《“十五五”规划建议》将“深入推进数字中国建设”作为加快构建新发展格局的核心任务，其政策逻辑延续并深化了《数字中国建设整体布局规划》（2023年）提出的“2522”框架，即夯实两大基础、推进五大任务、强化两大能力、优化两大环境。
数字中国建设的战略背景
1.当前，数字中国建设已形成坚实基础。截至2023年，我国数字经济规模达50.2万亿元，占GDP比重提升至41.5%，数字经济核心产业增加值占GDP比重达8.3%；数字基础设施建设实现“从跟跑到并跑”的跨越：建成全球规模最大的5G网络（基站数量占全球60%以上）、工业互联网标识解析体系覆盖全国31个省区市；工业互联网平台连接设备超8000万台（套），培育出15家“双跨”工业互联网平台，覆盖45个国民经济大类；数据总量达8.1ZB，占全球数据总量的18%，算力总规模达197EFLOPS，位居全球第二。
数据要素基础制度建设取得阶段性成果。截至2024年6月，全国已设立24个数据交易所，累计交易额突破1200亿元；《数据要素×典型案例汇编》（2024年）收录了40个行业的数据创新应用案例，涵盖金融、医疗、交通等领域。但数据孤岛、标准不统一、安全风险等问题仍制约着数据要素价值的释放，亟须通过全国一体化数据市场建设破题。
2.全球数字竞争格局与数据主权博弈。当前，全球数字经济占比已突破45%，数据要素成为大国博弈的焦点。欧美国家通过《数据法案》《联邦数据战略》等政策加速全球数据规则重构，我国需通过建设“全国一体化数据市场”打破数据壁垒，应对全球产业链数字化竞争。工业互联网作为数字经济发展的重要基础设施，其产业规模已达1.3万亿元，但数据流通率不足30%，亟须通过制度创新激活数据价值。
3.产业升级。《“十五五”规划建议》明确要求“破除瓶颈制约、补强短板弱项”。传统产业面临效率瓶颈，需通过数字化转型突破增长天花板。《数据要素市场化配置综合改革试点总体方案》《工业互联网专项工作组2023年工作计划》等政策为数据流通、工业互联网发展提供了制度保障。我国制造业数字化转型比例仅为14.7%，传统产业改造升级、新兴产业培育壮大和未来产业前瞻布局仍需深化 。通过数据市场化配置推动产业向价值链高端攀升，已成为经济高质量发展的迫切需求。我国内需对经济增长的平均贡献率达86.8%，消费市场规模稳步扩大，消费结构持续优化，新型服务消费加快培育壮大。数字技术作为新质生产力的重要引擎，能够显著提升社会整体生产力水平，促进产业转型升级。
深入推进数字中国建设核心内容解读
《“十五五”规划建议》关于深入推进数字中国建设的核心目标，就是要把整个中国社会从“动力时代”全面升级到“算力时代”。紧扣数字化的“计算”本质，让数据、算力和人工智能像水和电一样，成为驱动所有行业发展的新基础，并与物质、能量要素融合，形成社会发展的“信息、物质、能量”三类基础动力要素的均衡融合发展。
（一）健全数据要素基础制度，建设全国一体化数据市场
把“数据”变成新的“石油”，其目标是要让数据成为可以交易和创造财富的生产要素。数据市场建设强调“开放共享安全”，是在保障国家安全、商业秘密和个人隐私前提下的有序流通与开发利用。其前提是健全数据要素基础制度，包括数据产权、流通交易、收益分配、安全治理等。
一是健全数据要素基础制度。建立保障权益、合规使用的数据产权制度，完善持有权、使用权、经营权的制度框架。完善数据要素流通交易制度和收益分配制度，界定不同参与方在数据流通过程中的权利和责任，进一步激发经营主体的参与活力。二是优化数据要素市场化配置。加快培育全国一体化数据市场，规范数据流通交易行为，降低流通交易成本，提高流通交易效率。探索建立数据市场治理体系，构建涵盖数据供给、产权登记、评估定价、流通交易、合规治理等环节的全链条产业生态，形成由市场评价贡献、按贡献决定收益的分配机制。三是深化数据资源开发利用。围绕重点领域，建设一批国家级的基础数据库和主题数据库，为科学研究、产业发展和社会治理提供数据支撑。加强公共数据资源的汇聚和治理，深入推进“数据要素×”行动，推动建立企业行业数据共享平台，促进产业链上下游的数据流通。
