传闻已久，靴子终于落地。
10月20日，国家数据集团有限公司在河北雄安新区揭牌。新央企不稀奇，这几年隔三差五就有新设。但这家分量特殊：它是第100家央企，在央企名录里位列第28位。
它的核心功能就三件事：做普惠、安全的数据服务和行业数据治理，降低中小企业用数据的门槛；把原来各自为政的数据基础设施打通，让数据能跨域流动；以及筑牢数据安全底线，为国产AI供给高质量训练语料。
这三件事，一样也不简单。
为何要为中小企业“减负”？
当前，中国中小企业用数据有多难？国家信息中心的调研把话说得很直白：一边是手握高质量数据的企业怕侵权、怕泄密，“不敢交易”；一边是数据价值没法定价，“不愿交易”。
这种“供的人不敢供、用的人用不起”的错位，靠市场自发调节短期内根本扭不过来。国家数据集团要做的就是“普惠安全的数据服务和行业数据治理”。
打个比方就是要把数据从“奢侈品”变成“自来水”——把分散在各行业的政务数据、产业数据清洗、脱敏、加工成标准化产品，定一个透明的价，让中小企业像接水一样接数据。这件事如果做成，降的不是某一家企业的成本，是整个制造业、农业数字化转型的门槛。
打通数据的“断头路”
数据要流通，先得有能流通的“路”。可现实是，这条路修得有点乱。
一份最新的调研数据显示，目前全国已经建成50余家数据交易所，形成“北上广深+区域枢纽”的格局。数字看着热闹，问题也跟着来：各地交易所独立运营，标准不兼容，数据跨省流通的制度成本高到中小企业根本承担不起；有的城市更夸张，武汉一度同时挂着华中、长江、东湖三块数据交易中心的牌子，功能重叠、同质化竞争突出，服务半径出不了城。
连国家数据局自己都点名批评：部分地区数据交易所“盲目布局、功能重叠、定位模糊”，要“严控数量”。这种背景下，国家数据集团扛起“数据基础设施互联互通引领者”的牌子，要干的就是修一条全国统一的“数据高速公路”：统一目录标识、统一接口规范、统一安全标准，让各地都能“即插即用”，而不是各修各的“断头路”。
这件事的难点不在技术，在利益——各地数交所背后都是地方国资和产业利益，让它们接进全国统一网络，等于要动现有的地盘和生意。没有一个央字号的重量级玩家牵头，这张网根本织不起来。
投喂AI语料，为何成为“国家行为”？
如果说前两件是修炼内功，第三件就是冲着国家竞争力去的。
一组数字很多人没注意：全球网站中英文内容占比约59.8%，中文仅约1.3%；即便是大模型广泛使用的Common Crawl网页语料库，中文占比也只有约4.8%。
中国互联网上数据量全球数一数二，但真正能喂给大模型、高质量、合规、经过治理的中文语料，少得可怜。国家数据局的调研说得很直白：我国坐拥海量数据资源，“真正能用于大模型训练的数据却严重短缺”。国家数据集团要做的，就是把散在政务、医疗、工业、科研领域的高价值数据，治理成合规、高质量、可商用的中文数据集和语料库，给国产大模型当 “粮仓”。
AI竞赛是一场三线作战——芯片要突围、算力要成网、语料要加厚，哪一环都没有捷径。而语料这件事，只能自己一个字节一个字节地攒。
挂牌不是庆功，是开工。数据这盘棋，落子之后，每一步都要见真章。
编辑: 秦扬轲
责编: 赵歆
热门跟贴