1994年，中国实现全功能接入国际互联网。彼时，全国网民数量不足百万，产生的数据量以MB、GB计量，或许还装不满今天一块普通硬盘。30多年后的今天，数据已成为继土地、劳动力、资本、技术之后的第五大生产要素。2024年中国数据产业规模达5.86万亿元，数据总量和数字经济规模均位居全球前列。赛智产业研究院数据产业研究所认为，从信息资源到生产要素，再到新兴产业，数据价值的持续释放推动了中国数据产业完成从“0”到“万亿”的历史性跨越。
一、野蛮生长：移动互联网点燃数据之火
2013年前后，随着4G商用、智能手机普及和移动互联网快速发展，海量用户行为持续在线化，数据规模呈指数级增长，中国进入属于数据的“大爆炸时代”。
- 4G引爆移动互联网数据大爆发
2013年底，工业和信息化部向三大运营商发放4G牌照。到2018年，中国网民规模突破8亿，手机网民占比超过98%，移动互联网成为绝对主流。微信构建起覆盖社交、支付、生活服务的庞大生态；美团、大众点评、饿了么、滴滴等平台将餐饮、出行、本地生活全面搬上互联网；短视频应用开始兴起，用户停留时长快速增长。
用户的每一次点击、浏览、点赞、支付、定位和分享，都在持续产生数据。过去企业的数据量通常以GB、TB计算，而在移动互联网浪潮推动下，数据规模开始向PB（千万亿字节）甚至EB（百亿亿字节）级跃升。数据增长速度远远超过传统IT系统的处理能力，一个全新的产业需求正在形成。
- 数据开始从“记录工具”变成“生产资料”
2012年成立的今日头条，成为这一时代最具代表性的案例。与门户网站依靠编辑推荐内容不同，今日头条将推荐权交给算法。在“千人千面”推荐逻辑的带动下，数据驱动运营逐渐成为互联网行业的共识。A/B测试、用户画像、精准营销、增长黑客等概念快速普及。企业不再依赖经验决策，而开始依赖数据决策。
与此同时，支撑海量数据处理的技术体系也迅速成熟。以Hadoop、Spark为代表的大数据技术栈开始广泛应用，分布式计算逐步替代传统数据库架构；阿里云、腾讯云、华为云等云计算平台快速扩张，企业纷纷将数据迁移至云端；“数据中台”概念兴起，越来越多企业开始建设统一的数据管理和分析平台。
- 国家政策确立大数据战略
当企业开始意识到数据价值时，政府也在重新认识数据的重要意义。2014年，“大数据”首次被写入《政府工作报告》，这意味着，大数据已经从技术概念上升为国家关注的重要议题。次年，国务院印发《促进大数据发展行动纲要》，首次从国家层面对大数据发展进行系统部署，明确提出要推动数据资源开放共享，促进数据开发利用，培育新产业、新业态和新模式。
同年，贵阳大数据交易所挂牌成立，成为国内最早探索数据流通交易机制的平台之一。虽然当时的数据交易规则、定价机制和产权制度尚不完善，但这一尝试标志着社会开始探索数据从资源向资产转化的可能路径。
与此同时，全国范围内掀起数据中心建设热潮。贵州、内蒙古、河北、甘肃等地依托气候、能源和土地优势，大规模布局数据中心和云计算基地。越来越多地方政府将大数据列为战略性新兴产业，数据产业开始从互联网企业的“内部能力”逐步演变为独立产业形态。
二、制度筑基：数据要素市场全面启航
从2019年开始，中国数据产业终于迎来属于自己的制度基础设施，数据开始成为有身份、有规则、有市场的生产要素。短短五年间，从确立地位到搭建制度、从组建管理机构到实现资产入表，数据要素市场的“四梁八柱”加速成型。
- 数据正式成为第五大生产要素
2019年10月，党的十九届四中全会首次明确提出，将数据与土地、劳动力、资本、技术并列为生产要素，这是我国首次从国家制度层面确认数据的经济属性。
与传统生产要素不同，数据具有可复制、可共享、可持续增值等天然属性，对劳动力、资本、技术等其他要素具有显著的乘数放大效应。通过与实体产业深度融合，数据能够持续提升资源配置效率，催生新的商业模式和产业形态，成为数字经济时代最具活力的战略资源。
但与此同时，数据的这些天然属性也带来了不同于传统要素的制约机制：它容易被无限复制和传播，却难以像土地、资本那样清晰确权和排他性占有。这意味着，释放数据要素价值的关键，不在于追求传统意义上的绝对产权，而在于为安全、合规的“数据流通”创造条件。
- 数据要素市场建设提速
