编者按：“十五五”规划纲要提出“深入推进数字中国建设”，并针对“深化数据资源开发利用”从制度体系、开发利用、标准管理、技术研发、建设运营等方面提出一系列明确要求。正值“十五五”开局之年，为深入贯彻落实党中央、国务院决策部署，人民网拟联合国家数据局综合司推出“数据大家谈”高端访谈栏目，通过权威解读、前沿探讨与实践分享，向全社会清晰传递数据政策监管方向，凝聚行业发展共识，营造有利于数据产业创新发展的良好舆论氛围。

早上出门，点开手机就知道公交还有3分钟到站；异地就医，不用来回跑腿开证明，医保直接结算；想开家小店，营业执照全程网办，“一次都不跑”就能办结……

这些早已融入日常的便利，背后都有同一个“隐形帮手”——公共数据。近日，国家数据局数据资源司司长张望做客人民网“数据大家谈”栏目，围绕公共数据资源开发利用的政策体系、实践成效与安全底线进行了深度解读。

国家数据局数据资源司司长张望做客“数据大家谈”栏目。人民网记者　翁奇羽摄

公共数据是激活数据要素价值的重要支点

政府手里的数据就是公共数据吗？对于公共数据的定义，张望给出界定：“更确切地说，公共数据是指各级党政机关、企事业单位在依法履职或提供公共服务过程中产生的数据。”

他表示，这些看似抽象的数据，其实与每个人的生活紧密相连。

“大家熟悉的‘最多跑一次’‘一网通办’，就是通过多部门数据共享，让数据多跑路、群众少跑腿。”他举例，我们离开居住地需要看病拿药，通过医保数据跨地域共享，就能实现异地结算；外出游玩时，手机上实时显示的路况、公交到站信息乃至天气预报，背后都离不开公共数据的支撑。

张望表示，公共数据作为数据资源的重要组成部分，具有规模体量大、质量好、价值潜能大等特点，是激活数据要素价值的重要支点。

国家数据局数据资源司司长张望做客“数据大家谈”栏目。人民网记者　翁奇羽摄

“1＋3”政策体系构建数据开发利用“四梁八柱”

近年来，我国相继出台《中共中央　国务院关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”）、《关于加快公共数据资源开发利用的意见》（以下简称《意见》）等一系列政策文件，搭建起公共数据开发利用的“四梁八柱”。

张望介绍，这一系列政策是一个总分结合、前后衔接的制度体系。

“‘数据二十条’明确提出要构建数据基础制度。2024年，我国印发《关于加快公共数据资源开发利用的意见》，对公共数据资源开发利用进行系统部署。这是数据基础制度建设的重要内容，对数据资源开发利用具有里程碑意义。”

为确保《意见》落地，2025年1月，国家发展改革委、国家数据局联合印发《公共数据资源登记管理暂行办法》《公共数据资源授权运营实施规范（试行）》和《关于建立公共数据资源授权运营价格形成机制的通知》3份配套政策，分别从实行公共数据资源登记管理、规范授权运营行为、建立授权运营价格形成机制等方面，对授权运营全流程进行指导规范。

“至此，数据开发利用形成了《意见》管总、3个配套文件协同发力的‘1＋3’政策体系。”张望说。

针对实践中长期存在的优质公共数据供给不足、开放不够等“堵点”，《意见》系统性地提出了三种供给方式：政务数据共享、公共数据开放和授权运营，按“需”施策、因“数”施策。

其中，授权运营作为一种创新模式，旨在引入专业力量，对公共数据进行治理和加工，形成数据产品和服务。

“这既能解决部分公共数据关联汇聚带来的风险，在保障安全前提下更好满足社会用数需求，也能发挥经营主体在人员、资金、技术、市场发现等方面的优势，激发市场活力，更好地释放公共数据价值和效益。”张望说。

