义定义、质量标准方面缺乏统一规范。传统的数据集成方法高度依赖人工映射与规则配置，处理海量异构数据时效率低下、成本高昂，且难以适应数据源的动态变化。这导致数据在空间内难以实现深度的、语义级的融合与互操作，制约了高质量数据产品的快速生成，成为阻碍数据空间规模化发展的瓶颈。 跨域流通合规复杂 数据在跨地域、跨行业、跨司法管辖区流动时，需要同时满足来源方、使用方以及途经各地的多重监管要求（如中国的数据出境安全评估、欧盟的 GDPR），这些法律制度存在差异且可能动态调整。当前缺乏高效、低成本的自动化合规审核机制与事后追溯机制，主要依靠静态规则配置，导致合规校验周期长、成本高、灵活性差，难以支撑大规模、高频次的数据流通业务需求，也增加了企业的合规风险与监管机构的执法难度。 安全防护压力增大 可信数据空间中的多方协同、动态开放特性对安全提出了更高要求。传统基于边界防护和静态权限的安全模型难以应对复杂多变的内部和外部威胁环境。面对日益隐蔽的数据爬取、权限滥用、模型逆向攻击等新型风险，存在未知攻击检测困难、异常行为识别滞后、动态权限调整刚性不足等问题。安全运营高度依赖专家经验，响应速度跟不上威胁演变的速度，使得数据空间面临持续性的安全挑战，影响参与主体的信任度。 价值释放效率偏低 当前，可信数据空间的建设重点仍集中在数据汇聚与安全流通，价值转化体系相对滞后。数据产品开发流程复杂，自动化与智能化水平不足，从数据发现、清洗、建模到服务封装周期较长，难以支撑高频次的数据服务需求。中小企业及非技术主体缺乏低门槛的开发工具，难以参与数据创新与服务供给，导致空间内数据利用率偏低。同时，数据价值评估、定价与收益分配机制尚未完善，激励体系缺乏透明性和动态性，供给方积极性不足。总体来看，可信数据空间在实现安全可信流通的基础上，还需进一步提升数据的可用性与可变现能力，构建高效、公平的价值释放体系。 人工智能赋能可信数据空间发展内涵和体系架构 发展内涵 可信数据空间作为人工智能的数据基座，旨在打通跨主体、跨行业、跨区域的数据壁垒，实现数据的可信流通与价值创造，并为各类智能模型的能力优化提供底层数据资源支持。然而，随着数据类型的多样化、治理要求的复杂化以及模型计算的智能化，传统依靠静态规则与人工配置的管理方式已难以适应新的数据生态。人工智能技术的引入，使数据空间从“可信共享”进一步走向“数智共生”，在价值共创、资源交互与可信管控的各个层面形成新的协同格局。 在上述背景下，新型的人工智能与可信数据空间融合架构正在形成，如图 1 所示。可信数据空间与人工智能两者之间形成相互依托、双向赋能的技术循环：一方面，可信数据空间为人工智能提供高质量、可验证的多源数据支撑，解决模型训练中数据来源分散、质量不均和隐私保护不足的问题；另一方面，人工智能以智能治理、语义理解、模型推理等手段反哺数据空间建设，提升其在安全管控、资源交互和价值创造方面的智能化水平。 价值共创生态化 在价值共创层，可信数据空间以“价值工厂”为核心载体，支持多主体在规则约束下共同参与数据开发利用，推动数据资源向产品与服务转化并保障各方权益。如图 2 所示，依托五大人工智能技术支柱，这一生态实现高效运转：AI-Native 数据开发套件通过智能清洗、标注与特征提取，将实体场景数据转化为高质量数据集，筑牢数实融合的数据基础，契合国家“数据要素 ×”行动对数据加工提质的要求；多模态大模型打破异构数据壁垒，实现数据“会思考、能行动”的深度赋能；大模型管理服务中台聚合模型资源并精调行业垂直模型，让数据价值精准匹配实体需求；智能体开发中台提供低门槛开发能力，助推多主体参与数据服务创新；大模型机密计算则提供全链路隐私保护。这套技术体系打通数据采集、加工、交易、应用全链条，推动数据增值变现，为实体经济注入新动能。 技术方案 亟需解决的问题 方案成效 AI-Native 数据开发套件 从"人工加工"到"智能生产" 数据开发效率不足 智能生成与建构存算协同内生治理与反馈基于主动元数据动态调度 数据产品产出效率显著提升 , 数据供给能力从被动响应转向自动构建、持续演进。 传统数据开发难以处理模型应用所需要的多模态、高频变更的数据，导致数据产品供给滞后。 多模态大模型 异构数据理解受限 从"数据割裂"到"统一认知" 统一理解与语义对齐生成式表达与场景落地深度关联与综合研判 文本、图像