国家数据集团雄安揭牌：央企第28位，专攻大模型“语料”

2026年7月20日，上海，中国首个大模型创新生态社区模速空间迎来WAIC世界人工智能大会嘉宾参观。视觉中国/图

数据领域来了“国家队”。

2026年10月20日，国家数据集团有限公司(下称国家数据集团)在河北雄安新区揭牌。

官方信息显示，这家新央企的任务包括推进数据资源开发利用、释放数据要素价值、服务人工智能发展、繁荣数据产业生态。

国务院国资委更新后的央企名录里，国家数据集团排在第28位，位列中国电信、中国联通、中国移动以及中国星网之后，中国电子信息产业集团之前。

数据产业的盘子不小。国家数据局公布的《中国数据产业发展报告（2026）》显示，2025年中国数据产业规模达到6.78万亿元，同比增长15.7%，数据企业数量达48.2万家。

眼下为什么需要一家专门“做数据”的央企？它要解决哪些问题？

从“拼算力”到“拼语料”

图灵奖得主约书亚·本吉奥牵头编撰的《2026年国际人工智能安全报告》于2026年2月对外发布。这份报告指出，前沿人工智能的推进主要靠三样东西：计算能力、算法进步和数据。

报告还指出，高质量的语言数据是有限的，这意味着未来的发展可能会因数据可用性不足而受到限制。

南方周末记者采访了国家数据专家咨询委员会委员、北京交通大学信息管理理论与技术国际研究中心特聘教授张向宏。他表示，人工智能领域正以数据为燃料展开竞争，焦点已经落在这里。“行业高质量数据供给已成为人工智能发展的巨大瓶颈。谁能在数据方面领先，谁就可能在下一轮竞争中脱颖而出”。

在张向宏看来，放眼全球，通用大模型的发展差不多已经碰到天花板，向行业延伸是必由之路。通用大模型此前能快速跑起来，靠的是互联网上大量免费的公域数据；可一旦从通用走向行业，行业数据供给不足就成了硬约束。

他还提到，美国大模型公司如Anthropic、

中至远咨询数据要素部总经理陈阳对南方周末记者说，“算力是底盘，语料是弹药。”国家数据集团这个“卖水人”一进场，说明中文AI的较量正从“拼算力”往“拼语料”上走。高质量、合规、独家的行业数据，谁拿得到，谁才有可能做出真正懂中国、懂中文、懂行业的大模型。

公共数据是公共部门在履职过程中产生的数据。相比一般互联网数据，公共数据覆盖政务、医疗、交通、社保等领域，权威性高、覆盖面广、结构化程度也较好。

陈阳介绍，几乎所有主流大模型，不管是国外的ChatGPT、Claude，还是国内的文心、通义、豆包，它们“读”过的中文专业资料，比例都非常低。质量上的麻烦更大：开源数据集普遍存在高重复率、低信噪比的问题，深层语义标注、知识图谱构建这些高端语料加工领域尤其如此。

11月4日的2026年世界互联网大会上，履新不久的国家数据集团副总经理胡啸同样把演讲重点放在人工智能上。他说，大模型要针对不同行业场景做微调或后训练，离不开高质量数据集。而眼下，经过深度治理、能直接拿来喂模型的高质量数据集仍然不够用。

此外，人工智能的应用需要多元、多主体数据的融合利用，由于隐私保护又有合规相关的要求，现在在数据开放程度方面还不够高。

从2025年9月开始，国家数据局多次发声，呼吁全社会加大对数据领域的投入，着力培育“为数据付费埋单”的意识。

与此同时，美国也在国家层面加速数据领域的战略布局。

2025年11月24日，美国总统

张向宏还介绍了美国“创世纪计划”的主要打法：美国能源部用行政命令的方式，把国家级实验室的数据整合起来，再拿去训练大模型。他认为这条路径最直接也最简单，说到底就是行政命令在推动。

2023年10月25日，北京，国家数据局揭牌。视觉中国/图

“三商两网”

国家数据集团官网信息显示，这家新央企的出资方包括国务院、河北雄安新区管理委员会、中国电信集团有限公司、中国联合网络通信集团有限公司、中国移动通信集团有限公司、国家电网有限公司和中国南方电网有限责任公司。

股权结构上，国务院国资委占20%；中国联通、中国移动、中国电信三家各持15%；国家电网与南方电网各拿12.5%；中国雄安集团持股10%。

张向宏对此解读称，作为股东，“三商两网”自身就握有大量数据资源，数字化水平也高——三大运营商手里是全国最完整的通信行为数据，国网和南网则积累了覆盖十几亿人的电力消费数据，国家级数据资源库的底子就搭在这上面。

