双核驱动未来：解码国家“十五五”规划中人工智能与数据要素的系统性革命

双核驱动未来：解码国家“十五五”规划中人工智能与数据要素的系统性革命

原创AIGC观澜君AIGC观澜君AIGC产业观澜2026年3月9日 北京

当历史的指针迈向2026-2030的“十五五”时期，中国正悄然铺开一幅以数字智能为核心的国家战略蓝图。在这份引领现代化新征程的纲领性文件中，人工智能与数据要素不再仅仅是技术概念，而是被擢升为重塑生产力、定义竞争力的“双核引擎”。从“人工智能+”的全面赋能到数据要素基础制度的破冰构建，一场深层次的系统性革命正在国家顶层设计中清晰浮现——这不仅是技术的演进，更是治理逻辑、经济形态与社会结构的整体跃迁。

01 规划定位：

从战略工具到文明基座

翻阅"十五五"规划纲要全文，一个清晰的判断浮现：人工智能不再仅仅是"重点发展的战略性新兴产业"，而是被重新定义为"关键通用技术"，强调其作为"赋能万物的技术基座"属性，要"融入社会生产力基石"。这个定位变化看似细微，实则意味深长——它标志着AI从"要发展的对象"变成了"发展的前提条件"，类似于电力、互联网这样的基础设施存在。

规划文本中反复出现的表述是"全面实施'人工智能+'行动"，而非"大力发展人工智能产业"。一字之差，政策逻辑全然不同。前者将AI视为某种渗透性力量，后者则将其局限于特定产业赛道。这种表述背后，是对技术本质的某种哲学认知：真正具有革命性的技术，从来不囿于单一领域，而是重构整个社会生产的组织方式与价值创造逻辑。

02 人工智能发展的核心架构解析

1）"人工智能+"行动的内在机理

规划将"人工智能+"行动确立为"十五五"时期人工智能发展的"核心战略和总纲领"。这个表述的分量不容低估——在规划话语体系中，能被称为"总纲领"的内容屈指可数。

但"人工智能+"究竟意味着什么？规划文本给出了四个维度的展开：与产业发展相结合、与文化建设相结合、与民生保障相结合、与社会治理相结合。这个"四结合"框架打破了以往"AI=产业政策"的狭隘理解，将其扩张至社会治理和公共服务的全域。

具体到产业层面，规划提出"推动人工智能与实体经济深度融合，赋能千行百业"。这里的关键词是"千行百业"——不是挑选若干"重点行业"进行试点，而是追求全行业覆盖。背后隐含的判断是：不存在"AI无关行业"，只有"AI渗透程度不同的行业"。这种判断建立在一个基本认知之上：任何涉及信息处理、决策优化、模式识别的生产环节，都是AI的潜在作用域。

规划还提及"抢占人工智能产业应用制高点"。"制高点"这个词的选择耐人寻味——它暗示AI应用存在某种"高势能位置"，占据它便能获得对整个产业生态的控制力与话语权。这让人联想到操作系统之于PC产业、应用商店之于移动互联网产业的类比。

2）技术供给侧的制度安排

规划在技术供给侧的部署相当具体："加强基础研究和应用研究结合，突破基础理论和核心技术，强化算力、算法、数据等高效供给"。三个要素——算力、算法、数据——构成了AI技术体系的"三元结构"，缺一不可。

算力层面，规划虽未明言具体指标，但从"高效供给"这一表述可以推断：国家层面的算力基础设施建设将持续加码。这呼应了此前"东数西算"等战略工程，意味着"算力即国力"的认知已深入政策制定核心。

算法层面，"促进模型算法迭代创新"被单独提出。这个表述的时机值得关注——大模型时代，算法创新的速度直接决定着技术竞争的主动权。规划文本特别强调"基础理论"突破，指向的是对原创性、源头性创新的渴求，而非仅仅是对海外技术的"引进消化吸收再创新"。

数据层面，规划将其与算力、算法并列，而非视为简单的"原料"或"资源"。这意味着数据已被纳入AI技术体系的内生构成，其质量、规模、可获得性直接决定AI能力边界。规划提出"深化数据资源开发利用"，这个表述超越了"数据收集"的初级阶段，指向数据的价值转化与增值循环。

3）治理框架：发展与管理并重的平衡术

规划明确提出"坚持促进发展和规范管理相统筹"，这一表述体现了政策制定者的审慎——既不能因噎废食、错失发展窗口，也不能放任自流、埋下系统性风险。

具体而言，规划提出"完善法律法规、政策制度、应用规范、伦理准则"四个层面的治理体系。这是一个多层次、立体化的框架：法律提供底线约束，政策提供方向引导，规范提供操作指引，伦理提供价值校准。四者相互补充，构成相对完整的治理生态。

规划还特别提及"加强数据基础制度规则建设"，将数据治理与AI治理进行统筹考量。这是因为在大模型时代，数据的质量与安全直接决定AI系统的可靠性与可控性——数据治理即AI治理的前置环节。

03 数据要素发展体系的深层逻辑

1）从"资源"到"要素"