让公共数据“跑起来”成效显现

顶层设计正加速转化为实践成效。

张望用一系列数据展示了当前进展：政务数据共享方面，全国一体化政务数据枢纽已累计支撑共享调用超5000亿次；公共数据开放方面，省市两级已上线开放平台257个，平台上开放的有效数据集总数近48万个；授权运营方面，已有25个省（区、市）有序铺开这项工作，上海、安徽等地探索出“数据实验室”、“运营机构＋合伙人”等创新机制。

数据价值释放的关键在于场景化应用。张望介绍，国家数据局组织开展的公共数据“跑起来”示范场景建设，2025年已累计发布100个示范场景，产生了实实在在的经济社会效益。如，文旅部指导的旅游景区入园便利场景，为老年人、大学生等群体提供免证购票，在福建13处5A级景区推广，入园超3万人次；海关总署依托跨境贸易数据，协同金融机构优化大数据模型，助力中小微企业降低融资成本。

谈及社会关注的“数据付费”问题，张望明确了边界与原则：“公共数据资源的开发利用，要牢牢把握公益优先的导向。公共数据代表着公共利益，必须‘取之于公、用之于公’。”他介绍，已确立的授权运营价格形成机制，旨在实现经济和社会综合效益最大化。具体而言，用于公共治理、公益事业的公共数据产品和服务免费提供；用于产业发展、行业发展的，可合理收取运营服务费，并实行政府指导价管理。

目前，除福建、江苏、贵州等地先行出台收费标准外，大部分地区尚处于探索阶段。“现阶段我们还是以加强指导为主，鼓励各地严格按照‘1＋3’政策规范化推进。”张望说。

他表示，2026年国家数据局印发了《关于做好公共数据资源授权运营信息披露工作的通知》，未来将依托国家公共数据资源登记平台，指导各地做好信息披露，为构建全国统一的数据要素市场奠定基础。

为公共数据开发利用筑牢安全底线

数据开放共享，安全问题始终是社会关注焦点。对此，张望表示，安全问题是在推进开发利用过程中始终牢牢把握的底线。

一方面，要坚持规范化管理。通过“1＋3”政策文件，明确了授权运营过程中必须严格履行的资源登记、科学决策、规范运营、强化监管等程序。

另一方面，要综合利用制度和技术手段守牢数据安全底线。张望介绍，国家数据局部署了隐私保护计算、区块链、可信数据空间等6种技术路线的试点验证，建立数据安全流通利用的“工具箱”，确保开发利用全过程可追溯、可管控。

“开发利用公共数据，必须在依法合规，充分保护个人隐私、企业商业秘密和国家安全的前提下进行，这条底线和红线任何时候都不能逾越。”他说。

AI热潮中，一个概念的地位正在渐渐凸显——Token，它是排行榜上大模型调用量的评估标准，也是大模型厂商销售套餐的计费单位。

在3月22日至23日举行的中国发展高层论坛2026年年会上，国家数据局局长刘烈宏表示，Token“词元”不仅是智能时代的价值锚点，更是连接技术供给与商业需求的“结算单位”，为商业模式的落地提供了可量化的可能；也从官方角度上为Token给出了翻译：“词元”。

我国日均词元调用量超140万亿

刘烈宏24日在国新办举行的新闻发布会上表示，到今年3月，我国日均词元（Token）调用量已超过140万亿，相比2024年初的1000亿增长了1000多倍，相比2025年底的100万亿，三个月时间又增长了40%多。

“日均词元调用量的大量增加，充分表明中国的人工智能发展进入了快速增长阶段。”刘烈宏表示，人工智能应用场景在不断深化，从能对话到能决策执行的智能体，中国人工智能产业的竞争力在显著增强，现在备受关注的Token出海，就是产业竞争力增强的一个标志。

据刘烈宏介绍，在各方共同努力下，我国高质量数据集的建设工作取得了阶段性成效，截止到2025年底，全国已建成的高质量数据集超过10万个，总体量超过890PB，这相当于中国国家图书馆数字资源总量的310倍左右。

