編者按：隨著數據要素市場化配置改革持續深化，制度構建、價值釋放與治理協同的關鍵議題備受關注。人民網·人民數據對話專家學者、地方政府相關負責人、企業代表，共同探討數據要素高質量發展新路徑。

本期嘉賓：李雪瑩 天融信科技集團董事長兼CEO

主持人：陳露 人民網·人民數據研究院研究員

人民數據：本屆數博會已於貴陽落下帷幕，大會以“詞元——數據要素價值釋放新路徑”為年度主題。圍繞這一行業發展方向，您此次參會最直觀的感受是什麼？在“詞元”主題的背后，您認為釋放出數據要素產業發展的哪些信號？

李雪瑩：本屆數博會期間，最直觀的感受是數據要素產業正經歷一場從資源化向價值度量衡轉型的深刻變革。在此變革進程中，智能經濟領域正逐步構建一套通用的價值語言體系。

詞元成為行業核心主題的背后，釋放出三大產業信號。其一，詞元實現了數據價值量化的關鍵突破。長期以來，數據價值難以量化評估，而詞元作為統一的價值標尺，為AI服務的計量、定價與交易提供了完整的參照體系。據統計，截至2026年6月，我國日均詞元調用量已突破500萬億次，較2024年初的日均1000億次實現數千倍增長，充分印証了詞元經濟的發展態勢。其二，產業鏈分工已全面進入詞元時代。本屆數博會的展區圍繞算力基座、數據供給、模型驅動、安全護航、智能體驗五大板塊布局，完整呈現了詞元生產的全鏈路流水線。其三，數據價值閉環正在加速形成。本屆數博會清晰展現了產業發展路徑：場景牽引數據供給，數據驅動模型迭代，模型賦能應用升級，應用創造產業價值，而安全貫穿全流程，正從合規底線升級為產業發展的核心底座。

本屆數博會上，天融信入選2026數字經濟國際合作典型實踐項目。如果說過去行業對數據的討論更多聚焦於存儲與計算環節，那麼詞元概念的提出，則標志著行業開始探索AI認知能力的定義與交易路徑。從這一意義而言，本屆數博會是一場為智能經濟新時代統一價值度量衡的行業盛會。

人民數據：當前數據流通領域仍普遍存在“不敢流通、不願流通、不能流通”的現實痛點。在“數據二十條”政策持續落地、數據資產入表工作全面推進的行業背景下，如何兼顧安全合規與流通效率？二者協同的破局路徑是什麼？

李雪瑩：當前數據流通領域“三不”困境的本質，在於安全信任機制不完善與價值分配機制不清晰。破局的核心思路，是跳出將安全合規視為數據流通阻礙的認知，將其定位為數據流通的基礎保障機制。通過制度、技術、模式三維協同創新，使安全成為數據流通的“定心丸”與價值釋放的“推進器”。從實踐進展來看，三大破局方向正逐步落地。

一是制度層面破局。通過制度體系完善，推動數據流通從“確權難”向“有証可依、全域互認”轉變。數據權屬模糊是制約數據流通的核心歷史問題，而通過數據資產登記確權機制，可為每一份合規數據賦予全國互認的“數字身份憑証”，支撐其依法進入數據流通市場開展交易。

二是技術層面破局。可信數據空間建設推動數據流通模式從“交付即失控”向“數據不動、價值流轉”轉型。作為數據流通的關鍵信息基礎設施，可信數據空間基於共識規則與技術信任機制，實現數據可用不可見、用途可約定、全程可追溯。例如在某省可信數據專區建設中，相關方案支撐跨境數據有序流通，為人工智能基礎設施建設與應用提供數據要素保障。與此同時，詞元作為新型價值計量方式的出現，推動數據計量從按條數統計向按價值核算升級。

三是模式層面破局。數據流通業態從原始數據交易向數據服務交付升級。依托數據即服務模式，通過API接口、風控報告、聯合計算等多元形態，在合規框架內實現數據價值的完整交付，而非傳統的原始數據權屬轉移。從產業競爭視角看，安全合規本身就是核心競爭力，率先以安全合規手段激活數據要素流通的市場主體，將在新一輪產業競爭中佔據先發優勢。

人民數據：當前大模型與智能體正進入規模化落地階段，部分企業採用“先上系統、后補安全”的推進策略。在此行業背景下，AI時代的數據安全面臨哪些超出傳統防護范疇的新型風險？安全能力應於何種階段介入，方能在不延緩創新進程的同時，規避后期高昂的改造成本？

李雪瑩：“先上系統、后補安全”的推進模式，會顯著放大AI時代的安全風險。傳統安全體系以邊界防護為核心，發揮圍牆與閘門的屏障作用﹔而AI時代的安全防護對象是具備動態演化特性的數字生命體，所面臨的挑戰與傳統安全場景存在本質差異。

應對上述新型風險，核心思路是“安全左移”，且安全建設不能僅止步於前置介入，而需覆蓋AI系統全生命周期，確保各環節無安全缺失。從落地路徑來看，可分為三個階段系統推進，實現安全與創新的協同發展，讓安全從創新的制約因素轉變為創新的支撐力量。

第一階段為規劃開發階段介入，夯實系統底層安全根基。在開發環節依托安全智能體提升代碼安全水平﹔系統成型后全面開展脆弱性排查與修復﹔系統上線前，在真實應用環境中通過基於大模型的自動化滲透測試完成整體安全性驗証。

第二階段為應用運營階段管控，劃定智能體安全運行邊界。明確智能體的安全行為范圍，在運行過程中開展持續檢測與動態監控，一旦識別出潛在風險行為，立即採取攔截、回退等處置措施，防范安全事件發生。

第三階段為模型層面深度防御，構建意圖識別與幻覺抑制雙重防線。在輸入端部署惡意意圖識別引擎，精准識別惡意指令與風險操作﹔在模型推理端引入世界認知模型，從底層約束推理邏輯，降低模型幻覺引發的惡意、非預期輸出風險，大模型安全圍欄產品即是針對該類需求的典型解決方案。

在企業AI規模化落地的浪潮中，安全並非創新的絆腳石，而是決定系統能否穩定落地、持續運行的核心底盤。（來源：人民數據公眾號）