当前，我国经济正从“数字经济”“人工智能+”向“智能经济新形态”加速转换，海量多模态数据已成为新型生产资料，但跨区域、跨行业数据流通壁垒仍未根本破解，存在着“流不快、配不准、适应弱、协同难”等问题。构建数据闭环就是通过数据的高频流动、精准计算、动态反馈和自我进化，将原本孤立的生产要素深度耦合，在供给端破除结构性梗阻，在规则端驱动系统性循环，最终在产业端实现价值转化与效能跃迁，推动智能经济从蓝图走向现实。

筑牢供给端要素底座

数据、算力、算法与人才是智能经济新形态的基本要素。数据闭环运行的关键在于充分释放要素价值，不断自我进化。

一是打通数据“流通堵点”，破解产权模糊与标准割裂问题。加快建立全国统一的数据产权登记体系，完善数据分类分级、接口协议、可信数据空间等关键国家标准。加快推动文本、图像、音视频等多模态数据的标准化治理与跨域流通。构建安全可信的共享机制，引导数据交易所、服务平台和数据商协同发展，培育多层次、规范化的数据流通生态。

二是打通算力“配置堵点”，平抑算力供需矛盾。我国智能算力东部需求旺盛而成本高企，西部成本低廉却消纳不足。同时，高端AI芯片等“卡脖子”瓶颈有待突破，供应链安全存在隐忧。亟须通过“东数西算”与“算电协同”实现跨区域灵活调度，加快构建自主可控的算力底座，确保闭环“引擎”动力稳定。

三是打通算法“转化堵点”，突破场景脱节与反馈缺失困局。通用大模型在垂直领域泛化能力不足，模型迭代缺乏高质量真实反馈，算法反馈自我强化不足。必须构建“数据反哺”的“数据采集—加工—应用—增值”完整闭环，引入“因果推断”机制，构建反事实推理框架，排除干扰变量，突破“概率猜测”的黑箱模式，精准揭示数据背后的真实因果链条。

四是打通人才协同“堵点”，弥合培养断层。智能经济需要既懂技术又懂业务的复合型人才，但当前人才供给存在结构性短缺。高校培养体系与产业需求衔接不紧密，专业设置滞后。企业缺乏系统化实战培训，中高层在数据决策、平台治理等环节经验欠缺。应用端复合型人才匮乏，制约着AI与实体经济的深度融合。必须深化产教融合，适应“人机协同”新模式，培育适应智能经济发展的多层次人才梯队，为要素深度耦合提供智力支撑。

强化规则端的协同治理

从“局部畅通”迈向“系统循环”，拓展数据闭环的关键在于构建标准、制度、组织三维协同的治理新格局，为智能经济从“单点突破”向“体系化”演进提供坚实的规则保障。

一是驱动标准“迭代升级”，重塑数据流通新秩序。构建“基础通用+行业专用”的分层标准体系，解决跨平台“方言”不通难题。建立标准动态迭代与互认互通机制，及时响应大模型等新技术需求，打破行政与行业壁垒，确保数据在跨区域、跨行业流动中的无缝衔接。依托重点行业高质量场景牵引标准落地验证，加速数据从“沉睡资源”向可定价、可交易的“流动资本”转化。

二是驱动制度“完善创新”，筑牢安全保密防线。在完善数据产权确权制度基础上，利用隐私计算、区块链等技术，推广可信数据空间，形成“放心共享、有序流通”的全国一体化数据流通网络。强化算法全生命周期管理，建立高风险算法强制备案与定期审计机制，确保智能决策的公平性、透明度与可追溯性，筑牢算法安全防线。

三是驱动组织“协同融合”，打破行业部门壁垒。一方面，依托国家算力互联互通体系，统一标识、统一标准、统一规则，实现算力资源的灵活调度与高效配置。另一方面，以“数据要素×”行动为牵引，构建“平台+智能体”的生态型组织网络，推动创新链、产业链与资金链的一体化协同。建立“技术+制度”双轮驱动的风险治理框架，通过常态化压力测试与安全评估，实现“以测促安、以评促建”的良性治理。再者，健全价值分配机制，坚持“国家统筹、市场运营”导向，以各参与方的价值贡献度为基准进行精准分配，实现从“单点获益”到“全局共赢”。

培育应用端融合业态

智能经济的产业场景具有高度异质性，要素配置需摒弃“一刀切”思维，坚持分类施策，将数据闭环的要素势能与制度优势转化为千行百业的价值跃迁。

一是释放未来产业的“智能原生”新动能。首先，构建“场景开放—技术反哺”的中试机制。利用数字孪生等虚实融合技术构建“社会性中试场”，以仿真数据加速早期迭代，降低物理试错成本，使科研模型成为可自我进化的“活系统”。其次，深化基础理论与因果推断研究。突破现有大模型仅基于统计相关性预测的局限，构建反事实推理框架以剥离干扰变量，提升模型在高风险领域的可解释性与韧性，推动智能决策从“概率猜测”迈向“确定性推理”。再次，培育“大模型+智能体”新业态。推动智能体从内容生成向实际任务执行跨越，让人类智慧与机器智能产生乘数效应，实现未来产业“换道超车”。

二是释放新兴支柱产业的“链式协同”新动能。首先，构建自主可控协同生态。支持新能源、光伏等领域链主企业开放智能工厂接口与数据标准，在保障数据隐私的前提下，实现跨企业的竞争性协作，推动产业链、创新链与资金链的深度耦合与协同升级。其次，打破企业间知识壁垒。通过数据要素的流动与共享，加速先进技术在产业链上下游的溢出与扩散，提升产业整体竞争力与抗风险能力，实现从单点突破向链式协同的范式跃迁。再次，推动全生命周期数据贯通。纵向打通设备—车间—企业的数据动脉，实现生产信息流与价值流的实时同步，优化供应链管理与资源配置，提升产业响应速度与资源配置效率。

三是释放传统产业的“普惠智算”新动能。首先，推动“数据与模型”双向赋能。建立“模型赋能应用、数据反哺优化”闭环，利用大模型实时调控工艺参数，将依赖工匠经验的“黑箱”操作转化为可全息透视的“白箱”模式，实现全流程降本增效。其次，梯度培育智能工厂。采取梯度推进策略，推动大模型嵌入研发、制造、管理等核心环节，让智能系统承担高危重复劳动，促使工人转型至高价值岗位，持续提升劳动效率。再次，推行普惠算力与轻量化方案。针对中小企业转型难题，通过“算力银行”“效果付费”等模式降低转型门槛，利用数据要素的广泛共享和低成本复用特性，打破“零和博弈”，构建开放共享的普惠智算生态。

（作者系北京第二外国语学院教授）