国数局推动模数共建：两世界，能真正握手吗？

很长一段时间，在我眼中，数据要素行业与AI模型行业是两条平行的轨道。

两个世界的人、团队、生意逻辑乃至政策语境，都截然不同。

模型AI行业是年轻人的天下。平均年龄不到30岁的他们，敢想、敢说、敢赌。你可以在各种访谈里看到他们那份不加掩饰的野心与争议，时刻占据话题中心。更直观的是自媒体生态——AI公司的员工可以公开披露进展、锐评竞品、你追我赶，火药味里透着活力。市场与政策，似乎也给了他们极高的容错空间，鼓励每一次狂野的尝试。

一个活力四射、拥抱风险；一个沉稳保守、厌恶变革。如今，国家大力推动“模数共建”，试图让这两股力量拧成一股绳。

我只是个旁观者，看着这巨大的鸿沟，心里止不住地犯嘀咕：一个追求颠覆，一个固守存量，它们真的能打破次元壁，深度融合吗？还是说，最终只会是一场热闹但短暂的“拉郎配”？

能不能融合，理论、政策导向只是启动，真正融合是靠人，靠事，靠文化、靠共识、靠共同利益、靠合理分钱。

拆开来看，“靠人”意味着需要一批既懂数据治理又懂模型训练的复合型人才。目前这两类人群在各目的圈子里自得其乐，语言不通、圈子不交，缺少能够充当桥梁的角色。没有这批人，融合只是纸上谈兵。

“靠事”指的是要有真实的、可落地的应用场景。不是开几场对接会、发布几个白皮书就能成事，而是要有具体的业务痛点——比如医疗数据的跨院共享、工业质检的智能标注——让两个行业的人不得不坐在一起解决问题。事推人走，比政策推人走有效得多。

“靠文化”最难。AI圈习惯快节奏、轻流程、重结果，数据要素圈习惯合规优先、流程完整、责任清晰。两种工作方式没有高下之分，但要融合，彼此需要妥协和适应。这种文化磨合不可能靠文件完成。

“靠共识和共同利益”是要回答一个根本问题：双方合作到底为了什么？如果一方想卖模型，另一方想完成任务指标，目标错位，合作必然流于形式。只有在对“数据价值如何释放”这个问题上形成真正的共识，协作才有根基。

而正是在“共同利益”这一点上，我们必须看到现实中的产业生态早已跑在了政策前面——以一种远比“线性买卖”复杂得多的方式，在尝试回答这个问题。

“卖数据”与“买模型”之外的第三种关系：互为甲乙方

我们常说，大模型厂商是数据的需求方——它们需要海量、高质量的标注数据来训练和迭代模型。腾讯买数据、字节买数据、百度买数据，这构成了传统意义上的“你卖我数据”。

但我们往往忽略，这些大模型厂商同时也在扮演“模型供应方”的角色。东风汽车同时采购了阿里通义和字节豆包；北京市政府投入专项资金采购政务大模型服务；无数中小企业在API市场按token付费调用模型能力。这是“我买你模型”。

真正有意思的，是这两种关系在同一个生态位里交叉嵌套。

以视觉中国为例：字节跳动的豆包要训练多模态能力，需要向视觉中国采购图片数据——此时字节是买方，视觉中国是卖方。但与此同时，视觉中国作为一家科技内容公司，完全可能在其内部系统中集成豆包或文心一言的API，用于智能标签生成、内容审核、图片搜索——此时视觉中国是买方，字节/百度是卖方。

同一个主体，在同一张大模型的产业地图上，既是数据提供方，也是模型采购方。

这意味着，所谓的“模数共建”并不是A给B供货的单向通道，而正在演变为一张多层嵌套的生态网络。数据是模型的“燃料”，模型是应用的“引擎”。优秀的玩家既是“燃料”的供应方，也是“引擎”的需求方。

这种互为甲乙方的关系，如果设计得当，恰恰是“靠共同利益”和“靠合理分钱”的最佳实践场——因为它把双方的利益编织在了一起，而不是零和博弈。

但问题也随之而来：这种复杂的交叉关系，需要极高的认知对齐、契约水平和信任基础。 而回到我们开头的那个对比——一个活力四射、拥抱风险；一个沉稳保守、厌恶变革——这两个“物种”之间的交叉，真的能跑通吗？

“靠合理分钱”是最终的闭环。 利益分配机制不清晰，前期所有努力都会在最后关头瓦解。谁拥有数据权益？模型收益如何分成？互为甲乙方时，彼此的账怎么算？这些如果不在合作之初就谈清楚，所谓的融合迟早会变成相互抱怨。