下一步，国家数据局将持续推进数据赋能人工智能创新发展，协同各方深入实施新一轮的高质量数据集建设行动计划，以场景需求为牵引，加快推进先行先试的工作，打造技术可行、实用便捷、质量保障的AI-Ready（AI就绪度）高质量数据集，实现高质量数据集供给的量质提升。

什么是Token？

在AI的世界里，Token是模型处理信息的最小计量单位，无论是用户的提问，还是AI生成的一段代码，最终都要被拆解成Token来完成运算。正因如此，Token调用量成为衡量AI模型活跃度和产业价值的关键指标，Token调用量越高，意味模型被用得越多，创造的实际价值也就越大。

人工智能（AI）的浪潮正冲击着各行各业的堤岸，即便是向来被视为“高精尖”堡垒的科学界，也难以在这场变革中独善其身。那么，究竟哪些科研岗位面临被浪潮吞没的风险？

《自然》网站2月21日刊载了一项最新研究，调查了40余位学界与业界AI使用者。许多人坦言，AI的崛起已显著降低了对编写代码、处理基础数据人员的需求——这类工作以往多由研究生、博士后或非科班出身者承担；计算机建模等领域的初级岗位也岌岌可危，因为AI在此类任务中的表现远超初出茅庐的科学家；科学论文翻译等周边工作的生存空间也在萎缩。正如美国弗吉尼亚大学经济学家安东·科里内克所言，涉及“纯认知任务”的工作将首当其冲，这类与科研密切相关的工作，或将被AI迅速接管。

学界普遍认为，那些需要动手操作的实验职位，以及统筹项目的资深科学家，目前尚处“安全区”。但也有研究者警示，即便在这些高门槛领域，AI也正在奋起直追，渐行渐近。

对建模和数据处理岗影响较大

研究人员早已习惯利用AI润色论文、梳理文献。但受访者一致认为，AI在代码生成与数据处理上的能力，对科学就业市场的冲击最为剧烈。

譬如，部分学术实验室曾专门聘请程序员编写科研代码包。对此，美国斯坦福大学计算生物学家布莱恩·海伊直言，随着AI问世，此类工作已成“昨日黄花”。那些专注于创建模拟与分析数据的岗位，如今皆可由AI代劳。

更深远的影响在于，即便尚未引发大规模裁员，AI已开始抑制新岗位的诞生。美国威斯康星大学麦迪逊分校计算生物学家汉娜·斯蒂尔感慨，若她5年前组建实验室，聘请研究程序员是题中之义；但如今，AI足以胜任繁重的编码工作，此举或再无必要。

美国得克萨斯大学奥斯汀分校材料工程师鲁南姝对此深表赞同。她表示，在招聘研究生助理与博士后时，团队愈发谨慎，既有经费不确定性的考量，亦因AI能分担部分工作。

然而，隐忧亦随之浮现。有科学家警示，若本科生、研究生及技术人员无法在实验室得到充分锻炼，恐对科研界造成长期负面影响，因为这些岗位本是通往更高科学职位的阶梯。得克萨斯大学奥斯汀分校计算生物学家克劳斯·威尔克认为，眼下虽能以更低成本获得更多产出，但代价或许是人才梯队的断裂。

已有证据表明，AI已导致某些科学相关领域的人员失业。随着AI翻译器的普及，美国翻译协会科学与技术部门的会员数，在不到两年半时间内锐减26%。部分译者被迫转型。例如，北卡罗来纳州的海梅·拉塞尔，此前的工作是翻译临床试验文件，如今已转型为医疗口译员，负责医患间的口头传译。谈及昔日同行，有人甚至转行外卖骑手，令她唏嘘不已。

AI难以胜任高阶任务

尽管如此，大多数研究者认为，AI仍难以胜任科学家的高阶任务，譬如判断哪个想法值得深究。英国伦敦大学学院量子物理学家乔纳森·奥本海姆常让AI模拟同行评审，尽管他觉得AI提供的批评大有裨益，但他断言：AI无法真正提出新颖的见解。

