DCMM2.0落地后首场行业年会:数据与AI如何互相驱动
7月1日,新版国家标准《数据管理能力成熟度评估模型》(DCMM2.0)正式实施,推动数据管理标准向数智化、资产化、合规化全方位迭代,企业建立和评价自身数据管理能力有了新尺子,数据治理由此有了面向智能时代的新坐标。四个多月后,11月15日,由中国电子行业联合会主办的2026数据治理年会暨博览会在北京展览馆开幕。标准从..
7月1日,新版国家标准《数据管理能力成熟度评估模型》(DCMM2.0)开始正式实施。这一标准推动数据管理标准朝数智化、资产化、合规化方向全面迭代。企业从此有了建立和评价自身数据管理能力的新尺子,数据治理也有了面向智能时代的新坐标。
11月15日,也就是四个多月之后,2026数据治理年会暨博览会在北京展览馆拉开帷幕,主办方是中国电子行业联合会。新国标不再停留在纸面,这场年会成了它落地后的首次行业检阅。嘉宾们围绕“数治赋能启新程”这一主题交流,看法指向一处:数据与AI像两个互相带动的飞轮,高质量数据集替AI智能体和模型打底,AI回头又改变了数据的生产形态和治理方式。企业的探索分三层推进——从数据供给,到治理自动化,再到智能体落地。
高质量数据是AI的核心燃料
“算力决定了AI跑得快不快,算法决定了AI跑得好不好,而数据决定了AI跑得准不准。”中国联通数智运营中心总经理孙世臻在演讲中这样表示。算力和算法都能从外部获取,数据却只能靠自身迭代优化。人工智能越往纵深发展,坚实的数字底座和高质量的数据供给就越成为先决条件。数据基础不牢,企业的AI建设就会变成“无源之水、无本之木”。
AI时代对数据形态的要求,和传统那套完整、准确、及时的质量判定标准已经不一样了。阿里云智能副总裁安筱鹏把这种变化归为三点:其一,数据对象从结构化转向非结构化,从冷数据转向热数据;其二,数据的最终读者和使用者由人变成AI;其三,数据处理工具从软件迁移到人工智能。高质量数据的含义因此不只是“洗得干净”,还要“讲得明白”,让语义被模型真正理解,这是后续发展的重点。
难就难在“讲得明白”这一关。工业场景复杂,讲究安全、稳定、可靠,可大模型本身会出幻觉,于是知识图谱被拿来搭桥:设备属性、关系、工艺、故障,还有散在公司资料、老师傅脑子里、墙上制度中的隐性知识,都被显性化后纳入数据体系,语义这才有了可计算的载体。东阿阿胶首席信息官丁丰俐从行业角度谈到,中药工艺里温度、pH值究竟代表什么,往往很难解释清楚,企业需要将流体力学、
高质量数据集到底怎么建?第一步是把数据管起来。中国联通建成近500个高质量数据集,并用统一知识目录纳管160万项数据资源、70万项物理对象。第二步是打通各环节。多模态数据治理工具贯通采集、清洗、标注、评测到应用各环节,数据集生产从分散汇集转向按标准加工。第三步是以用促建。中国移动用“数据飞轮”把应用数据、合成数据、基础数据与私域数据叠加治理,还配套多维评测体系,判断数据集能否真正带来指标增益。高质量数据的供给,正从零散走向体系化。
AI反哺让数据治理走向自动化
数据是AI的燃料,AI meanwhile也在改写数据本身的生产与治理方式。中国移动围绕“采、算、治、用”打造全链路数据治理体系,覆盖规模达到150亿级全域数据本体,60%的数据处理流程实现自动化,数据采集效率提升70%以上;过去开发一个数据接口要两天,现在缩短到分钟级。
治理环节也在朝更智能的方向演进,数据智能体开始逐步接手原本由人完成的工作。中国联通以DCMM2.0为纲升级“5+2+F+N”智能化能力体系,通过建设数据智能体,实现数据标准自动贯标、数据质量智能检测、元数据自动解释,治理效率明显提升。治理模式也跟着变,中国移动数智事业部副总经理陶涛把它概括为:“把AI治理能力嵌入数据生产环境,让治理从人工管控转向自治治理。”这与DCMM2.0新国标的要求相契合,强化了AI赋能、高质量数据集、数据合规流通等内容。
核电行业的数据治理,落点则是数字孪生平台。核电系统内部关系极为复杂,没有一个岗位能看清全局,所以要把机组、子系统、设备的数据集成到统一平台上。为了让各系统数据协调一致,平台建设随之做了大量数据治理工作,把系统上下打通,沉淀下来的数据也为未来的核电大模型备好了数据底座。
太极计算机股份有限公司副总裁韩国权判断:“人工智能的牵引,让数据有了一个更加明确的场景释放点。”要让数据价值释放出来,得实现跨模态、跨领域、跨部门、跨时间的对齐,这也是人工智能要承担的一项重头工作。因此更要“以终为始”往回看,在一线业务中用数据驱动,让新出现的数据问题被找到、被解决。数据治理已经不只是AI的前置条件,它自身也成了AI的应用场景。
双轮驱动数据价值在场景中释放
安筱鹏用“一个入口、两个飞轮、三个平台”来描述AI时代的数据、模型与应用体系:智能体在业务场景中不断产生数据,反过来支持自身迭代升级;智能体在使用中产生的数据,又服务于数据知识资产化。数据不再是静态存量,而是在使用过程中持续生长、回流。陶涛则把它凝练为“因数而治、以治新数、数智共生”。
应用落地怎么实现?企业给出的答案是场景牵引。徐工集团工程机械股份有限公司全球数字化中心数据与集成平台部副部长李佳慧提出具体做法:“先选一条业务流程,与业务同事一起梳理哪些环节非人做不可、哪些可以交给AI完成……如果能把流程里的40%、35%交给AI,那也是一个进步。”建信信托有限责任公司金融科技部总经理初莹莹也提出,有些场景受制于数据基础,短期很难达到预期效果……“我们的做法是选择一些数据基础好、见效快的小场景切入。”围绕如何利用数据技术、数据治理去赋能企业、找到合适场景并做出价值这一问题,广西防城港核电有限公司信息文档部经理米渊给出的关键词是“众创共享”,其公司提供了6类低代码平台,让业务人员自主构建轻量化场景,已形成200多个有市场价值的应用。众创共享把价值发现交付给一线,也让更多新数据在过程中产生。
资产端的价值释放同样在发生。中国移动数据资产入表金额已超过10亿元,持续排在全国上市公司首位。中国联通累计入表近7亿元,打通业务数据化、数据资源化、资源资产化这条价值链条,摸索数据价值评估方法,实现数据计量与计价,在资产价格与安全报告发布等方面均有收获。
不过,堵点并没有消失。圆桌对话上,几位嘉宾都把矛头指向了组织层面。技术难题终究能解,真正难的是找准场景、把价值做出来,这背后必然牵动组织变革,而变革能不能推下去,取决于管理层怎么认识、往哪儿引导。韩国权提到,AI 已经把知识拉平了,接下来权限、组织权利和职责也得跟着平权;眼下“AI 担什么责、人担什么责”的标准还没厘清。
数据在场景里生成,在治理中提纯,在资产化中积累下来,再回流去滋养下一轮智能体的进化。要让数据价值最大化,指望的不是某一项技术的单点突破,而是“以用促治、以治促用”这样一圈接一圈地转下去。数据怎么才能发挥最大价值,AI 又怎么更好地利用和优化数据,答案一半在平台和技术,一半在组织变革的决心。