2026 Global Data Merchant Conference: High-value data is scarce—where does the bottleneck lie in data being "used well"?

随着人工智能技术爆发后日均词元（Token）调用量的突破，数据从“供得出”到如何更好“用得上”成为业内关注的话题。

“52.26ZB的数据总量中，真正被有效利用的占比仅约3%。”在10月30日开幕的2026全球数商大会上一场“数、链、智协同”的产业圆桌对话上，上海数据集团首席技术官苏光牛分享了这组数据。

仍缺乏高质量数据

“数据的供出已经不是问题，跑通流程也不是问题，但支撑行业高价值的数据依然短缺。”苏光牛说，数据流通的瓶颈正从通道转向“好不好”。

在具身智能赛道，数据短缺的问题凸显。它石智航副总裁刘华说，具身智能泛化性面临较大阻碍，核心在数据。要训练出强泛化性的基座模型，数据门槛是“千万小时级”，而目前行业高质量训练数据仅停留在百万小时级，“缺口大概在90%”。

尤其是采集成本与模态缺陷方面。刘华分享称，传统真机遥操作设备一套二三十万元，真机本身数十万元，调测一天往往只能产出几个小时合格数据。更深层的硬伤在于数据模态的失真：“现在非常多的基座模型主要依靠文本和视频训练，看起来能听懂指令、能看懂世界，但根本不理解‘力’和物理动作的真实含义。机器人做动作时缺乏手感，极容易翻车。”

在刘华看来，弥补触觉与姿态等关键模态，从自采、机器人数据回流到外采跨越千万小时门槛，行业至少还需要两到三年才能迎来“ChatGPT时刻”。

对于运营商来说，智能体的发展也在倒逼底座设施的重建。中兴通讯副总裁兼企业发展部总经理黄义华表示，产业正从人联网迈向智联网，预计到2030年全球智能体规模将突破22亿，增长超80倍。与之伴随的，是从“比特”彻底转向“Token”，算力基础设施从拼单卡指标转向考验多芯协同、软硬件一体的全栈工程。

另外，当大模型加速向AI Agent（智能体）演进时，底层计算资源也遭遇了结构性问题。

海光信息技术股份有限公司副总裁应志伟在现场举例道，去年跑文本与代码生成等大模型任务，算力基本由GPU扛起；但今年Agent落地后，工程师发现大模型生成代码后，伴随大量的编译、运行和测试，这些流程会大量消耗CPU算力。

“这个时候GPU反而会空转。程序员并行任务的激增，更进一步加速了对CPU的消耗。”应志伟透露，为了避免算力空转与瓶颈，业界CPU与GPU的配置比例正被动地从过去的1:1向1:4甚至1:8快速推移。

算力重组之外，更大的问题是“裸奔”的安全顾虑。到2025年底，全国智能算力规模将达到1590eFlops，但苏光牛认为，技术工程化之后，瓶颈已经全面推向了“制度的信任”。

企业把Prompt（提示词）和核心材料输入云端大模型，本质上是将敏感数据以明文全盘托出。针对这一问题，阿里云智能集团副总裁霍嘉提出，信任必须分立为“数据要素可信”与“数据应用可信”，当前产业必须解决模型思考时的思维链数据与Token全链路加密问题。

要告别“Demo秀”

部分在场嘉宾认为，数据应用商业模式难以闭环的根源，在于行业充斥着不少“伪场景”，应该告别“Demo秀”。

霍嘉在圆桌中谈到“AI+”落地时表示：“我看到很多企业的AI+应用，基本以Demo型应用为主，生产级看不见；不少应用只是给几个人做的玩具，解决不了广泛的生产力提效问题。”

他认为，能够跑通商业价值的数据场景必须具备严苛的硬指标：是能发挥机器不眠不休优势的“24x7场景”、必须深度接入前沿基础模型、且必须形成“应用到效果反馈”的数据飞轮闭环。

霍嘉以兰州石化常减压装置为例分析称，由于停机代价极大，此前依赖人工24小时紧盯大盘，通过打造智能体接管实时调整并连续稳定运行五个月，AI才算第一次真正切入核心生产系统。

不仅是场景需要剥离泡沫，技术手段同样在经历重估。针对苏光牛提出的“利用区块链与智能合约解决数据授权与收益分配”的设想，李韩认为，各地都在建可信数据空间，但标准碎片化、缺乏法律保障等还存在问题。

中国联通（香港）创新研究院跨境数据与人工智能应用研究中心总经理李韩说，孤立地谈论原始数据值多少钱是空谈，必须把数据拆解为生产、治理、产品化、运营等不同链条，数据只有与技术融合产品化后才有生产价值，利益分配也只能依据各方在全链路中的实际价值创造来分割。

刘华也认为，数据的定价终究要交由市场机制决定，当具身智能模型能力因高质量数据跃升而带来巨额收益时，市场自然会给数据开出合理对价，而链上追溯应服务于对劳动者、场景方与采集方的精细化确权。