可信数据空间试点63个:7万主体参与,仅11.65%企业买过数据
复用的关键不在把一套平台复制到所有行业,而在把可复用的骨架与不可复用的行业知识分开:骨架靠本体和模块化沉淀,行业知识留在行业里生长。

2024年底,《可信数据空间发展行动计划(2024—2028年)》对外发布。文件提出,到2028年要建成100个以上可信数据空间,形成广泛互联的数据流通网络。之后首批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。节奏看上去都踩在计划上。
另一组数字放在一起,热度就要降一降。63个试点铺进900多个应用场景,拉来近7万家市场主体。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。说到底,绝大多数参与者用的是试点给的公共服务能力或低成本接入方案,并没有为一套成熟的商业体系掏钱。
2026年两会期间,多个领域的代表委员对可信数据空间建设表示支持与肯定。不过他们提的顾虑更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这几块。
万联易达数据中心负责人周宜对这些问题的判断是:根子不在技术上,在数据和场景上。
发展的两面性
被问到从场景和数据资产反推技术架构、工程上难在哪时,周宜没先讲隐私计算,也没提连接器或任务调度,而是讲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:平台上的企业能直接调用数据做营销、用户运营、用户洞察、产品优化,再往前走一步,还能拿消费端的需求倒推生产排期。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发愁。公司一直想往场景侧转,转得很痛苦——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。
两段经历摆到一起,差别不在技术能力,在交付之后还有没有人接着用。拿这把尺子去量这两年的可信数据空间,正合适。
按照2024年11月国家数据局发布的《可信数据空间发展行动计划》,2028年的建设目标是可信数据空间超过100个。几方互不隶属的主体,怎么在共同规则下把数据用起来,同时各管各的家底,正是这类设施要解决的问题。2025年7月首批试点名单出炉,共63个,城市方向13个、行业方向22个、企业方向28个,能源、物流、航运、新材料、医保均在其列。到了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给出了运行数据:接入数据基础设施的主体有4万余个,上架产品6万余个,较2025年底分别增长10倍和4倍。
数字看着不错,现实却是另一副样子:手里有数据的企业要么不愿分享,即便愿意,也不知道怎么分享;需求侧更不知道上哪找对自己有用的数据。《全国数据资源调查报告(2025年)》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%,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。
说白了,愿意掏钱买外部数据的,仍是原本就有数据处理底子的那批企业。设施和供给翻了十倍,需求侧的格局却基本没动。基础设施关心的是能不能连上,企业关心的是划不划算,两笔账压根不在一个本子上。
周宜的判断是,每家企业都用不着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。他说:“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,周宜认为企业该先落地场景,再沉淀数据,然后由场景反推技术架构,这样建效果更好。
周宜说,他见过太多先建底座、再找场景的尝试最后卡住:产品做完了,不知道该卖给谁;数据接入了,不知道能干什么。他表示:“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。”这套思路也回应了另一个常被问起的问题:可信数据空间的跨场景复用能力到底怎么样?垂直场景里数据能力要求不一样,会不会导致复用性很差?
周宜还提到,行业知识在行业内可以共享;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。他强调:“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。”
万联易达敢把场景摆到技术前头,原因也在这里。据周宜介绍,公司盯的是生产型企业与生产性服务企业,正一步步覆盖国民经济97个行业大类;商品交易、物流运营、金融科技、企业服务四块业务都在实际运转。数据是先有业务、顺带产生,不是先造出来再找买家。97个行业大类这个数字,说明的不是市场已经多大,而是它手里握着能用的真实场景。
工程化:从接入到本体
场景决定可信数据空间的方向,工程实现则决定它能走多快。
落到工程化,接入是第一道躲不开的坎。国家数据基础设施体系里,接入连接器分为全功能、标准和轻量化三类。周宜介绍,万联易达的轻量化接入连接器已经做得极轻,企业用户甚至可以直接装在笔记本电脑上,按需登录接入数据空间网络;今年还上线了APP版接入连接器,个人用户、商务人士和企业用户都能随时接入。