即便对AI生成创意持乐观态度的受访者，也认为人类不可或缺。美国威斯康星大学麦迪逊分校计算机科学家卡鲁·桑卡拉灵尕姆认为，构思研究方向的最佳方式是人机协作，因为生成假设需要人来设计提示词。而且，人类的参与也可防止AI“幻觉”，即系统虚构输出的弊端。

然而，科里内克坚持认为，即便高阶科研岗，若专注于认知领域，在AI的冲击下亦显脆弱。他预言，数学家明年将受波及，不过数学界对此尚存异议。

实验人员处境暂时安全

相比之下，实验室技术员与从事“湿实验”的早期研究人员，目前处境较为安全。AI与机器人驱动的自动化实验室，仍难以完成诸多精细任务，更遑论解读复杂结果。奥本海姆表示，在相当长时期内，AI难以对实验者的工作产生较大冲击。

美国弗吉尼亚大学科学家开展的一项最新研究也令人稍感宽慰。尽管AI技术风起云涌，部分岗位依然坚挺。例如，AI工具“阿尔法折叠2”虽能胜任从推断氨基酸序列到精准预测蛋白质结构等诸多繁琐任务，但研究发现，人工密集的蛋白质结构成像法仍被沿用。许多蛋白AI依然难以精准识别，仍需人工分析。这表明AI并未令科学家变得无关紧要，他们可以转而解决人类具有“比较优势”的难题。

研究者强调，这种灵活应变的能力，或许正是科学的未来，适应变革者将在新时代中寻得生机。

当前，人工智能正以前所未有的速度和广度影响着经济社会发展。百花齐放，离不开丰沃的土壤，也离不开勤恳的园丁。党中央高度重视人工智能发展，各地因地制宜推进工作，各类主体深度参与研发应用，我国人工智能跑出加速度，综合实力实现整体性、系统性跃升，这正是我们坚持有效市场和有为政府相结合的结果。放眼全球，世界主要经济体也在以国家战略进行系统布局，支持人工智能发展，推动“无形的手”和“有形的手”协同配合已成为全球各国的通行做法。因此，我们必须更好把握政府和市场的关系，让这“两只手”紧密协同、高效配合，在人工智能这场关乎未来的竞赛中赢得主动。

激发动力活力，离不开有效市场的调节。在一个高水平的市场中，价格、供求、竞争等机制相互作用，为创新策源和试错迭代提供平台，为供需对接与场景落地提供土壤，为产业生态的形成和优化提供动力。人工智能领域技术迭代极快，哪种算法更具潜力、哪种商业模式能够落地，往往要靠市场的快速反馈和多元竞争来筛选出最优解。因此，只有坚持让市场在人工智能的技术路线选择、商业模式创新和要素资源配置中起决定性作用，充分发挥市场在创新策源、高效试错、对接供需、生态优化等方面的平台作用，才能最大程度激发行业的创新潜能和发展活力。

在开放竞争的市场环境下，我国企业凭借高性价比优势和开源普惠策略，不仅显著降低了技术使用门槛，推动人工智能更好造福全人类，更通过激烈的市场竞争和协同创新，实现了从追赶到领跑的跨越。截至2025年底，累计有748款生成式人工智能服务完成备案，覆盖医疗、教育、制造、金融等行业。这一系列成就，印证了市场机制在驱动技术快速迭代、催生丰富应用、优化产业分工上的强大力量。

健康有序发展，离不开有为政府的保障。能否赋能千行百业、能否为最广大群众创造幸福生活，是技术发展的意义所在，也是检验一切技术发展成效的标准。人工智能技术投入大、周期长、风险高，纯市场资本往往倾向于追求短期回报与确定收益，对前沿基础研究、算力基础设施等公共品投入不足。同时，技术发展伴生的算法歧视、隐私泄露、就业替代等复杂风险，单靠市场难以有效化解，甚至可能因逐利行为而加剧。这就需要政府通过规划引领、政策支持、资源配置、规则约束等方式，主动弥补市场失灵，推动人工智能朝着有益、安全、公平方向健康有序发展。