建立健全数字治理法律制度，探索数据资产化、数字信用等制度创新。深化数字化标准规范体系建设，促进数字领域标准统一，完善基础通用标准、数字基础设施建设规范标准、数据开放利用标准、数字化融合应用标准等标准体系。
根据OECD测算，数据自由流动可使全球GDP增长1.1%—1.5%，我国若实现数据要素市场化配置，预计可带动GDP增长2.4个百分点，年新增经济价值2.5万亿元。
目前，各地的政务数据、企业的经营数据就像一个个孤立的“油井”，无法连通。建设全国一体化数据市场，就好比建设一个“国家数据交易所”。比如，从组织上成立国家数据局，实体上成立上海数据交易所，企业可以在这里像买卖商品一样，在保障安全和隐私的前提下，合法地购买“脱敏后”的交通数据来分析物流路线，或购买消费数据来洞察市场趋势。这能把沉睡的数据激活，产生巨大的经济价值。
（二）促进实体经济和数字经济深度融合，打造具有国际竞争力的数字产业集群
发展数字经济的核心是“深度融合”。数字经济必须服务于实体经济的转型升级，防止“脱实向虚”，其目标是让数字技术（特别是工业互联网和AI技术）与实体经济深度结合。工业互联网是产业生态级的创新发展工程，应逐步实现全要素、全产业链、全价值链的全面连接。
一是深入实施产业数字化转型。推进重点产业链“链式”转型，推动上下游企业的数字化协同改造。培育推广规模化定制、网络化协同新模式，加快推进农业、工业、服务业等领域的数字化转型，推动产业迭代升级和提质增效。二是培育国际一流数字产业集群。根据不同地区的资源禀赋和产业基础，建设一批具有国际竞争力的产业集群，重点培育国际一流数字标杆企业，促进相关企业“串珠成链”，形成全方位协同的利益共同体，打造具有国际竞争力和影响力的集群品牌。推动企业、高校和科研院所共同建设数字技术产业创新平台，构建高效链接、多方协同、竞合共生的产业生态。三是实施工业互联网创新发展工程。面向重点行业领域，加快工业互联网建设应用，扩大工业感知网络覆盖，打造海量物联接入能力。推动工业互联网与5G—A、确定性网络、区块链、边缘计算等新一代信息技术的融合创新，加快实现工业数据的汇聚、分析和应用。推动工业互联网标识体系建设和标准规范制定，加快对典型应用场景的推广，提升工业互联网的行业赋能能力。四是推动平台经济创新和健康发展。推动新一代信息技术与平台业务的融合，促进商业模式、服务形态和价值创造方式的创新发展。支持平台企业依托市场、数据优势，赋能生产制造环节，加强平台经济与实体经济深度融合。完善平台经济监管体系，创新监管方式，加强数据安全与隐私保护监管，营造鼓励创新、公平竞争、规范有序的市场环境。
海尔集团的“卡奥斯”工业互联网平台连接了大量工厂，可以获取生产数据。当一个工厂的某台设备出现故障征兆时，平台能提前预警，并远程调度工程师维修，避免了停产损失。这就像是给整个制造业装上了“预警系统和神经中枢”。
让AI渗透到每个角落，实现AI+产业、AI+民生、AI+治理。宁德时代的电池工厂利用AI视觉检测系统，替代人眼在微秒级别内检测电池产品的极微小缺陷，质量和效率远超人工。北京许多医院开始引入AI辅助诊断系统，通过分析CT影像，可以快速、精准地帮助医生发现早期肺癌的迹象。杭州的城市大脑通过AI实时分析全城交通流量，自动调整红绿灯时长，有效缓解了高峰期交通拥堵。
在鼓励创新的同时，必须确保数字技术安全、可信、向善。当前数字技术的快速发展，带来了诸如隐私泄露、算法歧视（如大数据杀熟）、虚假信息（AI换脸）等风险。必须同步完善监管，强化包括人工智能在内的数字技术治理，推动平台经济创新和健康发展。
（三）加快人工智能等数智技术创新，强化算力算法数据供给
一是构建系统完备的数智技术创新体系；二是突破人工智能基础理论和核心技术；三是强化人工智能算力、算法、数据等高效供给。抢占大模型产业应用制高点，针对不同行业的特定需求，打造一批可复制、可推广的行业专用大模型典型示范。围绕重点行业，分批构建高质量训练数据集，提升数据质量。