2022年底，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》（业内称“数据二十条”），对数据的流通问题给出了制度性回应。文件创新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”的制度安排。这一设计既保障了数据来源主体的合法权益，又允许数据经加工开发形成产品进入市场流通，在权益保护与流通促进之间实现了平衡，为数据交易和要素市场建设奠定了产权基础，也成为国际范围内具有中国特色的数据基础制度创新。
随着“数据二十条”落地实施，全国各地陆续开展数据授权运营、登记确权、产品开发与交易流通等探索，数据要素市场建设驶入快车道。
有了制度蓝图，还需要一个统一的“操盘手”。长期以来，数据资源、数字经济、数字政府、公共数据开放等工作分散在不同部门，容易出现协调不足、标准不一的问题。2023年10月，国家数据局正式挂牌成立，负责统筹推进数字中国、数字经济、数字社会规划和建设，协调推进数据基础制度建设，统筹数据资源整合共享和开发利用。全国数据工作由此告别“九龙治水”，有了统一谋划、统一推进的新格局。
- 数据要素市场进入实质运行阶段
制度建设的最终目标，是让数据真正流通起来、使用起来、创造价值。
2021年起，北京、上海、深圳等地相继成立数据交易所，逐步推动数据交易由早期的原始数据买卖，向数据产品、数据服务、数据资产运营等更加丰富的市场形态演进。数据流通由此进入规范化、市场化发展的新阶段。与此同时，公共数据授权运营改革在全国范围持续推进。交通、医疗、金融、气象、政务等领域积累的大量公共数据，在确保安全合规和隐私保护的前提下，通过授权运营方式向企业开放，为智慧城市、金融风控、医疗健康、交通治理等领域提供了更加丰富的数据资源，也催生出一批新的数据产品和应用场景，进一步释放了公共数据的经济价值和社会价值。
如果说数据交易解决的是“如何让数据流起来”，那么数据资产化则回答了“如何让数据值钱”的问题。
2024年1月1日，《企业数据资源相关会计处理暂行规定》正式施行，符合条件的数据资源可以依法纳入企业资产负债表，数据第一次拥有了会计意义上的资产身份，实现了从“资源”向“资产”的重要跨越。过去长期沉淀在企业信息系统中的数据，开始成为可确认、可计量、可管理、可运营的新型资产，为数据资产评估、数据质押融资、企业价值管理以及资本运作等新业态、新模式的发展奠定了制度基础。
从2019年数据被确立为生产要素，到2022年数据基础制度加快建立，再到2024年数据资源正式迈向资产化，一个更加成熟的数据要素市场加速形成。
三、价值释放：数据产业迈向智能时代
- 数据产业进入高质量发展阶段
近年来，随着数据要素市场建设不断推进，数据产业的内涵不断拓展。2024年底，国家数据局等部门印发《关于促进数据产业高质量发展的指导意见》，从国家层面对数据产业进行系统部署，提出培育壮大数据资源、数据技术、数据服务、数据应用、数据安全等产业体系，推动数据产业成为数字经济发展的重要增长点。
这意味着，数据产业已经不再局限于传统的大数据技术产业，而是逐步形成覆盖数据采集、汇聚、治理、开发、流通、运营、安全、应用等全生命周期的新兴产业体系。越来越多企业开始围绕高质量数据集建设、数据治理、数据产品开发、数据资产运营、数据合规服务等开展专业化分工，数据开始像土地、能源一样，形成独立的产业链和价值链。
与此同时，数据产业的发展重点也发生了深刻变化。过去，产业更多关注数据“有没有、存得下、算得动”；如今，则更加关注数据“流得通、用得好、价值高”。数据开发利用逐渐成为产业发展的核心方向，高质量数据资源成为新的竞争焦点。
在这一背景下，人工智能的快速发展进一步放大了数据产业的发展空间。大模型训练、行业模型构建和智能体应用，对高质量数据提出了前所未有的需求，也推动数据产业加速向高附加值环节延伸。
- AI重构数据价值创造方式
近年来，大语言模型、多模态模型、世界模型、智能体（Agent）等技术快速发展，AI开始具备理解、推理、生成乃至自主执行复杂任务的能力，数据也由此从“分析对象”变成了“智能燃料”。目前，国际主流大模型预训练数据规模普遍达到10万亿至20万亿Token。例如，国产大模型DeepSeek-V3披露其预训练语