近年来，我国政府精准施策，系统构建了引导和规范人工智能发展的治理体系。在顶层设计上，发布《关于深入实施“人工智能+”行动的意见》及各领域实施方案等，为人工智能发展擘画蓝图、明晰路径。在夯实基础上，启动国家人工智能应用中试基地建设，出台“人工智能券”等政策，着力破解算力买不起、用不好的痛点，为人工智能发展打造了坚实底座。在风险防范上，出台《生成式人工智能服务管理暂行办法》《人工智能安全治理框架》等，构筑起人工智能安全可控发展的制度基石。这些成绩的取得，正是有效市场和有为政府同向发力、优势互补的生动体现。

握指成拳，方能合力致远。持续推进人工智能高质量发展不仅要使市场在资源配置中起决定性作用，不断激发市场活力，也要更好发挥政府作用，做人工智能资源优化配置的“引路者”、产业健康发展的“维护者”、安全底线的“守护者”。展望未来，有效市场和有为政府的更好结合，不仅将催生更强大的技术突破与产业创新，更将探索出一条兼顾效率与公平、活力与秩序的发展之路，为共同推动人工智能造福人类贡献更多中国智慧与中国方案。

教育部等五部门近日联合印发《“人工智能+教育”行动计划》（以下简称《行动计划》），旨在一体推进人工智能人才培养和应用创新，系统构建智能时代的教育体系。“十五五”期间“人工智能+教育”有哪些重点部署？

记者从教育部新闻发布会上了解到，《行动计划》重点提出要推动人工智能人才培养与素养提升，构建人工智能全学段教育和全社会通识教育体系，遵循分类施策的原则，对不同教育阶段的人工智能教育提出了具体的要求。

《行动计划》提出，

基础教育阶段确保开齐开足开好人工智能课程，着力培养学生智能思维；

高等教育阶段将人工智能纳入公共基础课程体系；

职业教育阶段推动传统产业相关专业的智能转型，培养适应产业变革的高技能人才；

终身教育阶段汇聚开发优质教育资源，确保全体学习者享有平等学习人工智能的机会。

博鳌亚洲论坛2026年年会正在海南举行。人工智能、就业、人才培养成为全场高频热词。AI时代，文科生会更好就业吗？清华大学人工智能国际治理研究院院长薛澜给出了令人深思的回答：未来，文理是否还要分科，或许需要重新思考。

2月9日，记者从自治区教育厅获悉，随着日前柳州工学院人工智能通识课程顺利结课，覆盖全区本科高校近10万名大一新生的人工智能通识教育首季课程已全部结束。

据悉，该课程建设工作于2025年4月全面启动，由自治区教育厅统一规划，桂林电子科技大学牵头负责核心模块建设。课程以“通识基础”“算法原理”“交叉融合”“实践创新”四大模块为核心，精准对接不同学科专业人才培养需求。针对理工、管文、艺体三大类学科专业差异，量身打造专属版本，实现精准施教，突出“交叉融合”与“实践创新”两大特色。“交叉融合”模块依托全区高校共建共享案例库，收录智能制造、医药健康等重点领域优质案例59个，未来还将重点构建“AI+东盟”特色案例资源；“实践创新”模块采用线上线下双线模式，同步开展6款线上AI实验与线下实践活动，满足各类院校差异化教学需求。

广西师范大学开展线下AI实验教学。学校供图

为保障教学质量，课程采用线上线下混合式教学模式，依托数字化平台实现听课、互动、考核全流程管理，打破时空限制。广西师范大学、桂林电子科技大学等11所高校积极响应，深化教学改革，增设AI实验教学内容，通过项目式学习、案例实操等形式，推动教学重心从知识传授向能力提升转型。其中，广西师范大学打造沉浸式线下AI实验教学，桂林电子科技大学引入企业导师开设AI实践实训营，形成多方联动的协同育人格局。

桂林电子科技大学开展AI实践实训营。学校供图

桂林电子科技大学开展AI实验教学。学校供图

数据显示，课程实施取得显著成效，《人工智能导论》理工版选课人数占比超50%，各院校学生成绩合格率均突破90%。这是广西推进普通本科高校人工智能通识教育的首次大规模实践，标志着广西本科人工智能通识教育平台建设取得阶段性成效。

