近日，国家数据局发布《关于数据科技创新的指导意见》（以下简称《意见》），明确了数据科技创新的总体要求、重点任务和保障措施。《意见》的出台紧扣三大时代需求：一是响应中央发展新质生产力的战略部署，将数据科技作为突破数字经济发展瓶颈的关键抓手；二是破解数据要素市场化配置中的“供给不足、流通不畅、利用不充分、安全无保障”等突出矛盾；三是应对全球数据领域科技竞争，抢占国际数据领域话语权。

《意见》指出了科技创新目标与实施要点

《意见》明确2027年与2030年两个关键节点目标，呈现清晰的递进逻辑：2027年聚焦“基础突破”，通过建成引领性创新平台、形成产学研融合机制，实现关键技术阶段性突破，为产业创新体系奠定基础；2030年追求“全球领先”，通过技术跃升与生态成熟，让数据要素赋能作用全面显现。这种分步推进策略既符合科技发展规律，也与我国“十五五”规划及中长期发展目标相契合。

这些目标的实现需要强有力的支撑体系。《意见》从技术攻关、产业生态、基础支撑和组织保障四个维度构建了系统性的实施框架。在技术维度，着重突破数据供给、流通、利用和安全等关键技术；在产业维度，着力打造创新平台体系和发展壮大创新主体；在基础维度，夯实数据基础设施和人才支撑；在机制维度，建立常态化工作机制和评估机制。

数据产业发展需要数据技术创新

在技术攻关方面，《意见》明确提出要加强关键核心技术攻关突破，将数据科技研发纳入国家科技计划体系。重点包括数据供给、流通、利用、安全等关键技术，以及促进人工智能、具身智能等技术创新发展的高质量数据集构建和评测技术，《意见》的实施将有助于实现数据“供得出、流得动、用得好、保安全”。

一是数据供给技术创新。数据“供得出”是价值释放的起点。产业界面临的首要挑战是大量数据处于“沉睡”状态，难以被有效获取和利用。技术创新需要解决数据可获取、高质量获取两大难题。

针对数据获取难题，在数据采集汇聚层面，产业界需要融合多种技术手段。物联网传感技术能够实现对物理世界运行状态的实时感知与采集，特别是在制造业、物流业中，通过部署各类传感器，可收集设备运行、环境参数等海量数据。边缘计算技术则通过在数据产生源头进行初步处理，减轻传输压力，提升采集效率。对于异构数据源的整合，需要构建统一的数据接入平台，支持API接口、数据抽取工具等多种方式，实现对企业内部ERP、CRM等系统数据以及外部公共数据、行业数据的自动化汇聚。

针对提升数据质量难题，在数据清洗治理方面，随着数据量激增，传统人工治理模式已难以为继。人工智能驱动的数据质量提升技术正成为关键。通过自然语言处理技术可自动识别和分类非结构化数据；利用机器学习算法能够检测数据异常、自动修复错误值、识别重复记录，显著提升数据质量。这些技术共同构成了企业数据的“精炼厂”，将原始数据转化为高质量、可复用的数据资产。在数据标注与合成领域，高质量标注数据是AI模型训练的基础。面向人工智能应用需求，半自动标注工具结合人工校验大幅提升标注效率；数据合成技术能够在保护隐私的前提下，生成符合真实数据分布的合成数据集，为模型训练提供更多“燃料”。

二是数据流通技术创新。数据只有在流动中才能实现价值倍增。然而，数据流通面临信任缺失、隐私泄露、标准不一等挑战。创新技术正在构建一条既能保障安全又能促进高效流通的数据流通范式。

可信数据空间技术是这一领域的核心创新。它基于共识规则，联接多方主体，为数据资源共享共用提供安全可信环境。可信数据空间融合规则机制与技术体系，支撑数据全流程可信流通。

隐私保护计算技术实现了“数据可用不可见”的理念。这包括安全多方计算（允许各方在不泄露自身数据的前提下进行协同计算）、联邦学习（在本地数据基础上协同训练模型）以及差分隐私（通过添加可控噪声保护个体信息）等技术。隐私保护计算技术在保护数据隐私的同时，释放了数据的计算价值。

数联网基于APN（Application-aware IPv6 Networking，应用感知型IPv6网络）技术实现数据和网络的智能化融合，通过智能识别和优化特定应用的数据流来高效管理网络流量。利用IPv6的丰富地址空间和内置的安全特性，结合应用感知能力，为不同的应用程序分配最优的网络路径和服务质量（QoS）策略。基于数网融合，关键应用可以获得更高的带宽优先级和更低的延迟，从而提高数据传输效率。同时，非关键或低优先级的应用可以在不影响整体性能的情况下使用较低优先级的网络资源，有效降低网络流量开销。

三是数据利用技术创新。数据“用得好”是价值实现的最终环节。技术创新需要降低数据使用门槛，提升数据分析水平，赋能业务决策与创新。

人工智能与大数据分析技术是数据价值挖掘的“核心引擎”。机器学习、深度学习等AI技术能够从海量数据中发现隐藏规律，预测趋势变化。自然语言处理技术使计算机能够理解和生成人类语言，大幅提升了非结构化数据的利用效率。预训练大模型的出现，更是显著降低了AI应用门槛，使企业能够基于少量行业数据快速构建专属AI应用。这些技术创新可以有效提升数据分析水平，助力业务决策与创新。

四是数据安全技术创新。安全是数据要素价值释放的前提和底线。技术创新需要为数据全生命周期提供全方位、智能化的安全保障。

数据分类分级与风险评估技术是安全防护的基础。通过机器学习算法自动识别数据类型和敏感度，实现精准分类分级；利用风险评估模型动态评估数据使用场景的安全风险，为差异化防护策略提供依据。

数据加密与脱敏技术是保护数据机密性的核心手段。同态加密技术允许在加密状态下直接对数据进行计算，实现“加密数据可用”；量子加密技术为未来数据安全提供前瞻性保障。在数据共享场景中，动态脱敏技术可根据用户权限实时掩码敏感信息，确保数据安全合规使用。

数据安全监控与审计技术构建了数据安全的“全天候哨兵”。通过用户行为分析技术检测异常数据访问行为；利用安全信息和事件管理实现安全事件的全景感知和快速响应。

《意见》的发布标志着我国数据科技发展进入规范化、系统化阶段，其价值体现在三个层面：一是技术层面，通过关键技术突破实现“卡脖子”难题破解，提升科技自立自强能力；二是经济层面，激活数据要素乘数效应充分释放；三是国家层面，为数字中国建设提供核心支撑，助力在全球数据竞争中占据主动。随着政策落地，数据将真正成为驱动经济社会高质量发展的“黄金要素”。（作者陶涛系中国移动通信集团有限公司数智化部副总经理）

（人民网记者许维娜 整理）

【相关阅读】

之一：强化数据科技创新 促进数据要素价值释放

之二：数据要素化时代的数据科技创新

之三：加强数据科技关键技术研发 支撑我国数据事业可持续发展

之四：构建“技术－产业－应用－保障”相互促进的数据科技创新体系

之五：面向数据要素价值释放的数据科技创新：现实挑战与破局路径

之六：构建数据科技高质量发展的中国路径

之七：引领数据科技新变革 筑牢数字中国新根基

分享让更多人看到