在北京市第十六届人民代表大会第四次会议召开之际，数字经济、人工智能等议题受到代表们广泛关注。
市人大代表涂锟结合企业实践提出，推动人工智能更好服务实体经济，离不开高质量数据要素的持续供给与规范流通，应以制度创新与标准建设双轮驱动，尽快形成可复制、可推广的数据治理路径。
问题：专业化场景“用得上、用得准”仍存短板。
当前大模型相关技术快速迭代，社会应用热度攀升，但在医疗健康、自动驾驶、金融风控等专业领域，落地过程中仍容易出现“准确性不足、可解释性不强、难以稳定复用”等情况。
涂锟认为，制约因素并非单一技术问题，其中一个核心瓶颈在于高质量训练与评测数据供给不足，尤其是具备业务价值、可反映真实生产流程的行业数据难以形成规模化支撑。
原因：数据流通受阻叠加制度供给不足。
其一，公开数据的边际效用下降。
互联网公开数据经过多年积累与利用，可用于通用能力训练的增量空间收窄，难以覆盖复杂专业场景对高精度、强时效、强结构化数据的需求。
其二，行业数据长期沉淀在机构内部，跨主体共享面临合规、成本与风险的多重约束。
其三，数据要素市场仍处于加快完善阶段，确权难、价值评估体系不健全、收益分配机制不清晰等问题交织，使得“愿意共享、敢于共享、能够共享”缺少稳定预期。
其四，安全治理与责任边界需要更精细的制度安排，既要防止泄露滥用，也要避免“一刀切”导致数据“沉睡”。
影响：从企业创新到产业竞争都将受到牵引。
数据供给不足会直接抬升模型训练与验证成本，延长产品迭代周期，降低在垂直领域形成可靠能力的速度；数据难以合规流通也会影响跨行业融合创新，削弱新业态、新模式的孕育效率。
从更大层面看，数据作为关键生产要素，其配置效率关系到数字经济发展质量。
若高质量数据供给与流通机制不畅，既可能造成重复建设、资源浪费，也可能使部分关键场景难以形成规模化应用示范，影响产业链协同与城市数字化竞争力提升。
对策：以“试行区+标准体系”破解制度与产业两端难题。
涂锟建议，设立“数据制度试行区”，推动数据制度试验与数据创新实践相结合，围绕数据产权、流通交易、收益分配和安全治理等关键环节，探索包容审慎的柔性监管模式，以场景牵引制度落地。
具体而言，可选择自动驾驶、医疗健康等对数据质量要求高、社会价值突出的领域开展试点，在实践中形成“制定—实践—总结—反馈—修订”的闭环机制，通过边运行、边完善，逐步沉淀可操作的制度框架与监管标准，增强各方参与数据共享的信心与预期。
同时，他提出以标准引领高质量数据供给，围绕数据全生命周期、全产业环节，推动数据资产登记、人工智能数据集质量评估等标准的建立与试点，促进数据治理规范化、产品化，构建各专业领域可持续供给的行业高质量数据集。
试行区还可鼓励数据跨域融合应用探索，带动数据清洗、标注、质量评估、隐私保护、可信数据空间等基础服务规模化发展，促进形成新的就业形态与产业链条。
前景：以制度创新释放数据要素价值，增强首都数字经济韧性。
业内普遍认为，未来人工智能竞争将更加倚重高质量数据、工程能力与场景落地的综合优势。
通过试行区先行先试，北京有望在合规框架下提升数据要素配置效率，推动形成可验证、可推广的制度经验；以行业高质量数据集建设为抓手，也有助于提升专业领域模型能力的稳定性和可控性，促进人工智能与实体经济深度融合。
随着标准体系与市场机制逐步完善，数据供给、交易、治理等环节的协同将更加顺畅，城市数字治理与产业创新能力有望同步提升。
数据作为数字经济时代的核心生产要素，其高效流通与合理利用关乎技术突破与产业升级。
涂锟代表的建议为破解数据流通难题提供了可行路径，但如何在保障安全与隐私的前提下实现数据价值最大化，仍需政府、企业与社会各界的协同探索。
未来，北京若能率先建成高质量数据产业生态，或将为全国数字经济发展树立标杆。