另一层原因在于，“三商两网”做智能化改造的意愿很强，应用场景不缺。

数据交易网CEO张瑶对南方周末记者表示，数据离不开通信，也离不开网络。运营商的分量不光在于持有海量通信数据，还在于它们建起了全国性的通信网络、云计算设施、算力网络，并具备企业服务能力。张瑶说，国家数据集团要推动跨行业数据流通，就得有人接得住数据传输、存储、治理和计算这些基础设施的活。

人事安排上，简勤出任国家数据集团党组书记、董事长，陈荣辉担任党组副书记、总经理。简勤原任中国联通党组副书记、总经理；陈荣辉此前是国家数据局党组成员、副局长。

陈阳分析，简勤在中国联通、中国移动都干过很长时间，管过万亿级规模的运营商网络和十几亿用户，擅长调动企业经营资源；陈荣辉则对政策走向和各政府部门之间的协调指挥比较熟悉。用陈阳的话说，“一个管怎么把事干成，一个熟悉怎么在规则中将项目推动，正好补上这家新公司最缺的两种能力。”

国家数据集团的组建，和近几年出台的促进数据要素发展的一系列决策是连着的。

2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》，头一回系统提出数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权框架，并把数据定为继土地、劳动力、资本、技术之后的第五大生产要素。

过了一年，国家数据局揭牌，归国家发展改革委管理，职责是推动数据的管理、开发和利用。

到2024年1月，《“数据要素×”三年行动计划（2024—2026年）》出台，提出让科研机构、龙头企业等建设行业共性数据资源库，打造高质量的人工智能大模型训练数据集。

牛泰在国家发展改革委下属的相关单位工作。他向南方周末记者判断，国家数据集团今后的业务方向大概有三块。第一块是统筹全国层面的公共数据授权运营落地。牛泰提到，相关数据此前散落在各部门、事业单位，以及中央企业、地方国有企业及其下属单位手中，比较零散。

第二块是参与国家数据流通基础设施建设，为数据登记、授权管理、隐私保护、脱敏加工等环节提供支撑；同时参与全国一体化算力网建设，做算力监测和调度。

第三块围绕人工智能展开，承接部分语料建设职能，加工出合规、可用的训练语料。

“数据供不出”

国家数据集团成立前，地方上已经摸索了很长时间。

2022年起，地方数据集团进入搭建高峰。2022年9月上海数据集团成立，走市场化路子发展数据收集存储、加工处理、交易流通等核心产业；2023年1月河南数据集团成立，定位是推动全省政企数据高度融通、公共数据全面接入，做中部地区领先的数据科技公司。

上海数据研究院的《全国数据集团发展蓝皮书2025》显示，到2025年9月，全国已组建超过29家省级数据集团公司；地市级数据集团有187家，覆盖64%的地级市。

现实里，数据供给还有卡点、堵点。2024年3月，国家数据局局长刘烈宏在一次会议上说，制约数据“供得出”“流得动”“用得好”的问题依然突出，数据产权、流通交易、收益分配、安全治理等制度都还需要完善。

张向宏认为，根子在于公共数据被壁垒分割、形成数据孤岛，散在各部门、各单位手里；而公共数据开发利用的主体层级又太低，地方数据集团想跨省域、跨行业归集，力不从心。

还有一点，不少政府部门在公共数据开发利用上缺少持续投入的动力。王建冬说：“不开放，似乎没有新增责任；一旦开放，数据质量或安全出现问题，还要整改，工作负担随之增加。”

“越重要的东西，其实大家越不太想开放。”

刘航在北方一座城市的数据集团任职。他告诉南方周末记者，公共数据是市场上体量较大、价值密度较高的存量资源。各地都在推公共数据运营，可真跑起来，“数据供不出”成了不少地方共同的难题。

刘航觉得，症结在于供数部门要扛下安全合规的全部风险，谁也不敢随便松口；收益机制又没建起来，数据产生的价值没法合理回流到供给端，“大家自然没动力”。

2022年，中办、国办印发《关于构建数据基础制度更好发挥数据要素作用的意见》，外界简称“数据二十条”。这份文件把“授权运营”定为公共数据开发利用的第三种方式，与“共享”“开放”并列，并作了系统性的制度安排。