文 | 北京交通大学教授 张向宏

北京化工大学经济管理学院副教授 涂 群

数字人才具有创新性、实战性、复合性、开放性、交叉性等特点，是推进数据要素市场化配置改革、实现数据科技创新、推动国家数据基础设施建设运营、促进数据产业高质量发展的关键，是国与国之间数字经济竞争的核心，更是数字中国建设的基石。近日，国家发展改革委、国家数据局、教育部、科技部、中共中央组织部等五部委联合印发了《关于加强数据要素学科专业建设和数字人才队伍建设的意见》（以下简称“《意见》”），准确把握当前数字人才培养存在的学科专业设置覆盖面不全、数据从业人员实操水平有待提升、数据领域学术研究尚不成熟、产学研用协同创新亟需加强等问题，提出健全数据要素学科专业、推进数据行业职业教育、繁荣数据领域学术研究、促进数据领域产学研用协同等重大举措，从学科设置、职业教育、学术研究、应用协同等方面多措并举，构建数字人才自主培养新生态，为数字中国建设奠定坚实的人才基础。

一、重构学科专业设置，形成分类培养新格局

数据要素学科专业是数字人才培养的基础。当前，数据要素化市场化进程不断加快，人工智能大模型技术快速提升，各行各业“智改数转网联”应用持续深化，对数据资源开发利用、高质量数据集、数据基础设施、全域数字化转型等方面的数字人才需求巨大。但数据要素学科体系尚未覆盖数据要素价值释放各环节，设置数据相关专业的特色型高校和职业院校规模不大。数字人才培养规模和质量远远不能满足数字中国建设的需求。

我国拥有世界最大规模的高等教育体系，在培养多层次人才方面具有得天独厚的优势。《意见》针对数据要素学科专业数量少覆盖面窄的问题，从“做多”“做专”“做强”三个方面进行了前瞻布局。在“做多”方面，鼓励各层次高校增设各类数据要素学科专业。不仅支持综合性高校建设数字学院，还鼓励特色高校加强数据要素相关优势专业建设，并且鼓励职业院校增设贴近市场需求的数据要素相关专业；在“做专”方面，鼓励有基础的高校和地方探索实用型数据要素专业。一方面支持高校开设数据要素相关“微专业”，如鼓励具备通讯网络、数据安全、数据科学等相关学科专业基础的高校，探索设置数据基础设施微专业。另一方面鼓励地方建设数据相关院校、指导职业院校增设特色专业；在“做强”方面，鼓励多渠道探索高层次数字人才培养方式。一是建立健全数据要素本硕博衔接的人才培养机制。二是支持高校聘请行业专家开展协同育人，如南京邮电大学与安恒信息共建数据要素创新实验室，并聘请行业知名专家担任实验室主任，推动校企联合开展科研攻关与实践教学，探索产学研用协同育人模式。三是充分发挥数据要素相关教指委作用等举措。这些举措的落地实施，必将构建起领域多、覆盖广、水平高的数据要素学科专业体系，为大规模、高质量培养各领域、各层级需要的数字人才奠定坚实基础。

二、大力发展职业教育，满足数据产业需求

数据产业是数字中国建设主体之一，是数据要素化价值化的推动者和实践者，包括数据资源、数据技术、数据应用、数据服务、数据安全和数据基础设施等不同业态。我国正在大力培育数据企业，聚力构建面向人工智能应用的数据产业链，全力建设数据产业集聚区，探索有区位产业优势的数字人才特色培养项目，从“点-线-面”三个维度，推进数据产业高质量发展，迫切需要大量拥有实战能力的数字人才。

