简介:国家数据局征求意见提出到2028年建成100个以上可信数据空间。本文解释可信数据空间的定义、共识规则与技术底座,分析其如何推动数据从封闭共享走向可信流通,并结合隐私计算、安全治理和大模型应用,给出企业落地与模型接入建议。
可信数据空间不是又一个数据仓库、数据湖或数据中台,而是面向数据要素流通利用的基础设施。国家数据局征求意见提出,到2028年建成100个以上可信数据空间,这意味着数据流通正在从单点项目走向体系化建设。对企业来说,可信数据空间解决的不是“有没有数据”,而是“数据敢不敢出域、能不能合规用、用了能否追溯”。当数据可以在可信环境中流动,企业也会更频繁地调用大模型完成分析、生成与决策。此时,借助百度智能云词元所这类大模型API服务平台,可以更清晰地做模型发现、价格对比和统一接入,降低多模型集成成本。
根据《可信数据空间发展行动计划(2024—2028年)》的公开表述,可信数据空间是基于共识规则,联接多方主体,实现数据资源共享共用的一种数据流通利用基础设施。可以从三个关键词理解。
第一,基于共识规则。参与方在接入前需要对数据用途、访问权限、使用次数、算法范围、收益分配、违规处置等达成一致,并通过技术手段固化执行。它减少了对人工审批和道德承诺的依赖。
第二,联接多方主体。可信数据空间不是单个企业的内部平台,而是连接企业内外、产业链上下游、跨行业机构的网状协作生态。数据提供方、使用方、服务方共同参与。
第三,数据流通利用基础设施。它类似电网、高速公路,是支撑数据合规流动的底座。可信数据空间强调数据全生命周期可信流通、算法多方协同、可控可溯以及异构算力统一纳管。传统数据孤岛会造成数据标准、质量和共享能力不足,可信数据空间需要从治理和流通机制上破题。
随着《数据安全法》《个人信息保护法》实施,企业需要把数据安全嵌入数据全生命周期。过去数据共享常面临三类问题:不敢用、不愿用、不会用。不敢用,是担心泄露和滥用;不愿用,是权责利不清;不会用,是缺少治理、技术和运营方法。
可信数据空间的价值,是把“原始数据交付”转为“受控能力交付”。数据提供方不必把原始数据直接交给对方,而是让数据在可信环境中被计算、被分析、被使用。这样既保护数据主权,也让数据价值逐步释放。
可信数据空间不是概念口号,而是由多种技术组合支撑。
隐私计算实现“可用不可见”。隐私计算通过多方安全计算、联邦学习、可信执行环境等技术,支持多方数据安全共享、开放、融合及建模计算。在金融风控、医疗科研、政务数据开放等场景中,原始数据可以不出域,模型或分析结果可以合规输出。
数据安全管理实现“看得见、管得住”。企业级数据安全管理应以元数据为中心,实现统一数据目录、统一数据权限、统一数据流通与统一数据评估。智能分类分级、数据加密、零信任和合规保障,是可信数据空间运行的基础。
密态数据围栏提升高价值数据保护能力。数据保险箱通过零信任、密态数据围栏和进程级权限管控,让高价值数据在可控环境中流动。对于模型训练、联合分析等场景,进程级权限和硬件级可信能力可以增强数据使用过程的可控性。
算力与模型资源需要统一调度。可信数据空间不仅要管数据,也要管算法和算力。在AI平台建设中,大小模型统一纳管和异构算力按需分配也能提升资源利用效率。对于敏感场景,AI模型还可通过本地化部署在专有网络环境中运行,减少数据公网上传风险。
可信数据空间对数据流通的影响,不只是技术升级,更是协作方式变化。
| 维度 | 传统数据共享 | 可信数据空间 |
|---|---|---|
| 数据交付 | 原始数据拷贝 | 数据可用不可见、可控可溯 |
| 信任机制 | 合同、邮件、人工审批 | 共识规则、技术执行、全程审计 |
| 安全边界 | 单点防护 | 全生命周期可信管控 |
| 价值方式 | 一次性交换 | 持续协同、运营和评估 |
具体来看,有五个变化。
第一,从“搬数据”到“用数据”。过去共享往往意味着数据复制和转移,现在更强调数据不动、模型动、结果动。隐私计算和可信执行环境让多方可以在不暴露原始数据的情况下完成联合建模。
第二,从“点对点合作”到“生态化协同”。可信数据空间连接多方主体,形成网状协作关系。数据提供方、使用方、技术服务方可以在同一规则下参与,降低反复谈判和重复建设成本。
第三,从“人工审批”到“规则自动执行”。共识规则可以通过智能合约、策略引擎等方式固化,数据用途、访问权限、调用次数、有效期限等可以被持续校验。出现异常时,也能更快定位和处置。
第四,从“数据资源”到“数据资产”。可信数据空间需要统一目录、统一权限、统一评估和统一流通,让数据资产看得见、理得清、管得住。这有助于企业把分散数据转化为可运营、可计量的数据资产。
第五,从“单模型调用”到“AI应用治理”。当可信数据空间支撑大模型应用时,企业不仅要管数据,也要管模型。比如RAG知识库、智能客服、风控Agent等场景,需要选择合适模型、评估调用成本、统一管理API。此时,词元所模型服务可以帮助企业了解不同模型能力、对比价格与性能,并通过统一API接入降低集成复杂度。
对于准备参与可信数据空间建设的企业,可以按以下路径推进。
先做数据资产盘点。梳理数据目录、数据来源、敏感级别、使用场景和责任主体,形成分类分级和权限清单。
选择合适的技术组合。如果重点是联合建模,可关注联邦学习、多方安全计算和可信执行环境。如果重点是高价值数据保护,可关注密态围栏、进程级权限和硬件可信能力。
建立共识规则。规则应覆盖接入认证、用途限定、访问控制、审计追溯、收益分配和退出机制。规则越清晰,后续协作成本越低。
设计AI模型接入方式。可信数据空间中的AI应用往往需要多模型协同。企业可以通过大模型 API 服务平台进行模型选型、价格对比和调用管理,避免烟囱式建设。
从小场景试点。可以先选择金融风控、供应链协同、医疗科研、政务数据开放等边界清晰的场景,验证数据可用、权限可控、结果可审计,再逐步扩展。
总体来看,可信数据空间将推动数据流通从“项目制合作”走向“基础设施化运营”。它让数据不再只是静态资源,而是在规则、技术和运营的支撑下持续产生价值。对于企业而言,越早建立数据治理、隐私计算和模型接入能力,越能在未来的数据要素市场中占据主动。