"数据要素"这个词组在规划中高频出现，其背后是生产要素理论的重大更新。古典经济学认定的生产要素是土地、劳动、资本；后来加入技术、管理；现在数据被确认为"第五大生产要素"。这个变化的深刻程度，不亚于当初"科学技术是第一生产力"的论断。

但数据成为"要素"，与土地、劳动等传统要素有本质不同。数据具有非竞争性（多人可同时使用而不损耗）、非排他性（一人使用不阻止他人使用）、边际成本趋零（复制几乎不增加成本）等特性。这些特性意味着，传统要素市场的定价机制、交易规则、产权制度，在数据领域都可能失效或变形。

规划提出"建立健全数据产权、流通利用、收益分配、安全治理等数据要素基础制度"，正是对这一理论挑战的政策回应。基础制度的核心问题包括：数据归谁所有？如何定价？怎样交易？如何确权？收益如何分配？这些问题不解决，数据要素市场就无法真正运转。

2）全国一体化数据市场：基础设施还是制度创新？

规划提出"建设开放共享安全的全国一体化数据市场"。这个表述中，"全国一体化"和"市场"两个关键词值得深究。

"全国一体化"指向的是打破数据孤岛和地方分割。当前，地方政府、行业龙头、互联网平台各自掌握海量数据，形成一个个"数据藩国"。这些数据互不相通，无法形成规模效应和网络效应，数据价值被大大稀释。"全国一体化"的目标，就是建立统一的数据流通基础设施和制度框架，让数据像商品、资本、劳动力一样在全国范围内自由流动。

"市场"则意味着数据配置要遵循价格机制、供求机制、竞争机制，而非行政指令。这要求建立数据流通交易机构、数据资产评估、数据产权登记等市场基础设施。目前，各地已设立多家数据交易所，但交易活跃度和定价机制仍不成熟，"有场无市"问题突出。"十五五"期间，这一局面有望改变。

3）"数据要素×"：从概念到行动的路径

规划继承了"数据要素×"三年行动计划（2024-2026）的政策思路。这个行动计划的核心逻辑是：数据要素要与具体行业场景结合，才能释放乘数效应。

"乘数效应"这个概念来源于经济学中的乘数理论，但在此处有特定含义——数据与其他要素（资本、劳动、技术）结合后，能够放大后者的边际产出。例如，数据与制造业结合，可以优化生产流程、减少库存积压、提高设备利用率；数据与金融结合，可以改善风控模型、降低信贷成本、扩大服务覆盖面。

规划虽然没有给出具体的量化指标，但从政策导向可以推断：数据要素的发展重点将从"数据资源积累"转向"数据价值实现"，从"数据基础设施建设"转向"数据应用场景拓展"。这是一种从"量"到"质"的转型升级。

04 人工智能与数据要素的耦合关系

规划对人工智能和数据要素的部署并非两条平行线，而是存在深刻的耦合关系。

从技术逻辑看，AI是数据价值的"激活器"——海量数据如果只是存储起来，不过是"数字垃圾"；只有经过AI处理，才能转化为有价值的信息和知识。反过来，数据是AI能力的"燃料"——没有高质量数据的持续供给，再先进的算法也只是"无米之炊"。

规划中"促进模型算法迭代创新、深化数据资源开发利用"的表述，正是对这种耦合关系的政策确认。算法创新与数据开发被置于同一句话中，而非分列于不同章节，暗示二者必须协同推进。

更深层次看，AI与数据的耦合指向一种新的生产函数：Y = f(AI, Data, K, L, ...)。在这个函数中，AI和数据不是简单的投入要素，而是能够改变其他要素边际产出的"催化剂"。这种变化对经济增长理论提出了挑战，也对产业政策制定提出了新要求。

05 个人机遇：在结构性变革中定位自身

1）技术人才：从"技能"到"能力"的升级

规划对人才提出了"加强人才培养"的要求。但这是从国家视角的宏观表述，我们需要将其转化为个人行动指南。

在AI时代，技术迭代速度呈指数级增长。五年前的"热门技能"，今天可能已过时；今天的"前沿方向"，五年后可能成为基础设施。这意味着，单纯追求"技能点"的积累是不够的，更重要的是培养"能力图谱"——包括学习能力、跨界整合能力、系统思维能力等。

规划强调"基础理论和核心技术"突破，这为我们提供了方向指引：与其追逐各种"速成班"和"热门框架"，不如夯实数学、统计学、计算机科学等基础学科功底。基础扎实者，能够理解技术演进的本质逻辑，从而在变化中保持定力。

另一个关键能力是"场景理解力"。规划强调AI与千行百业的融合，这意味着未来的AI人才需要同时具备技术能力和行业理解力。懂数据但不懂业务，或懂业务但不会用AI，都将面临职业天花板。

2）创业者：寻找结构性机会

规划为创业者勾勒了一张"机会地图"。

第一，算力基础设施仍有空间。虽然大厂主导了大规模算力建设，但在边缘计算、垂直行业算力、算力调度优化等细分领域，仍存在结构性机会。

第二，数据服务是蓝海。规划对"数据资源开发利用"的强调，意味着数据采集、清洗、标注、治理、交易等环节将产生大量服务需求。特别是数据产权登记、资产评估等专业服务，目前供给严重不足。