牛泰参与过“数据二十条”的起草。据他介绍，数据共享主要供党政机关和公共管理服务机构内部使用；数据开放面向社会公众，依法平等获取，通常带公益属性；授权运营则是在安全合规的前提下，由符合条件的主体加工利用公共数据，形成数据产品和服务。

牛泰说，授权运营的意义之一，在于通过合规开发形成数据产品和服务，给数据治理和开发利用建立起激励机制。他也强调，相关收费要按公共数据授权运营和价格管理规定来执行，不能简单理解成把原始数据直接拿去卖钱。

一位地方数据集团人士向南方周末记者透露，为激励委办局积极分享数据，数据集团通常会建利益分配机制。其所在的地市，20万元以下的公共数据授权运营项目，数据集团与委办局利润五五分成，项目资金直接进国库。“每个委办局在国库会开一个非税收入账号，我们就将收入打到该账号。”

“以前能够稳定拿到（的数据），现在难度加大了。”一位在国资系统做信息化工作的人士对南方周末记者说，过去监管缺位，一些部委手里有价值的公共数据已经在市场上流通。可今年情况变了，不少部委的数据反而在收拢，原因是要纳入公共数据授权运营的范畴。

定价上，公共数据授权运营服务目前实行政府指导定价。各级价格主管部门先做价格调查、成本监审，再按成本加成法，核定公共数据运营机构开展一级开发的准许收入。

这就意味着，得先把公共数据的成本算清楚。“核不出来就不能卖，但现在又没有明确的规则，很多部委就说放一放，或者先观望一下，这是目前的一个阵痛期。”上述国资系统人士说。

陈阳的总结是，公共数据不是普通商品，公益和市场化两头都得顾。政策定的是“公益优先”：用于公共治理、公益事业的产品服务免费；用于产业发展的可以收费，但要走政府指导价。

他提到，眼下只有福建、江苏、贵州等少数省份出了收费标准，大部分地方还在摸索。价格定高了，企业用不起；定低了，运营机构没动力。“这个平衡，两年了还没找到。”

2024年7月6日，上海，世界人工智能大会，地方数据集团的展台。视觉中国/图

如何央地协同？

国家级平台成立之后，怎么跟已有的地方市场主体分工，也是业内盯着的问题。

前述国资系统人士说，多数地方数据集团实际由地方国资委出资，跟国家数据集团没有隶属关系。部委手中的公共数据是从地方逐级收上来的，地方反而不掌握。若部委把这些数据授权给国家数据集团运营，地方数据集团就少了这部分收益。“对地方来说，实际上是一个竞争对手，未来可能需要统筹考虑，如何实现央地协同。”

刘航的看法是，地市数据集团重在横向汇聚，把全市各委办局的数据统一起来，面向本地场景做授权运营。省数据集团承上启下，横向打通省直各厅局，纵向串联各地市（场景协同），形成全省一体化的资源底座。“国家数据集团应该干三件事儿，即地市干不了、市场做不好、行业打不通的事情。”

在他看来，国家数据集团的重心应放在部级数据的横向统筹和国家级枢纽的体系化建设上。纵向这一层，它依托各部委授权单独推进业务，核心目标是拿到部委级公共数据运营授权，走的绝不是“地方数据层层上收”的路子。

“以前地方辛辛苦苦攒的数据卖不出省，现在国家把跨省的大路修通了，地方的产品能卖到全国，还不用自己重复修路。”陈阳说，国家队层级更高，能整合到的数据在质量和数量上更有竞争力，那些自己没本事、全靠政府喂饭的地方数据集团，未来大概率会被整合。

前述地方数据集团人士表示，总体看，多数地方数据集团还没走通盈利模式，不少企业跟数据业务也不太沾边，主要做传统政务、网络以及政府委托的运维维护项目。“没有办法，国有企业要考核利润、资产增值。（数据集团）必须去做一些短平快的项目。”

在陈阳看来，分工该这么划：全国性主干道、跨省大工程交给国家队；本地“最后一公里”由地方数据集团负责。跨省业务怎么分，看谁提供数据、谁做加工、谁最终使用，标准要统一，证照得互认。

牛泰的说法是，理想状态下，未来数据集团会成为一种新型运营商，与传统三大电信运营商互补。数据集团可依法受托运营部分公共数据，依托这些资源开发数据产品和智能应用，面向社会提供服务。

比如现在，一些地方数据集团已经牵头建起本地的词元（Token）服务中心，由国有资本支持算力投入和大模型部署，对外提供词元服务。

（应受访者要求，刘航、牛泰为化名）

南方周末记者 赵继林 南方周末实习生 姜欣瑶