【专家观点】中国工程院院士邬贺铨：AI驱动数实融合 数据要素成关键

他表示，当前，我们正进入智能体时代，AI将是数实融合发展新阶段的最大变量，上云是支撑数实融合的关键，而数据作为推动数字化转型走深走实的抓手，数据要素的发挥决定了数实融合的成效。

不过，当前数据要素市场化面临多重挑战。据统计，72%的企业因权属不清而拒绝数据共享；数据资产评估误差幅度超过±300%；跨省政务数据调用平均耗时高达17天。另外，企业数据80%还要靠自身数据，同时企业生产数据中仅2.9%被存储，其中40%在一年内未被有效利用。

以上种种严重制约了数据要素的流通与价值释放。与此同时，企业对数据要素的开发仍存在困惑和顾虑，集中体现在不会用：需要专业技术支持；不敢用：涉及用户隐私和数据安全风险；不愿用：投入产出比不确定，回报周期长，麦肯锡预计平均超5年。

邬贺铨表示，破解上述难题，激活数据要素价值需要在技术、制度和生态上协同，可从完善数据全生命周期开发与安全技术及服务入手。通过数字网络基础设施、算力基础设施、数据流通利用基础设施和数据安全基础设施，完成数据预处理、数据资源调用、数据可信计算。

数据预处理是数据产业链的关键环节，包括数据生成、采集、存储、标识、编目、索引、清洗和标注等步骤。

数据采集（生成）可通过API、爬虫、传感器实现，但传感采集成本高昂，同时中文开源语料库不足，预计高质量语料将在2026年面临枯竭，此外原始数据的采集已跟不上AI训练的需求。因此，用AI生成数据成为必然趋势，但需注意反复迭代可能导致数据失真，需附加标记以示与原生数据区别，一定比例的原生数据仍是必须。采集完数据需要存储，存储需统一标准格式，便于结构化调用。

数据标识方面，网络层依靠IPv6，应用层依靠OID和UUID，但行业标识标准各异，如金融SWIFT、医疗HL7，需针对性定义语义。值得一提的是，标识字段如直接使用身份证号/手机号将导致隐私泄露，需采用哈希替代或采用UUID。

数据编目与索引方面，通过目录分类（结构化/半结构化、存储模式、敏感程度、来源、生成方式、使用频度、流规模、任务类型、预处理等）和索引规则，实现数据高效检索。

数据清洗需去重、补漏、逻辑校验，以及脱敏和匿名化，同时避免过度清洗或恶意保留错误数据。数据标准是为数据添加机器可读标签，如拉框打点，当前多依赖人力外包，需防范数据外泄和恶意代码注入风险。

数据资源调用前首先需要对数据供给/使用者进行接入认证，不仅需要源宿IP地址认证，还要采用属性基访问控制等方式提升安全性。

数据调用时，企业需明确自身数据需求，如财务分析、生产监控，选择云服务商完成数据预处理。调用第三方数据时需签名验证、PKI认证，可利用区块链确权，通过联邦学习实现“可用不可见”，需严格审核第三方服务商资质，防范配置错误、内部威胁等风险。

数据开发时可以利用数据集成、数据建模、工作流调度和数据治理等工具链提升效率，需防范凭证泄露等风险。模型与算力调用时，评估模型适用性，通过容器快速部署，根据任务类型调度算力资源。同时，需落实角色访问控制、安全审批流程，遵守《数据安全法》和《个人信息保护法》。

数据需要可信计算，通过可信计算、隐私保护、存证和审计等技术，形成可信数据空间。这是基于共识规则，联接多方主体，实现数据资源共享共用的一种数据流通利用基础设施。

邬贺铨介绍，可信数据空间不仅有安全加密计算，还提供数据源认证和接入身份认证，提供数据资源目录，提供数据格式和协议的转换，对敏感数据提供过滤和去标识化，提供算力调用和数据挖掘工具链，提供可信计算平台和数据流通安全合规管理，支持联邦学习隐私计算等等，破解企业不会用、不敢用、不愿用的“三不”难题。

（来源：中国测绘学会）