第三，行业AI应用大有可为。规划"四结合"框架中，产业发展、文化建设、民生保障、社会治理都是AI应用的潜在领域。但每个领域都有其行业壁垒和监管要求，需要深耕细作。

第四，AI治理与合规服务正在兴起。随着"法律法规、政策制度、应用规范、伦理准则"的完善，企业对合规咨询、伦理审查、安全评估等服务的需求将快速增长。

3）传统行业从业者：被赋能者还是被替代者？

规划对AI赋能传统行业的部署，让许多传统行业从业者感到焦虑。但规划文本中"赋能"而非"替代"的表述，传达的是相对乐观的信号。

关键在于如何理解"赋能"。赋能不是简单地用AI替代人工，而是通过AI提升人的能力边界。例如，医生不会被AI取代，但会用AI的医生可能取代不会用AI的医生。这个判断适用于大多数行业。

规划强调"人工智能与实体经济深度融合"，深度融合意味着AI将嵌入生产流程，而非外挂于生产流程。这个过程需要大量既懂行业又懂AI的"桥梁人才"。传统行业从业者如果能够主动学习AI知识，将自身的行业经验与AI工具结合，反而可能获得比较优势。

06 行动建议：从认知升级到能力建设

1）认知层面：建立"系统思维"

规划本身就是一个系统设计，我们需要以系统思维来理解它。AI、数据、算力、制度、人才、治理，这些要素相互关联、相互影响。单独提升某一要素，可能因为其他要素的"短板效应"而难以见效。

我们需要建立"生态位"意识——不是问"我能做什么"，而是问"我在生态中处于什么位置、扮演什么角色、与谁存在合作关系"。这种思维模式有助于识别结构性机会，避免在红海中恶性竞争。

2）能力层面：构建"T型"知识结构

"十五五"规划强调AI与各行各业的融合，这要求我们既要有深度（某一领域的专业能力），又要有广度（跨领域的知识储备）。这种"T型"知识结构将越来越成为职业发展的标配。

具体而言，技术人员需要补充行业知识、商业思维、人文素养；业务人员需要理解AI基本原理、数据思维、算法逻辑；管理者需要具备数字化转型的领导力，能够设计变革路径、推动组织适应。

3）实践层面：参与"场景创新"

规划提出"发展智能产品、开放平台、场景应用"。场景应用是AI价值实现的"最后一公里"，也是创新最活跃的领域。

我们可以主动寻找和创造应用场景——不仅关注"AI能做什么"，更关注"哪里存在痛点、AI能否解决"。这种以问题为导向的创新路径，往往比以技术为导向的路径更有生命力。

规划还提到"开放平台"，这为创业者和中小企业提供了参与机会。依托大厂开放平台，专注垂直场景的精耕细作，是一种可行的策略选择。

4）制度层面：关注政策动态，参与规则形成

"十五五"期间，AI和数据领域的制度框架将加速形成。我们不应被动等待政策"落地"，而应主动参与政策讨论和规则形成。这既是权利，也是机会。

具体方式包括：参与行业标准制定、加入行业协会和联盟、向政策研究机构提供一线反馈、在政策征求意见期间积极建言等。这些参与不仅有助于政策优化，也有助于企业或个人获得"规则制定者"的话语权优势。

写在最后：

在历史转折处做出正确选择

"十五五"规划的AI与数据战略，不仅是技术政策，更是关乎国家发展路径的战略选择。它回应的是一个问题：在新一轮科技革命中，中国能否把握主动权、构建新优势？

对我们而言，规划的发布是一个信号——国家已经指明方向，资源配置将随之调整，个人选择如果与趋势相逆，将付出巨大机会成本。

我看到一篇分析报告中有这样一句话："人工智能被定位为关键通用技术，强调其作为赋能万物的技术基座属性，融入社会生产力基石"。这句话值得反复品读。"基石"意味着基础性和不可或缺，"融入"意味着深度融合而非表面应用。这不是一次短跑，而是一场长周期的转型；不是对现有体系的修补，而是对社会生产方式的系统性重构。

在这个意义上，规划提供的不仅是政策指引，更是某种"时代诊断"。我们需要做的，是读懂诊断、对症下药、主动调适。这要求我们超越短期功利视角，建立对技术趋势的深层理解，在不确定性中寻找确定性的方向，在结构性变革中定位自身的历史坐标。

技术革命从来不会自动带来福祉，它只是创造了可能性的空间。真正决定结果的，是个人在这个空间中的选择与行动。"十五五"规划已经划定了空间，接下来，就看我们如何行动了。

【风险提示及免责声明】本资料所含信息均来源于公开资料，涉及个股仅作为展示列举，不构成投资建议，不作为投资决策的依据。投资者应审慎判断，选择与自身风险承受能力及投资目标相匹配的产品和服务。投资者据此操作，风险自负。