汽车
morning
数据产量涨了十倍,愿意掏钱买数据的企业只有11.65%丨ToB产业观察
2026-11-16
1 阅读
约10分钟阅读
Leo张ToB杂谈
字号:
2024年底《可信数据空间发展行动计划(2024—2028年)》发布,其中指出,到2028年,建成100个以上可信数据空间,形成广泛互联的数据流通网络。随后,首批63个试点名单落地,13个城市、22个行业、28个企业入选。IDC数据显示,2025年可信数据空间狭义市场规模达到30.4亿元,城市数据空间贡献了过半收入。一切看起来都在按计划推进。 但另一组数字放在一起看,会让人冷静下来。63个试点深入到900多个应用场景,吸引了近7万家市场主体参与。7万家主体的参与,对应的是30.4亿元的狭义产品与服务收入。这意味着绝大多数参与者是在使用试点提供的公共服务能力或低成本接入方案,而不是在为一套成熟的商业体系付费。 2026年两会期间,来自多个领域的代表委员对可信数据空间的建设予以支持与肯定,但是相关的顾虑更多集中在数据合规要求、企业数据开放标准和商业化落地进展等方面。 面对这些问题,万联易达数据中心负责人周宜告诉我们,其本质不是技术上的问题,而是数据和场景的问题。 发展的两面性 面对从场景和数据资产反推技术架构,工程上难在哪的提问,周宜没有先讲隐私计算,也没讲连接器或者任务调度,而是说了两段自己的工作经历。 第一段在一家互联网公司。那里数据本来就多,场景也是现成的:平台上的企业可以直接调用数据,做营销、用户运营、用户洞察、产品优化,再往前一步,还能用消费端的需求反过去推动生产排期。金融业务里能长出来的玩法更多。两头都齐,业务自然跑得动。 第二段则是在一家央国企。这家企业主要替别人搭数据空间,自己手里没有业务场景。项目做完、验收、交付,团队就撤了。没有运营,也不清楚客户每天究竟在为什么事头疼。公司一直想往场景侧转,转得很痛苦,因为交付完就离开的人,很难再回答这套系统后来帮谁省了什么的问题。 两段经历摆在一起,差别不在技术能力,在交付之后还有没有人接着用。这个差别,恰好是观察这两年可信数据空间最合适的一把尺子。 国家数据局2024年11月印发的《可信数据空间发展行动计划》给出一个目标:到2028年建成100个以上可信数据空间。这类设施要处理的,是几方互不隶属的主体如何在共同规则下把数据用起来,同时各自还管得住自己的东西。2025年7月,首批63个试点名单公布,13个在城市方向、22个在行业方向、28个在企业方向,能源、物流、航运、新材料、医保都在其中。到2026年7月28日的数博会新闻发布会,国家数据局副局长余英报了一组运行数字:数据基础设施接入4万余个主体,上架6万余个产品,比2025年底分别多了10倍和4倍。 从这些数据来看,可信数据空间的发展似乎还不错,但现实却是有数据的企业要么不愿意分享出去,即便愿意分享,也不知道怎么做,而需求侧则更是不知如何获取对自己有用的数据。《全国数据资源调查报告(2025年)》中数据显示,2025年全国数据生产总量52.26ZB,同比增长27.28%,约占全球的27.44%,数据生产增量约九成来自企业。规模还在往上走。可同一份报告里,样本企业中买过数据的比例是11.65%,购买费用同比增长22.36%;头部平台企业和中央企业购买数据的费用均值是其他企业的60倍,金融、软件和信息技术服务业买过数据的企业比例超过30%,明显高于平均线。 换句话说,愿意为外部数据掏钱的,主要还是那批本来就有能力自己处理数据的企业。设施和供给涨了十倍,需求侧的形状没怎么变。基础设施算的是能不能连,企业算的是值不值,两笔账不在一个本子上。 对此,周宜的判断是,不是每家企业都需要自己建一个数据空间,多数企业作为参与方接进已有的协同网络就够了。