国家数据局印发《2026年数字经济发展工作要点》：八项任务背后的数据治理信号

大家好我是独孤风。5月19日国家数据局印发《2026年数字经济发展工作要点》。这不是一份泛泛谈数字经济的文件而是对 2026 年数字经济工作的重点部署。从文件内容看2026 年数字经济工作的关键词并不只是“上云、用数、用 AI”而是把数据要素市场、数字基础设施、人工智能、产业转型、安全治理和国际合作放到了一条主线上。如果用一句话概括我的判断数字经济正在从“建系统、做应用”进入“以数据要素为主线连接基础设施、人工智能、产业场景和安全治理”的新阶段。这份文件值得做数据治理、数据资产、数字化转型、大数据平台、人工智能应用和企业 AI 工程化的人认真看一遍。因为它里面很多内容看起来是宏观政策落到企业里其实都会变成数据资源盘点、数据资产运营、数据基础设施、AI 数据集、数据安全和场景化应用能力。一、先看一张图八项任务不是并列清单而是一条主线《工作要点》提出了 8 个方面重点任务分别是① 深化数据要素市场化配置改革② 筑牢数字基础设施底座③ 强化数据赋能人工智能发展④ 提升数字经济核心竞争力⑤ 促进实体经济和数字经济深度融合⑥ 提升数字化治理与服务能力⑦ 深化数字经济国际合作⑧ 营造良好发展环境。我把它整理成一张图表面上看这是 8 个并列任务。实际上它背后有一条很清晰的政策逻辑① 以数据要素市场化配置改革为制度主线解决数据能不能确权、能不能流通、能不能定价、能不能进入统一市场的问题。② 以数字基础设施为承载底座解决数据、网络、算力、能源和数据基础设施如何协同布局的问题。③ 以人工智能为重要牵引解决高质量数据集、AI 就绪数据、行业模型训练和 AI 应用落地的问题。④ 以实体经济场景为价值出口解决数字经济不能只停留在平台和概念层面而要进入制造业、服务业和重大经济场景的问题。⑤ 以安全治理、国际合作和监测评估为保障机制解决数据安全、重要数据保护、跨境流动、指标评价和政策落地的问题。所以这份文件不是单纯讲“数字经济怎么发展”而是在回答一个更具体的问题未来几年数据要素如何真正进入经济运行、产业升级和 AI 应用。二、第一条主线数据要素市场化配置正在从方向走向规则文件把“深化数据要素市场化配置改革”放在第一项并且提出了几个非常关键的动作① 加快建立全国统一数据产权登记制度② 印发登记指引③ 推动公共数据授权运营价格形成机制④ 制定建设开放、共享、安全的全国一体化数据市场相关政策文件。这说明数据要素市场化改革已经不只是讲“数据有价值”而是开始进入更具体的制度建设阶段。过去很多企业谈数据资产经常停留在三个层面① 有多少系统② 有多少表③ 有多少数据量。但真正进入数据要素市场以后仅仅知道“我有数据”是不够的。企业至少要回答几个问题① 这些数据资源是谁形成的② 使用权、加工权、运营权边界是什么③ 是否可以对外提供④ 对外提供的价格依据是什么⑤ 哪些数据只能内部使用⑥ 哪些数据可以做成数据产品、数据服务或模型能力⑦ 数据流通过程中如何留痕、审计和安全管控这就把数据治理从“内部管理问题”推向了“资产运营问题”和“市场规则问题”。所以对企业来说2026 年如果还把数据治理只理解为建目录、补字段、做质量规则就会明显不够。未来的数据治理一定会更靠近数据资源盘点、数据权属记录、数据产品设计、数据服务计量、授权运营和安全合规。三、第二条主线数字基础设施不只是算力而是数据、网络、算力、能源协同文件提出要加快建设全国一体化算力网推动数据、网络、算力、能源等资源协同布局稳妥推进数据基础设施建设支持行业和领域示范性设施建设。