倘若用户只是数据的使用方,隔三差五打开电脑检索、挑一挑合适的数据产品,就够了;换成数据供给方,情况就不一样了,服务SLA、持续可用性都得撑住,标准版乃至全功能版接入连接器才够用。“C端和B端用户有时候真不好一刀切。一个人可能白天服务企业,晚上又以个人身份用数据服务。我们做了几个版本的接入连接器,就是为了对上不同角色在性能、稳定性、便捷性上的差异化需求。”周宜这样解释。
接入这道坎迈过去了,企业还得在安全和性能之间做取舍。隐私计算、联邦建模前几年火过一阵,说到底走的是密态计算的路子——数据全程加密后再参与计算。性能跟明文计算比确实有明显损耗,早些年可能只有明文的几十分之一,如今有所好转,差距仍然摆在那里。可金融行业偏偏是隐私计算用得最广的地方。周宜对此的解释是:“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。”
说实话,性能与安全之间的这种权衡,想完全绕开很难。不过企业一直在找办法,技术本身也在往前迭代。眼下业内谈得比较多的是沙箱,数据沙箱之外,还有更前沿的智能体沙箱。周宜拿Meta今年推出的Muse智能体举例:它用的是云沙箱架构,给每个用户单独划出隔离的运行环境,数据安全有了保障,智能体一旦出现危险行为也能被隔离开。“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。
另外,到了AI时代,本体建模这件事本身就是道工程难题。周宜把万联易达的做法拆成了三件事讲:第一件是模块化,核心本体和业务扩展模块各放各的,数据层与断言层也分开,以后接入新品类不用动核心骨架;第二件是分层复用,数据中台里的主表能直接映射成本体的实体和属性,新增数据源则走标准化适配加定制开发;第三件是版本化,靠版本快照、差异对比、回滚这些机制管治理,规则配置不跟代码绑在一起,将来改规则不必发版。
运力匹配这个场景就是例子。骨架由五大类核心本体搭起来——司机、货物、车辆、道路、订单,再配上40多项规则支撑车货匹配。拿“到达”来说,同一个概念放到不同业务里意思差得远:陆运叫到站,水运叫到港,有些地方到港还不算数,得卸完货、客户验收了才算真到达。“这是一个非常模糊、场景依赖的概念。我们通过本体把这类语义统一起来。”周宜指出。
本体之外,被问得更多的是复用。垂直场景对数据能力的要求各不一样,复用性会不会很差?周宜的看法是,行业知识在行业内部本来就能共享,况且国家眼下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,或者把大模型与行业内高价值的专业知识结合起来。”
这么看,复用的关键不在于把一套平台铺到所有行业,而在于把能复用的骨架和不能复用的行业知识拆开:骨架靠本体和模块化攒下来,行业知识留在行业里自己长。
规模化还有多远?
基础设施的框架已经立起来了,可信数据空间为什么还是没被真正用起来?周宜认为,眼下主要有两个挑战。
头一个是数据归谁的问题。国家正在推数据“三权分置”,把数据资源持有权、数据加工使用权、数据产品经营权拆开,这是2022年12月《数据二十条》创造性提出的产权制度框架,为的是解开数据确权的死结。有了数据空间,三权分立就能落地:数据归属还在原持有方手里,使用方不用拿走原始数据也能用,加工之后形成新的数据产品,再拿去经营。
制度方向是清楚的,落地也在提速。今年9月,国家数据产权登记服务系统上线试运行,三家数据交易所成了首批登记机构,推的是一次登记、全国通用;《数据产权登记工作指引(试行)》则把登记对象、类型、流程、审查标准、登记效力和登记系统统一了起来。周宜的观察要冷静得多,他告诉我们,“现实中,大家对三权分立的认知还不够清晰,哪些数据应该开放、由谁来开放使用,仍然不够明确。”
另一个是数据和场景怎么结合。国家层面也在推这件事,比如新成立的国家数据集团,就是想从机制上把这些堵点打通。可机制之外,企业那一侧的门槛同样不能小看。
“现在数据的使用门槛还是比较高的,”周宜接着说,“结合AI来看,用户首先要懂业务场景,其次要懂AI,才能真正用起来;同时还要懂数据,知道需要什么数据、去哪里找、如何合规地组合和交易。”
在周宜眼里,企业真要走到规模化,最大的成本不在技术投入上。“最大的成本是业务层面的改变,尤其是组织架构的调整。我们常说数字化是一把手工程,原因就在于此。”周宜指出。他讲起服务过的一家企业,旗下有几千家线下门店,董事长有句话让他记了很久:生产、销售、营销、设计、库存,每个部门报上来的数据都是80分,可到他那儿一看,业务整体是不及格的。原因在哪?数据没打通,业务跑起来还是各管各的。
反过来看,可信数据空间真正被用起来的样子,往往并不宏大。
头一个是司机入驻核验。万联易达平台上每天都有大量司机注册,平台得先核身份——身份证、驾驶证、运营许可证,合规了才能接单。过去的麻烦在于,证照照片模糊、过了期却看不出来,甚至有人修图造假。他们的办法是:先用自家精准小模型读出证照数据,再通过数据空间调权威数据源来核验。改造之前,人工核验大约要七八分钟;现在,缩短到约5秒。
第二个是运价估算。从A城市到B城市,头一步是把运距算准。货车路线跟普通家用车不一样,封路之类的情况也会掺进来。要是起初报价4000元,实际跑下来因为堵车、交通管制、塌方等原因拖到三天才送达,价格涨到7000元,争议订单就会冒出一大堆。他们接入了多维数据——天气数据、路网数据、交通管制数据、多式联运数据,尽量把误差压小,让运距和运价更精准。
司机核验过去要七八分钟,现在5秒就能完成;运价估算也让争议订单少了一些。这些变化谈不上性感,却正是可信数据空间被用起来的样子。
一边是基础设施的账本,接入主体和上架产品的数字还在往上涨;另一边是企业自己的账本,算的仍是这件事究竟省下了多少钱。两本账哪天能对上,可信数据空间才算真正跑通了第一公里。