对白皮书中数据要素发展现状的总结
一是数据供给，数据产量快速增长，但供给质量仍需进一步提高。近年来我国信息化建设取得成效，海量数据资源规模优势稳步巩固，但数据转化为有效供给的过程仍存在瓶颈。2023年，我国数据生产总量近33 ZB，但转化率不足3%。因此，需要进一步提高数据资源供给质量和效率，将优势潜力转化为要素能力，筑牢发展的关键基础。
二是数据应用，数据应用场景逐步拓展，但复用潜能有待进一步释放。调查显示，企业一年未使用的数据占比近40%；开展数字化转型的大企业中，实现数据复用增值的仅有8%左右。需要以产业实际应用需求作为重要牵引力量，带动高质量数据供给，进一步提高数据应用水平、扩展数据应用领域，才能形成开发开放和流通使用的正向循环。
三是数据管理，数据相关政策紧密出台，但数据管理制度体系有待进一步完善。目前国家数据局制度起草紧锣密鼓进行，推出《“数据要素×”三年行动计划》、《关于促进数据产业高质量发展的指导意见》等一系列促进数据产业发展的指导意见，全国各省迅速完成数据管理机构组建。但仍需进一步全面构建统筹协调的数据管理机制体制。
四是数据产业，场内数据交易继续探索，互联互通势在必行。载至2024年7月，包括上海、浙江、深圳等地在内，全国已有19省组建数据交易场所。但场内交易的供需匹配仍然存在结构性问题，场内达成交易的数据产品占比不足两成，并且在数据登记、上架、交易、交付等各环节的实施规则尚不统一。
数据要素未来发展的思考与建议
以核心应用场景为抓手，形成可推广的示范标杆
针对目前数据应用现状，为持续提升数据应用水平，需要在金融、政务、工业等数据资源丰富、数据技术相对成熟的行业，以核心应用场景为抓手，构建一批具有示范性的标杆案例项目。
金融行业：金融领域的数据要素应用可聚焦于风险管理、信贷审批、精准营销等核心场景。通过构建基于大数据的信用评估模型，使金融机构能够更准确地评估贷款风险，提高审批效率。
政务行业：政务数据的开放和共享是提升政府服务效率的关键。可围绕智慧城市建设、政务服务优化等场景，通过跨部门的数据汇聚和信息整合，提升政策制定的科学性和服务响应的速度。
工业行业：工业4.0的推进需要数据要素的深度参与。可围绕智能制造、供应链优化、设备维护等场景，利用数据要素提高生产效率，降低运营成本，实现制造业的智能化升级。
通过数据要素在这些行业落地应用中的优秀实践，可构建一批具有行业特色的数据要素应用模式，提供可复制、可推广的发展模式参考，推动在各行业产生规模效应，提升数据应用效果，加速数据要素在更多业务领域的延伸和拓展。
推动数据要素市场化商业模式探索，激活数据要素潜能
针对目前数据产业现状，为促进数据交易和释放数据潜能，数据要素的市场化是关键，需要积极探索数据要素市场化配置改革的收益分配机制和商业模式建设。
首先，建立公共数据、企业数据、个人数据的分类分级确权授权制度，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，有助于推进数据按市场化方式“共同使用、共享收益”的新模式，激活数据要素价值创造和价值实现。
其次，确保公平合理的收益分配，应建立体现效率、促进公平的数据要素收益分配制度，健全数据要素由市场评价贡献、按贡献决定报酬的机制，构建公平与高效相结合的数据价值分配结构，以激发各类主体参与数据要素市场的积极性。
持续深化数据要素市场化配置改革，为数据提供方、数据产品服务商、数据交易所等参与数据市场的各类主体提供一个公平合理、协同共赢的生态环境，才能促进全数据产业链条的互惠互信、融通发展，从而激活数据要素潜能，推动数字经济高质量发展。
持续推进数据基础设施建设，促进数据合规高效流通
为推动数据交易、流通和应用，数据基础设施是基石，需要持续推进数据基础设施建设，为数据的高速泛在连接、高效敏捷处理和共享流通利用提供有力支撑，推动数据要素高效合规流通，促进数据价值普惠共享。
目前，各运营商在构建网络设施、算力设施等方面持续发力，大力发展高速互联网、智算中心等。中国移动致力于打造以算为中心、网为根基的算力网络，建设网、云、数、智、安、边、端、链（ABCD-NETS）等深度融合、可提供一体化服务的新型信息基础设施。目前算力网络走过“泛在协同”“融合统一”的重要时期，已迈入“一体内生”的发展新阶段。
然而，数据流通基础设施建设当前整体上仍处于发展起步阶段，电信运营商正积极探索数据流通领域，形成各自技术路径的初步尝试。中国移动打造数联网（DSSN），依托“连接+算力+能力”信息服务体系，面向数据要素流通市场，构建跨行业、跨区域、跨主体的下一代集约高效的数据流通基础设施。未来数联网将继续立足于开放共赢的初心，为数据流通产业生态提供标准化数据接入、一站式算网服务、端到端安全合规的流通保障，支撑数据要素市场高效健康发展。
加快开展数据领域核心技术攻关，打造坚实技术底座
为推动数据基础设施建设，促进数据要素发展，核心技术是重要支撑，需要进一步加快隐私计算、联邦学习、量子加密等数据领域核心技术的攻关。
隐私计算技术虽能保障数据隐私，却面临性能和安全的双重挑战。多方安全计算的安全性高，但通信和计算开销大。可信执行环境在保护数据安全的同时，也存在侧信道攻击的风险。因此需要持续推进算法优化和硬件研发，加强隐私计算性能。
联邦学习在分布式环境中面临着模型参数同步和通信效率的挑战。尤其是在大规模数据集上训练时，时延、丢包等对训练和计算任务的影响显著。因此需要探索优化联邦学习的通信协议和算法，提升联邦学习效率。
随着量子计算的发展，传统的加密方法面临着被破解的风险，量子霸权对国家安全系统构成威胁。因此，发展后量子密码算法和量子加密技术，如量子密钥分发等，对于保护数据安全至关重要。
数据领域关键技术的突破将为数据要素的存储、处理、加工和应用提供坚实的技术底座，为数据的安全可信保驾护航，同时促进数据的开放共享和价值挖掘，提升数据要素流通效率。
结束语
当前数据要素发展态势迅猛，虽然在数据供给、应用、管理、产业等方面存在挑战，但业界各方积极探索、加快行动，采取一系列举措推动数据事业发展。我们相信未来随着数据应用场景更加丰富、数据要素市场更加成熟、数据基础设施更加完善、核心领域技术不断突破，数据产业生态将持续优化，数据要素市场将不断繁荣，数据的开发开放和流通使用将更加充分和高效，成为内化于经济社会发展的强大动力，助力数字经济乘“数”腾飞。
审稿：李连源、吴博、葛欣 | 业务研究所
作者：郑皓月 | 业务研究所
