数据要素驱动人工智能创新发展专题讲座成功举办
一句话看懂：5月23日，清华大学公共管理学院举办专题讲座，聚焦数据要素驱动人工智能创新。与会专家与产业领袖直面数据流通、治理挑战及AI进化方向，提出企业需以数据治理为根基构建智能化能力。
事件核心：发生了什么
本次专题讲座由清华大学公共管理学院主办，孟庆国教授发表题为《智能体时代的数据流通利用与治理挑战》的主旨演讲。孟庆国从智能体时代特征出发，剖析了数据流通利用的价值与治理难题，特别指出监管层面面临的侵权界定模糊、计价“黑箱”、生态垄断等挑战。圆桌对话环节由中开协人工智能产业委员会副秘书长杨明洋主持，清华大学人工智能国际治理研究院秘书长鲁俊群、中国信息通信研究院人工智能研究所副总工程师闫树、北京邮电大学经济管理学院副教授王友奎、金蝶集团首席信息官杨通鹏参与，从学术、政策、产业维度讨论了AI热潮原因、数据产权制度建设、海外技术进展带来的竞争与启示等议题。嘉宾一致强调，企业应立足数据治理，构建技术与数据底座，并基于场景打造智能化能力。
为什么重要
随着大模型和智能体快速落地，高质量、可流通的数据成为制约AI创新与商业化的关键瓶颈。这次讲座将“数据要素”这一抽象概念置于具体创新语境中，识别出数据形态、流通方式及价值计量的深层次变革，并直面侵权认定难、计价不透明、生态垄断等实际治理挑战。这为学界、政策制定者及产业界提供了一份兼具前瞻性与可操作性的参考框架，有助于推动数据要素市场规范化发展，间接影响AI企业对数据资产的管理策略与合规路径。
对用户/开发者/创作者的影响
对普通用户而言，数据流通治理与AI合规讨论意味着未来使用AI服务时，个人数据隐私保护可能更规范，一些争议性AI应用上线节奏可能放慢。对于开发者，特别是构建AI应用或智能体的开发者，数据治理的清晰框架将影响API调用、数据合规、训练数据来源等环节。比如，在数据产权制度不明确时，使用公共数据或第三方数据训练模型存在潜在风险。创作者应留意：AI生成内容的版权与数据溯源问题可能伴随数据治理规则的完善而进一步细化。对企业采购决策者来说，讲座提出的“以数据治理为根基”建议具有直接参考价值，选择AI服务商时需重点考察其数据治理能力与合规水平。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，孟庆国教授在总结环节简要介绍了“数据要素人才培养项目”，该项目的课程大纲、学员反馈及政策对数据人才补贴力度将是观察数据要素市场是否真正发力的信号。第二，中国信息通信研究院等机构是否会在数据产权制度和数据供给难题上出台更具体的政策建议或行业标准，值得关注。第三，从圆桌对话中“企业需构建技术与数据底座”的共识是否会在金蝶等企业的产品迭代或开放平台策略中得到体现，以及智能体开发平台对数据治理功能的整合速度。
来源：Readhub · AI