料规模约为14.8万亿Token。与此同时，金融、医疗、制造、教育等行业模型还需要大量经过脱敏、清洗、标注和治理的专业数据，智能体完成跨系统协同和复杂任务执行，则需要持续接入文本、图片、视频、传感器、业务系统等多模态实时数据。
例如，在自动驾驶领域，一辆测试车辆每天可产生数TB的摄像头、激光雷达、毫米波雷达等感知数据。真正支撑模型不断提升的，并不是原始数据本身，而是经过筛选、标注和治理后的高质量场景数据。车辆经历的复杂路况越丰富，模型学习到的驾驶经验就越完善，自动驾驶系统的识别和决策能力也越强。
随着大模型不断向行业纵深发展，高质量数据集、行业知识库、数据标注、数据合成、数据治理等新业态快速兴起，数据产业的价值链也由过去的数据采集、存储、处理，进一步延伸至数据开发、模型训练、模型优化和智能服务等更高附加值环节。
- 数据、算法与算力协同演进
随着大模型参数规模不断增长，模型训练和推理对计算资源的需求呈指数级上升。传统CPU已难以满足人工智能训练需求，以GPU、AI加速芯片、高性能网络和AI服务器为核心的智能算力，逐渐成为数字基础设施的重要组成部分。
近年来，我国智能算力建设进入快速发展阶段。截至2025年，中国智能算力总规模达到159.0万PFLOPS，较2024年的49.3万PFLOPS增长超过两倍。根据相关行业研究机构预测，中国智能算力规模仍将维持高速增长态势。北京、上海、深圳、成都、武汉等地相继建设人工智能计算中心，全国一体化算力网络持续完善，为人工智能训练和行业应用提供底层支撑。
一体化算力网络，引导数据中心和智能算力资源向能源条件更优、土地资源更加丰富的西部地区布局，实现东部数据、西部算力、全国调度的协同发展格局。越来越多的大模型训练任务开始依托跨区域算力资源完成，算力正在像电力、交通一样，成为支撑数字经济发展的公共基础设施。
- AI赋能千行百业，数据价值全面释放
人工智能的发展，不仅改变了数据产业自身，也加速推动数据向实体经济各领域渗透。
在制造业，工业数据结合大模型实现设备预测性维护、数字孪生和智能质检；在医疗领域，医学影像、电子病历和科研数据支撑辅助诊断、药物研发和精准医疗；在金融领域，数据驱动智能风控、反欺诈、财富管理和精准营销；在交通领域，实时数据成为自动驾驶、智慧物流和城市交通调度的重要基础；在政务领域，公共数据开放共享不断拓展，推动城市运行监测、基层治理和政务服务更加智能高效。
与此同时，数字人、智能客服、AI办公助手、自动编程、内容生成等新型应用不断涌现，大模型逐渐从“回答问题”走向“完成任务”，成为企业数字化转型的重要工具。
- 从数据要素到智能经济
随着人工智能快速发展，数据产业的竞争重点也正在发生变化。
过去，行业更多关注如何采集数据、存储数据；如今，越来越多的企业开始关注如何开发数据、运营数据、利用数据。数据资源只有通过流通共享、加工开发和场景应用，才能真正转化为现实生产力。
近年来，可信数据空间建设持续推进，公共数据授权运营不断深化，企业数据空间、行业数据空间逐步形成；数据跨境流动规则不断完善，数据资产运营、数据价值评估、企业知识库建设等新业态快速发展，为数据要素高效配置创造了更加完善的制度环境；智能体（Agent）快速兴起，推动人工智能由“生成内容”向“执行任务”演进。未来，越来越多企业将拥有自己的行业知识库、企业智能体和数据资产体系，数据不仅服务于模型训练，也将直接参与企业经营管理和价值创造全过程。
未来的数据产业，将不再局限于数据采集、交易和运营，而是逐步成长为支撑数字经济、智能经济乃至未来产业发展的基础性产业。
四、结语
回顾过去30多年，中国数据产业的发展历程，本质上是一场关于数据价值认知不断升级的过程。
从不足百万网民到超过11亿互联网用户，从企业后台的数据库到支撑大模型训练和智能决策的核心资源，从数据资源到数据要素，再到数据资产，中国数据产业完成了从0到万亿的历史性跨越。
然而，万亿规模并不是终点，而是新的起点。未来，数据确权、价值评估、收益分配、跨境流动、隐私保护、安全治理等关键问题仍需持续探索，高质量数据供给不足、行业数据壁垒、数据开发利用效率不高等挑战依然存在。
随着数据基础制度不断完善、人工智能持续突破、数字基础设施持续升级，数据将在更广范围、更深层次赋能经济社会发展。谁能够率先打通数据流通堵点、提升数据治理能力、释放数据要素价值，谁就将在智能经济时代赢得新的发展主动权。