C114訊 9月24日消息（水易）今日，2025年中國國際信息通信展覽會開幕式在北京舉辦。在主論壇上，中國工程院院士鄔賀銓發表《開發數據要素推進數實融合》的主旨演講。

他表示，當前，我們正進入智能體時代，AI將是數實融合發展新階段的最大變量，上云是支撐數實融合的關鍵，而數據作為推動數字化轉型走深走實的抓手，數據要素的發揮決定了數實融合的成效。

不過，當前數據要素市場化面臨多重挑戰。據統計，72%的企業因權屬不清而拒絕數據共享；數據資產評估誤差幅度超過±300%；跨省政務數據調用平均耗時高達17天。另外，企業數據80%還要靠自身數據，同時企業生產數據中僅2.9%被存儲，其中40%在一年內未被有效利用。

以上種種嚴重制約了數據要素的流通與價值釋放。與此同時，企業對數據要素的開發仍存在困惑和顧慮，集中體現在不會用：需要專業技術支持；不敢用：涉及用戶隱私和數據安全風險；不愿用：投入產出比不確定，回報周期長，麥肯錫預計平均超5年。

鄔賀銓表示，破解上述難題，激活數據要素價值需要在技術、制度和生態上協同，可從完善數據全生命周期開發與安全技術及服務入手。通過數字網絡基礎設施、算力基礎設施、數據流通利用基礎設施和數據安全基礎設施，完成數據預處理、數據資源調用、數據可信計算。

數據預處理是數據產業鏈的關鍵環節，包括數據生成、采集、存儲、標識、編目、索引、清洗和標注等步驟。

數據采集（生成）可通過API、爬蟲、傳感器實現，但傳感采集成本高昂，同時中文開源語料庫不足，預計高質量語料將在2026年面臨枯竭，此外原始數據的采集已跟不上AI訓練的需求。因此，用AI生成數據成為必然趨勢，但需注意反復迭代可能導致數據失真，需附加標記以示與原生數據區別，一定比例的原生數據仍是必須。采集完數據需要存儲，存儲需統一標準格式，便于結構化調用。

數據標識方面，網絡層依靠IPv6，應用層依靠OID和UUID，但行業標識標準各異，如金融SWIFT、醫療HL7，需針對性定義語義。值得一提的是，標識字段如直接使用身份證號/手機號將導致隱私泄露，需采用哈希替代或采用UUID。

數據編目與索引方面，通過目錄分類（結構化/半結構化、存儲模式、敏感程度、來源、生成方式、使用頻度、流規模、任務類型、預處理等）和索引規則，實現數據高效檢索。

數據清洗需去重、補漏、邏輯校驗，以及脫敏和匿名化，同時避免過度清洗或惡意保留錯誤數據。數據標準是為數據添加機器可讀標簽，如拉框打點，當前多依賴人力外包，需防范數據外泄和惡意代碼注入風險。

數據資源調用前首先需要對數據供給/使用者進行接入認證，不僅需要源宿IP地址認證，還要采用屬性基訪問控制等方式提升安全性。

數據調用時，企業需明確自身數據需求，如財務分析、生產監控，選擇云服務商完成數據預處理。調用第三方數據時需簽名驗證、PKI認證，可利用區塊鏈確權，通過聯邦學習實現“可用不可見”，需嚴格審核第三方服務商資質，防范配置錯誤、內部威脅等風險。

數據開發時可以利用數據集成、數據建模、工作流調度和數據治理等工具鏈提升效率，需防范憑證泄露等風險。模型與算力調用時，評估模型適用性，通過容器快速部署，根據任務類型調度算力資源。同時，需落實角色訪問控制、安全審批流程，遵守《數據安全法》和《個人信息保護法》。

數據需要可信計算，通過可信計算、隱私保護、存證和審計等技術，形成可信數據空間。這是基于共識規則，聯接多方主體，實現數據資源共享共用的一種數據流通利用基礎設施。

鄔賀銓介紹，可信數據空間不僅有安全加密計算，還提供數據源認證和接入身份認證，提供數據資源目錄，提供數據格式和協議的轉換，對敏感數據提供過濾和去標識化，提供算力調用和數據挖掘工具鏈，提供可信計算平臺和數據流通安全合規管理，支持聯邦學習與隱私計算等等，破解企業不會用、不敢用、不愿用的“三不”難題。