Token导航 LogoToken导航

AI 资讯 · 中国电子报

DCMM2.0实施后数据治理年会开幕

更新 2026-11-21中国电子报正文 2695字阅读约 9分钟

7月1日,新版国家标准《数据管理能力成熟度评估模型》(DCMM2.0)正式实施,推动数据管理标准向数智化、资产化、合规化全方位迭代,企业建立和评价自身数据管理能力有了新尺子,数据治理由此有了面向智能时代的新坐标。

四个多月后,11月15日,由中国电子行业联合会主办的2026数据治理年会暨博览会在北京展览馆开幕。标准从纸上落到实处,这场年会成为新国标落地后的一次行业检阅。围绕“数治赋能启新程”主题,与会嘉宾的观点指向同一旨归:数据与AI是双向驱动的两个飞轮,高质量数据集为AI智能体和模型提供基础支撑、AI反过来改变数据的生产形态与治理方式。从数据供给到治理自动化,再到智能体落地,企业的探索正沿着三个层次展开。

高质量数据是AI的核心燃料

“算力决定了AI跑得快不快,算法决定了AI跑得好不好,而数据决定了AI跑得准不准。”中国联通数智运营中心总经理孙世臻在演讲中表示。算力与算法可以从外部获取,但数据只能依赖自身迭代优化。人工智能越是向纵深发展,坚实的数字底座和高质量的数据供给就越成为先决前提。没有数据基础,企业AI建设将成为“无源之水、无本之木”。

与传统完整、准确、及时的数据质量判定标准相比,AI时代的数据形态要求已然改变。阿里云智能副总裁安筱鹏将AI时代的数据变化概括为三点:第一,数据的对象从结构化到非结构化,从冷数据到热数据;第二,数据的最终读者与使用者由人转向AI;第三,数据处理的工具由软件迁移至人工智能。由此可见,高质量数据的含义不只是“洗得干净”,更要“讲得明白”,让语义被模型真正理解,是后续发展的重点。

而“讲得明白”恰恰是其中的难点。复杂工业场景要求安全、稳定、可靠,但大模型自身却存在幻觉,这就需要知识图谱来搭桥:把设备属性、关系、工艺、故障,把散布在公司资料里、老师傅头脑里、墙上制度里的隐性知识显性化,纳入数据体系,语义才有了可被计算的载体。东阿阿胶首席信息官丁丰俐从行业角度表示,中药工艺里温度、pH值代表什么往往很难解释,企业需要将流体力学、热力学结合车间数据做解构,找出真正决定产品质量的数据。

高质量数据集具体要怎样建设?一是把数据管起来。中国联通建成近500个高质量数据集,并以统一知识目录纳管160万项数据资源、70万项物理对象。二是打通各环节。多模态数据治理工具贯通采集、清洗、标注、评测到应用各环节,数据集生产由分散汇集转向按标准加工。三是以用促建。中国移动以“数据飞轮”把应用数据、合成数据、基础数据与私域数据叠加治理,并配套多维评测体系,判断数据集能否真正带来指标增益。高质量数据的供给,正从零散走向体系化。

AI反哺让数据治理走向自动化

数据成为AI的燃料,AI也在改写数据本身的生产与治理方式。中国移动围绕“采、算、治、用”打造全链路数据治理体系,覆盖规模达到150亿级全域数据本体,实现60%的数据处理流程自动化,数据采集效率提升70%以上;原来需要两天完成的数据接口开发,缩短到分钟级。

治理环节也向着更智能的方向演进,数据智能体开始逐步承担由人来完成的工作。中国联通以DCMM2.0为纲升级“5+2+F+N”智能化能力体系,通过建设数据智能体,实现数据标准自动贯标、数据质量智能检测、元数据自动解释,治理效率明显提升。治理模式也因时而变,中国移动数智事业部副总经理陶涛将其概括为:“把AI治理能力嵌入数据生产环境,让治理从人工管控转向自治治理。”这正是契合了DCMM2.0新国标,强化了AI赋能、高质量数据集、数据合规流通等要求。

在核电行业,数据治理则呈现为数字孪生平台。核电系统内部关系高度复杂,没有任何一个岗位能总揽全局,因此需要把机组、子系统、设备的数据集成到统一平台上。为保证各系统数据协调一致,平台建设随之开展大量的数据治理,打通系统上下,沉淀的数据也为未来核电大模型提供数据底座。

太极计算机股份有限公司副总裁韩国权判断:“人工智能的牵引,让数据有了一个更加明确的场景释放点。”数据价值的释放需要实现跨模态、跨领域、跨部门、跨时间的对齐,这也是人工智能要负责的一项重要工作。因此,更要“以终为始”往回看,在一线业务过程中用数据驱动,让新的数据问题被发现、被解决。数据治理不再只是AI的前置条件,其本身也成了AI的应用场景。

双轮驱动数据价值在场景中释放

安筱鹏用“一个入口、两个飞轮、三个平台”描述AI时代的数据、模型与应用体系:智能体在业务场景中不断产生数据,反过来支持自身迭代升级;而智能体在使用中产生的数据,又服务于数据知识资产化。数据不再是静态存量,而是在使用过程中持续生长、回流。陶涛则将其凝练为“因数而治、以治新数、数智共生”。

如何实现应用落地,企业给出场景牵引的答案。徐工集团工程机械股份有限公司全球数字化中心数据与集成平台部副部长李佳慧提出具体做法:“先选一条业务流程,与业务同事一起梳理哪些环节非人做不可、哪些可以交给AI完成……如果能把流程里的40%、35%交给AI,那也是一个进步。”建信信托有限责任公司金融科技部总经理初莹莹也提出,有些场景受制于数据基础,短期很难达到预期效果……“我们的做法是选择一些数据基础好、见效快的小场景切入。”广西防城港核电有限公司信息文档部经理米渊就如何利用数据技术、数据治理去赋能企业,找到合适的场景并做出价值这一问题给出“众创共享”的关键词,其公司提供了6类低代码平台,让业务人员自主构建轻量化场景,已形成200多个有市场价值的应用。这种众创共享把价值发现交付一线,让更多的新数据在过程中产生。

价值释放也发生在资产端。中国移动数据资产入表金额已超过10亿元,持续位居全国上市公司首位。中国联通累计入表近7亿元,通过打通业务数据化、数据资源化、资源资产化的价值链条,探索数据价值评估方法、实现了数据计量与计价,在资产价格与安全报告发布等方面都取得了成效。

但卡点仍然存在,圆桌对话中,几位嘉宾不约而同地指向组织环节。技术问题终归能解决,难的是找到合适场景,实现价值,其背后一定涉及组织变革,而组织变革取决于管理层的认识和导向。韩国权指出,AI已经实现了知识的平权,下一步还需要在权限、组织权利和职责上再做平权,目前对于“让AI负什么责、人负什么责”的标准尚未厘清。

数据在场景中产生,在治理中升华,在资产化中沉淀,再回流喂养下一轮智能体进化。让数据发挥最大价值,靠的不是单点技术突破,而是“以用促治、以治促用”的持续循环。数据怎样发挥最大价值,AI怎样更好地利用和优化数据,答案既在平台与技术里,也在组织变革的决心里。


作者丨陆轶晨 李佳奇(实习生)
编辑丨吴丽琳
美编丨马利亚
监制丨连晓东
文章标签应用落地

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。