（四）全面实施“人工智能＋”行动，全方位赋能千行百业
一是强化示范引领，支持人工智能落地；二是推进人工智能规模化商业化应用；三是加强人工智能同产业发展、文化建设、民生保障、社会治理相结合。推动工业全要素智能联动，加快农业数智化转型升级，利用人工智能技术提升公共文化服务智能化水平，丰富文化产品供给。发展智慧医疗、智慧教育、智慧养老等，全面提升公共服务水平。运用人工智能提升城市管理的精细化智能化水平，加快人工智能产品和服务向乡村延伸，推动城乡智能普惠。
（五）统筹发展和安全，构筑数字中国建设安全屏障
一是提升安全防护能力。二是强化数据安全保障。三是加强安全技术供给。培育壮大网络安全和数据安全产业，鼓励企业开发具有自主知识产权的网络安全、数据安全产品和服务。
深入推进数字中国建设相关思考
（一）建设开放共享安全的全国一体化数据市场
以“全国统一大市场”为框架，整合行业、区域、企业数据资源，形成“基础数据+行业数据+区域数据”三级市场体系，实现“数据要素跨层级、跨地域、跨行业流动”。破解“数据孤岛”（我国企业数据共享率不足20%），提升数据要素配置效率。
以“全国统一大市场”为框架，整合行业、区域、企业数据资源，形成“基础数据+行业数据+区域数据”三级市场体系，实现“数据要素跨层级、跨地域、跨行业流动”。
空间一体：建立“国家－区域－城市”三级数据中心体系；
行业一体：打通制造业、金融业、医疗业数据壁垒；
规则一体：统一数据交易标准（如数据质量评估指标、交易合同范本），实现“一次认证、全国通用”。
这种一体化要求对数据平台要求极高，一是要具备国家级算力底座；二是要具有包含重点行业工业数据在内的国家级数据平台；三是跨行业整合的中立性定位。
（二）强化工业对象数字定义数据源头的建设
从数据要素生命周期和管理角度看，包含了数据产生、收集、存储、交易、分析加工、应用等环节，工业互联网在数据收集、交易、应用等环节发挥重要作用。在数据产生环节，主要的路径包括工业机器设备数据（IoT物联网）、用户行为数据、基于工业软件与工业APP的工业对象定义数据。当前的状况是在数据产生与获取环节中，设备数据和用户行为数据的产生与获取相对容易，数据量也大。但是在基于工业软件与工业APP的工业对象定义数据方面的产生与获取都存在比较大的差距，而工业对象定义数据通常是高质量机器设备数据的基础。目前这类数据通常离散在不同行业、不同组织、不同数据系统、不同工具中，打通难度大，一体化整合和获取困难。这就要求构建一种跨行业组织、跨工具、异构形态、能够根据不同权限和权属特性、贯通生命周期的工业对象定义数字底座。
（三）设计并优化与特定领域实体经济深度融合有效路径
工业领域应用范围极为广泛。在实现数字经济与实体经济融合的早期，必须选择合适的领域，同时针对特定领域设计并优化与实体经济深度融合的有效路径与模式。一是在融合领域对象选择上，由浅入深，首先从相对容易的典型垂直行业和区域特色产业集群入手，与行业头部企业合作开展纵向“链式”应用，与地方政府合作开展区域特色产业集群横向“面”应用；二是在路径与模式设计上，必须充分考虑参与各方的获利路径、短期价值或变现能力，获利周期与频率，以及持续获利模式。针对不同参与方设计不同的收益方式（包括但不限于有形和无形的收益），用“真实收益驱动”代替“钱景驱动”。三是强化“多维体系性应用”，不管何种路径和模式，都必须进行多维体系性设计与应用。一方面要确保工业软件（含工业APP和领域知识）、硬件、存储、算力成体系；另一方面，确保工业软件应用（含工业APP）的成体系完整性，用户在工业设计、生产、维修保障等过程中需要用到或者可以用到的工业软件（含工业APP）能够一键式获取与应用；第三，确保价值链的完整闭环，围绕工业领域的数据产生（含设备、用户行为、对象定义三类数据）、交易（数据买入卖出）、数据加工服务，以及应用等全周期衍生应用的闭环应用。
（编辑 季节）