“万联易达提供连接器和轻量化的接入方式,让企业先接进来,再逐步连到全国的基础设施上。” 有场景才有数据 从产品逻辑出发,周宜认为,企业应该先落地场景,再沉淀数据,然后由场景反推技术架构,这样的建设路径效果会更好。 周宜表示,他见过太多先建底座、再找场景的尝试最终陷入僵局,产品做完了,不知道该卖给谁;数据接入了,不知道能干什么。“以场景为驱动,先有场景,再有数据,再推导技术架构,这样做的直接好处是,不会盲目开发产品后再去找场景,而是通过场景反向推动技术研发,再匹配数据。这是我们的核心差异。”周宜如是说。这种思路也回答了另一个常被问到的问题:可信数据空间的跨场景复用能力到底怎么样?在垂直场景里,数据能力要求不一样,会不会导致复用性很差? 此外,在周宜看来,行业知识在行业内是可以共享的,而国家当前推动的多类数据空间,本身就说明,数据空间不是"大一统"的单一形态。“很多行业数据并不属于大数据范畴。对行业应用而言,真正有价值的往往不是单纯依赖大模型,而是采用小模型,或者将大模型与行业内高价值的专业知识相结合。”周宜强调道。 这个判断也解释了万联易达为什么敢把场景排在技术前面。周宜说,公司聚焦生产型企业与生产性服务企业,正逐步覆盖国民经济97个行业大类;商品交易、物流运营、金融科技、企业服务四块业务本身就在跑。数据不是先被造出来再去找买家,而是业务里本来就有的东西。这个数字说明的不是市场已经有多大,而是它手里有真实场景可用。 工程化:从接入到本体 如果说场景决定了可信数据空间的方向,那么工程实现则决定了它能走多快。 在工程化方面,第一个绕不开的难题是接入。国家数据基础设施体系下,接入连接器分为全功能、标准和轻量化三类。对此,周宜介绍,万联易达的轻量化接入连接器已经做到非常轻量,企业用户甚至可以直接在笔记本电脑上安装,按需登录接入数据空间网络;今年还推出了APP版接入连接器,方便个人用户、商务人士以及企业用户随时接入。 如果用户只是数据使用方,偶尔打开电脑检索、查找合适的数据产品即可;但如果是数据供给方,对服务SLA、持续可用性要求较高,就需要标准版甚至全功能版接入连接器来支撑。“C端和B端用户有时并不好严格区分。一个人既可能服务企业,也可能以个人身份使用数据服务。通过不同版本的接入连接器,我们可以适配不同角色对性能、稳定性和便捷性的差异化需求。”周宜解释道。 解决了接入的难题,企业还需要面临安全与性能之间如何平衡的抉择。几年前曾一度火热的隐私计算、联邦建模,本质上是密态计算,将数据全程加密后再参与计算。性能确实比明文计算有明显损耗,早期可能只有明文计算的几十分之一,现在已有改善,但差距依然存在。可在金融行业,恰恰是隐私计算应用最广的领域。对此,周宜解释道,“一是因为金融行业数据高度敏感,无论是个人风控还是企业风控,原始数据不能出域;二是容错率极低,宁可牺牲一定性能也要保证合规和安全。在金融场景下,安全与合规的优先级高于性能,这是行业特性决定的取舍。” 坦白说,这类性能与安全的权衡很难完全避免。但企业都在持续寻找解决方案,相关技术也在不断迭代。目前,业内比较推崇的是沙箱技术,包括数据沙箱以及更前沿的智能体沙箱。周宜以Meta今年推出的Muse智能体为例,其采用云沙箱架构,为每个用户分配独立的隔离运行环境,一方面保障数据安全,另一方面对智能体的危险行为进行隔离。“这反映了当前技术演进的方向——从传统的数据沙箱,正逐步向智能体沙箱迭代。”周宜如是说。 除此之外,在AI时代,本体建模本身也是一个工程化难题,面对此,周宜与我们分享了万联易达的做法,他表示,万联易达做了三件事:
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