梅宏谈数据要素化挑战，建议推动公共数据开放与分级分类管理

　　日前，2025中国国际大数据产业博览会在贵州贵阳举行。8月27日，在“数字政府”交流活动上，北京大学信息科学与技术学部主任、中国科学院院士梅宏围绕数据要素化面临的挑战进行了深入分享。

　　梅宏表示，数据作为新型生产要素，与传统要素相比具有非竞争性、非排他性和可重复使用等特征，在生产过程中能够发挥独特作用。关键问题在于如何准确理解数据在生产函数中的地位。在他看来，数据既是生产变量，也像技术一样是一种效率提升的手段，因此其作用更为关键。

　　谈到推进数据要素化的实践时，梅宏总结了三方面的挑战。首先是数据共享与开放出现停滞甚至倒退。早在2015年，国务院就提出建设政府数据共享平台和推动公共数据开放的目标，政务服务便民化取得了显著成效，但公共数据的开放程度并未达到预期。

　　随着《数据安全法》《个人信息保护法》等法律的实施以及数据战略地位的提升，部分部门在共享上的意愿走低，公共数据开放竞争被进一步压缩，甚至从国际范围看数据的跨境流动也在趋严。梅宏强调，如果数据不能有效共享和流通，将会制约数字经济发展。

　　其次是公共数据授权运营路径过于单一。近年来，各地纷纷成立数据集团承接公共数据运营，但这些新机构在技术能力和体制机制创新方面仍有不足，难以激发民间和民营企业的创新活力。梅宏指出，公共数据本应体现“公共”属性，不能过度依赖授权运营而缺乏真正开放。他呼吁，应对政务数据和公共数据进行分级分类管理，推动真正意义上的公共数据开放。

　　“公共数据作为社会数据黏合剂甚至催化剂，对国家起到重要战略性基础作用，它的开放运营对于促进要素市场的发展、提升社会治理能力都具有很重要意义。”梅宏说道。

　　此外，数据应用被过度绑定在人工智能大模型上。梅宏表示，大模型训练固然是数据应用的重要场景，但并非唯一场景。传统的数据处理分析方法在许多领域依然不可替代。

　　他强调，“数据是体，智能为用”，二者如同燃料和火焰，没有燃料则火焰无法燃烧，强调数据质量决定大模型发展的“天花板”。当前社会对大模型的过度依赖，容易陷入“拿着锤子找钉子”的误区，从而加剧AI落地的困境。

　　梅宏最后强调，并非所有数据都能自然转化为生产要素，只有其中一部分具备相应价值。