实用型、操作型数字人才培养是数据产业高质量发展的重要保障。长期以来，我国数字人才培养多聚焦于数字经济、数据科学、大数据与人工智能等经济类、技术类领域，而较少关注数据采集汇聚、加工处理、流通应用、安全治理等实用类、操作类数字人才。《意见》针对数据从业人员实操能力不足的问题，从“生态”“共建”“实战”三个角度进行了全面部署和规划。在“生态”方面，规划了全国数据职业教育教学指导委员会、产教联合体、产教融合共同体、从业人员能力标准等新型产教融合生态；在“共建”方面，强调企业和高校共建“校中厂”“厂中校”实训基地、支持企业与职业院校共建数字课程、工作手册式教材和教学案例；在“实战”方面，提出了加快“双师型”“工学一体化”教师队伍建设，鼓励参加世界职业院校技能大赛，推动竞赛成果转化为教学资源，鼓励各类专业增设数据课程内容。通过实施以上措施，将全面构建起适应数据产业高质量发展需求的实用型、操作型数字人才培养模式。

三、繁荣数据领域学术研究，激发数据创新动能

数据科技创新是数字中国建设的核心环节，而数据领域学术研究是数据科技创新的动力源泉，只有繁荣兴旺的学术研究，才能激发出更加澎湃的数据科技创新动能，才能为数字中国建设提供更加强大的科技支撑。数据科技创新的核心是提升数据安全流通治理能力，实现高价值数据既能高效流通又能确保安全，破解长期以来数据流通和安全两者不可兼得的难题。这就要求构建高水平的科研团体和平台，夯实科学数据基础，瞄准数据领域重大问题，开展有组织科研。

通过规模化的科研组织开展数据领域重大前沿理论技术问题研究，是突破数据领域关键核心技术的重要途径。《意见》针对数据领域学术研究组织弱小散问题，从“组织”“系统”“权威”三个层级提出了解决方案。在“组织”方面，提出了成立科技社团、实施高层次数字人才培养行动、畅通成果发表渠道、组织学术交流等措施；在“系统”方面，提出了从战略、基础理论、政策法律、基础共性理论、应用技术等方面开展系统研究，构建中国特色数据要素自主知识体系和科学研究体系。如在建设国家数据基础设施过程中，从政策、技术、工程、标准等方面系统推进，特别是标准先行，先期制定了一批国家数据基础设施层级架构和互联互通的标准和技术文件；在“权威”方面，强调要打造权威科学数据库、建设科技领域数据基础设施和高质量数据集等。通过全面落地以上布局，必将极大繁荣我国数据领域学术研究，极大激发数据科技创新动能。

四、促进数据领域产学研用协同，充分发挥应用场景牵引作用

数据要素的乘数效应表现出协同优化、复用增效、融合创新等特点，越是不同来源、不同类型的数据在不同应用场景中协同、复用和融合，越能创造出更大的价值。而不同领域的应用场景不仅是多源数据发挥乘数效应的场所，更能产生出具有额外价值的衍生数据，促进数据要素价值释放。这就要求以应用场景为牵引，加强数据领域产学研用协同，探索复合型、创新型、实战型数字人才的协同培养模式。

打造数据要素产教融合创新平台，更好发挥企业在数字人才培养中的作用，是创新数字人才协同培养模式、充分发挥数据要素乘数效应的有效手段。《意见》针对数据领域产学研用协同创新程度不足、数字人才协同培养场景不多等问题，从“场景”“协同”“创新”等三个维度提出了实施路径。在“场景”方面，提出建设一批企业发挥主导作用的数字人才培养典型应用场景；在“协同”方面，一是支持高校与企业协同共建数字领域专业特色学院。二是与数字中国、数字经济、数据要素、数据产业等试点示范项目协同探索数字人才特色培养项目。三是鼓励高校建设数据要素交叉学科平台、产教融合研究院等新型组织；在“创新”方面，提出建设运营数据要素产教融合创新平台，加快数据领域前沿关键共性技术研发，鼓励企业开放技术平台和应用场景，委托相关国家平台承担数字人才培养项目，协同培养国家战略急需的复合型应用人才。通过实施以上措施，将极大促进数据领域产学研用协同创新，不断迭代优化数字人才协同培养模式。