这里有一个很重要的变化数字基础设施不再只是“机房、云平台、算力中心”而是变成一个更综合的系统。过去很多企业建设数字化底座关注的是① 有没有数据湖② 有没有数据仓库③ 有没有实时计算平台④ 有没有统一数据开发平台⑤ 有没有大屏和报表。这些当然重要但从新一轮数字经济建设看基础设施的内涵会继续扩大。它至少包括① 数据资源的统一目录和标识② 数据接入、共享、交换和服务能力③ 算力资源的调度和使用能力④ 数据安全、权限、审计和可信流通能力⑤ 面向行业场景的数据基础设施⑥ 面向 AI 应用的数据准备和数据服务能力。也就是说企业未来不能只问“有没有平台”还要问“这个平台能不能让数据被发现、被理解、被授权、被调用、被复用、被安全地进入业务和 AI 场景”。这也是为什么我一直说AI 时代的数据治理不能停留在传统的数据仓库治理。因为 AI 应用需要的不只是表和字段还需要语义、质量、血缘、权限、标准、上下文和责任边界。四、第三条主线数据赋能人工智能高质量数据集成为明确任务这次文件中“强化数据赋能人工智能发展”单独成为一项重点任务而且提出要实施 6 大专项行动① 强基扩容② 应用赋能③ 提质增效④ 管理服务⑤ 价值释放⑥ 标注攻坚。文件还明确提出要形成一批满足 AI 就绪度要求、有效训练先进模型、切实解决行业难题的标杆性高质量数据集。这一点非常关键。过去很多企业做 AI习惯从模型开始问① 用哪个大模型② 要不要私有化部署③ RAG 怎么搭④ Agent 怎么做⑤ 工作流怎么编排这些问题都重要但它们不是全部。真正进入企业场景以后AI 能不能用起来很大程度上取决于数据能不能支撑 AI。企业 AI 应用背后至少需要几类数据能力① 可用数据数据能不能接入、能不能调用、能不能持续更新。② 可信数据数据来源、质量、口径、血缘是否清楚。③ 可解释数据字段、指标、业务术语、规则和上下文是否能被理解。④ 可控数据权限、脱敏、分级分类和使用边界是否明确。⑤ 可评测数据AI 输出是否能被验证、反馈和持续改进。⑥ 可运营数据数据集是否能持续维护、版本管理和价值评估。所以高质量数据集不是简单把数据打包给模型也不是把文档丢进知识库。它本质上是把数据治理、业务知识、标注体系、质量管理和 AI 评测体系结合起来。这也是 Data for AI 的核心不是有数据就能做 AI而是数据要达到 AI 可用、可信、可控、可评测的状态。五、第四条主线数实融合关键不在“数字化”三个字而在重大场景文件提出要深入推进制造业数字化转型行动和重点行业数字化转型实施方案加快赋能服务业扩能提质丰富数据资源运营、数据技术创新、数据分析应用等服务供给并鼓励探索风险共担、收益共享的数据应用服务新模式。这段话里最值得关注的是两个词重大场景和服务模式。很多企业过去做数字化转型容易陷入“平台思维”① 先建一个平台② 再接一批系统③ 再做一批报表④ 再做一个驾驶舱⑤ 最后发现业务使用率并不高。但如果从数实融合的角度看真正重要的是场景。比如制造企业可能关注① 供应链协同② 生产排程③ 设备故障预测④ 质量追溯⑤ 库存周转⑥ 能耗优化。零售企业可能关注① 会员运营② 商品补货③ 门店经营④ 价格策略⑤ 营销转化⑥ 经营分析。金融、能源、交通、医疗、政务等行业也都会有自己的重大场景。数据治理的价值不是为了把元数据、标准、质量、血缘这些概念讲得很漂亮而是要进入这些具体场景帮助企业把经营问题、管理问题和风险问题讲清楚、算准确、管起来、持续优化。从这个角度看未来的数据团队也不能只做“平台运维部门”而要逐渐具备三种能力① 理解业务场景的能力② 把场景拆成数据问题的能力③ 把数据问题沉淀成标准、资产、服务和治理机制的能力。