2026 年 1 月，国家数据局发布《关于加强数据科技创新的实施意见》，系统部署数据科技创新的战略路径与实施举措。文件的一个标志性动作，是首次明确界定「数据科技」这一概念。

「数据科技」是什么

按文件表述，数据科技是以发挥数据叠加倍增作用、释放数据要素价值为目标，系统性构建的数据科学、技术与工程体系。这一定义的关键在于「系统性」与「工程化」：它把数据从「资源」提升为需要专门技术体系支撑的「生产要素」。

在此之前，数据相关政策多聚焦于「流通」与「确权」，例如数据产权登记、数据流通服务机构培育等。而《实施意见》把落点放在「技术」上，意味着数据要素市场的建设从制度供给阶段，进入能力供给阶段。

与 AI 发展的直接关联

数据科技与 AI 的关系是双向的。一方面，AI 模型的性能高度依赖高质量数据集；另一方面，数据科技本身也在被 AI 技术重塑。

这与国家数据局的既有部署一脉相承。此前的行业高质量数据集建设行动，以及「数据赋能人工智能」的专项行动，均指向同一目标：让数据以可用、可信、可流通的形态支撑模型训练。参见行业高质量数据集建设行动实施方案与国家数据局数据集指引。

对 AI 企业的含义

第一，数据能力成为可被评估的对象。 数据科技概念的确立，使「数据治理水平」有了更清晰的评价维度。企业在融资、投标或合作中，可能被要求说明数据采集、加工与流通的技术方案。

第二，数据资产化的路径更加清晰。 数据产权登记、数据流通服务机构培育与数据科技创新构成完整链条，参见数据产权登记工作指引与培育数据流通服务机构意见。

第三，数据流通环节的合规要求上升。 数据商、数据流通服务平台企业等主体被明确功能定位后，其数据来源合法性、授权链条与个人信息保护义务也将更受关注。参见数据合规风险清单与个人信息出境认证办法。

第四，跨境数据科技合作需要单独评估。 涉及数据出境的技术合作，应按出境路径分别判断，参见跨境数据服务。

企业可以着手的方向

一是把「数据集建设」从项目性任务转为持续性能力，明确数据来源、标注规范与质量评估标准；二是梳理自身在数据链条中的角色——是数据提供者、加工者还是流通服务者——并据此匹配义务；三是关注数据科技相关的标准与试点，提前积累可被采信的技术文档。

数据科技概念的提出，实质是把数据要素市场的竞争焦点从「谁掌握数据」转向「谁能把数据变成可用资产」。对 AI 企业而言，这既是能力要求，也是合规要求。

本文依据国家数据局《关于加强数据科技创新的实施意见》及公开解读编写，仅供参考，不构成法律意见。