以上缺一不可。缺少任何一个，“模数共建”都只能是政策文件里的美好愿景。

最后，也说下融资

如今做事，资本扮演的角色远比想象中重要。

AI模型公司有资本加持，融资到位后，可以快速补齐商务、推广、品牌、人力、培训等各项能力。钱不一定能买来技术突破，但足够撑起一个专业团队、一套成熟打法、一条快速迭代的产品线。资本的逻辑是“烧钱换时间”，赌的是规模效应和未来的垄断位置。

反观数据要素行业，几乎不在资本的视线范围内。老牌信息化公司靠存量项目回款一点一点往前挪，利润薄、账期长，没有余力投入研发和创新。新团队更难拿到融资，因为资本看不到清晰的退出路径和可规模化的商业模式。没钱，就没法吸引高端人才，没法打磨产品，没法做市场推广——整个行业只能吃老本，靠关系维系、靠低价续命。

这就造成了一个残酷的剪刀差：一边是资本催熟的快公司，一边是资金枯竭的老行业。国家推动“模数共建”，相当于要让一个踩油门的车和一个拉手刹的车并排走。结果往往不是协同，而是AI公司冲出去好远，回头发现数据要素伙伴还在原地审批流程。

当这种资本格局，遇上我们前面提到的“互为甲乙方”的复杂生态，矛盾会更加尖锐。

AI公司愿意分钱、愿意采购数据，前提是数据要素方能提供真正可用的高质量数据；但数据要素方连基本的数据治理和开放能力都不具备，想配合也力不从心。而数据方想分到钱，又受限于体制内的分配规则——利润分成、数据确权、国有资产保值增值，每一条都是硬约束。

更棘手的是：互为甲乙方意味着数据方也要“买模型”。但一个连基本数据治理都吃力的行业，哪来的预算去买模型？哪来的认知去选型、集成、运维一套大模型系统？

如果资本始终绕开数据要素行业，那么“模数共建”只能是AI公司的单方面索取和传统数据公司的被动应付。

互为甲乙方这张美好的生态蓝图，只有在一个前提下才能真正运转起来：数据要素行业需要被资本看见、被体制松绑、被人才进入。 否则，AI公司跑得越快，数据方的滞后就越致命——到头来，不是“握手”，而是“拖拽”。

真正的双向奔赴，需要先打破资金和体制的死循环。

作者：小研总 | 数据资产商业论

关注「数据资产商业论」，每天追踪数据要素最前沿动态

原创不易，转发请注明来源！

版权声明：本文由「数据资产商业论」原创出品

北京友研信息服务咨询有限公司

新型数据服务商，专注医疗健康数据资产化服务，数据流通交易服务“一站式”全流程服务。致力于通过技术创新与行业深度融合，推动特定行业数据资产的高效利用与价值最大化。帮助客户构建完善的数据资产管理体系。政策解读与合规咨询服务，优选推荐适合客户情况的数据资产管理平台和工具，检测数据质量，实现数据自动流动的闭环。帮助客户实现数据资源的共享与利用，实现数据资产的最大化利用，促进业务合作与资源共享。

咨询、关注 @数据资产商业论 

后台留言 或 加V（小研总 13911462910）

收费咨询、非诚勿扰：

一对一个人咨询（线上）2000元/小时

一对一企业咨询 5万-30万/项目（依项目定制）

2026年，我们推出以下服务项目

2026 服务升级 | 常态化数据资源对接服务深耕专业数据经纪赛道，依托成熟行业资源与合规服务体系，搭建高效稳定的资源对接通路，实现数据供需对接常态化、规范化、长效化运营。您通过我们寻合规数据源、行业合作、定制数据服务；亦可发布自有数据资源、合规授权、商业推广合作。全流程专业对接、精准供需匹配、合规严控保障，一站式解决数据流通与资源协作难题，助力企业高效盘活数据资产，实现商业价值升级。

2026 服务升级 | 推出“医院数据资产管理专项服务”，为医院提供从规划到落地的一站式解决方案。我们的服务，精准对应试点五大任务（编制数据资产台账、开展数据资产登记、完善授权运营机制、健全收益分配机制、规范推进交易流通），完成需求对接（深入调研，精准把握医院特色与核心需求）、方案细化（ 量身定制，明确服务范围、周期与交付成果）、落地执行（ 全程驻场或按需响应，解决实施中一切问题）、总结上报（协助梳理成果，撰写报告，助力医院打造标杆案例）。医院数据资产管理“通关秘籍”，立即联系我们，获取专属定制方案。【业务推广】2026服务升级 | 推出“医院数据资产管理专项服务方案”