六、第五条主线安全、治理和跨境合作会成为数字经济的基本前提文件还提出要推进数字经济促进法立法进程持续推进数据安全管理强化重要数据和核心数据识别与保护。同时要积极参与数据领域国际规则标准制定鼓励有条件的地方探索建设数据跨境流动服务基础设施、国际数据中心建设一批跨境可信数据空间。这部分内容看起来偏宏观但对企业影响非常直接。因为只要企业开始做数据流通、数据产品、AI 应用、跨境业务和外部数据合作就一定会遇到这些问题① 哪些数据属于重要数据或核心数据② 哪些数据可以共享哪些不能共享③ 哪些数据需要脱敏、匿名化或访问审批④ AI 应用能不能调用敏感字段⑤ 训练数据和知识库数据是否有授权依据⑥ 跨境数据流动如何做合规评估⑦ 数据使用过程如何审计和追责所以安全治理不应该被放在项目最后补课。它应该从一开始就进入数据架构、平台架构和 AI 应用架构。未来企业做数字经济和 AI 工程化至少要把几件事作为基础能力① 数据分级分类② 重要数据识别③ 权限和访问控制④ 数据使用审计⑤ 数据出域和共享审批⑥ AI 应用的数据调用边界⑦ 跨境流动和第三方合作管理。如果没有这些基础再先进的模型、再漂亮的平台都可能在真实企业环境里走不远。七、企业接下来应该重点补哪几项能力从这份《工作要点》看企业如果要顺应 2026 年数字经济的发展方向我建议优先补五类能力。第一数据资源盘点能力。企业要知道自己有哪些数据资源分布在哪些系统归属哪个部门支撑哪些业务场景是否具备对内复用和对外服务的条件。第二数据资产和数据产品能力。不能只把数据看成后台表和报表字段而要逐步梳理哪些数据可以形成指标、标签、模型特征、数据服务、数据产品和行业解决方案。第三AI 就绪数据治理能力。AI 需要的不是“数据越多越好”而是数据语义清楚、口径统一、质量可信、权限可控、上下文完整、反馈可追踪。第四场景化数据应用能力。不要为了治理而治理也不要为了平台而平台。要围绕经营分析、风险控制、供应链、客户运营、生产质量、公共服务等场景把数据治理和业务价值绑定起来。第五安全合规和可信流通能力。数据越进入市场、产业和 AI越需要安全边界。数据分级分类、重要数据识别、权限审计、授权使用和跨境流动管理都会成为企业数字化底座的一部分。八、写在最后数字经济的底层仍然是数据能力这份文件的意义不在于又提出了几个新概念而在于把很多过去分散推进的工作放到了一条主线上数据要素市场化改革是制度基础数字基础设施是承载基础高质量数据集是 AI 发展的关键支撑数实融合是价值出口安全治理和国际合作是发展边界监测评估和试验区是落地抓手。对企业来说数字经济不是一个抽象概念。它最后一定会落到数据能不能盘清、管好、用起来、流动起来、进入 AI、进入业务、进入经营决策。这也是我为什么持续关注 AI 时代的数据治理。因为越往后走企业竞争的差异可能不只在于谁买了更好的模型、用了更贵的算力、建了更大的平台而在于谁能把数据资源、业务场景、治理规则、AI 能力和安全边界真正组织起来。未来的企业数据能力不能只回答“有没有数据”还要回答① 数据能不能被理解② 数据能不能被信任③ 数据能不能被合规调用④ 数据能不能支撑 AI⑤ 数据能不能进入真实业务场景⑥ 数据能不能形成持续价值。2026 年数字经济发展工作要点给出的正是这样一张路线图。参考来源国家数据局《2026年数字经济发展工作要点》。我会在「AI时代数据治理实战库」里持续整理数据要素、数据基础设施、高质量数据集、AI for Data、Data for AI、可信数据空间和企业数据治理落地方案。如果你想系统理解 AI 时代的数据治理可以从文末「阅读原文」进入知识库。