摘要：
8月25日，国家数据局发布第五批公共数据“跑起来”示范场景建设清单，50个场景覆盖自然资源、社会管理、医疗健康、农业农村、人工智能等23个重点方向。与前几批相比，这一轮更值得产业界关注的变化，是公共数据开始和企业数据、社会数据成体系融合，并出现部省协同、跨区域联合申报。国家数据局同时披露，全国公共数据资源登记平台目前登记的数据资源、产品和服务已经超过30万项，覆盖国民经济全部97个大类，25个省份已经实质性开展公共数据授权运营。对于大模型、行业智能体、高质量数据集、低空经济和工业数据服务企业来说，公共数据正在从“政府开放资源”变成一类可以进入模型、产品和商业场景的生产资料。
一、这50个场景，重点已经不在“开放多少数据”
公共数据资源开发利用过去经常被理解成一件比较传统的事情：政府把数据目录整理出来，建立开放平台，然后提供查询或者下载。
这一轮“跑起来”明显往前走了一步。
国家数据局8月25日公布的第五批清单共有50个示范场景，横跨23个重点方向，而且公共数据“跑起来”建设已经从2024年10月持续到现在。前四批一共发布100个场景，加上这一批，国家级示范场景已经形成相当规模。
这一批申报还有一个很有意思的变化：中宣部、民政部、住建部等12个部委以及新疆生产建设兵团等单位首次参与，部省协同、跨区域联合申报也开始出现。
这意味着公共数据开发正在从地方数据局自己的工作，逐渐进入交通、住建、民政、医疗、农业、气象等行业主管部门的业务流程。
对企业来说，这个变化非常重要。
未来最有价值的公共数据产品，很可能不会诞生在一张“大而全”的数据开放平台上，而是在一个具体任务里被用起来。
比如物流怎么降低空驶率。
低空飞行怎么判断未来十分钟的航路气象风险。
制造企业融资怎么减少材料核验。
公路智能体怎么判断拥堵和异常事件。
这些都需要公共数据进入业务系统。
二、人工智能正在倒逼公共数据从“可查”走向“可训练”
国家数据局在发布会上直接提到，当前人工智能呈现明显的数据驱动特征，公共数据具有规模大、质量高、带动作用强的特点，深化公共数据资源开发利用，是人工智能发展的重要基础。
这个判断对AI行业非常现实。
互联网公开语料越来越容易获得。
真正稀缺的数据开始向行业内部移动。
交通运行、医疗服务、气象观测、自然资源、企业经营、监管执法，这些数据很难靠爬虫获得，却恰恰决定行业大模型和智能体能不能解决真实任务。
交通运输部门已经给出了一个很典型的例子。
交通行业建设的公共数据高质量数据集已经用于行业模型研发。基于路网运行数据集建设的智能体，可以支撑春运期间路段拥堵研判以及交通事件、气象信息的视频识别，官方披露相关准确率分别超过80%和92%。
这条路径很值得看：公共数据先治理，形成行业数据集，数据集进入模型训练，模型再变成行业智能体，最后回到交通运行场景。
这比简单建设一个公共数据门户的产业价值高得多。
三、多源数据融合正在成为新一轮数据工程的标配
第五批场景还有一个非常明确的特征：
公共数据开始和社会数据、企业数据一起使用。
农业场景会把农作物生长、农产品供销、冷链物流等数据组合起来。
气象场景会把基础观测、雷达和卫星遥感数据融合，用于低空经济和防灾减灾。
经济场景则开始构建“公共数据+产业数据+金融数据”的多源体系，用于企业融资。
这对数据行业的技术架构会产生直接影响。
以后很多项目很难靠一套数据库解决。
企业需要处理数据目录、数据标准、主数据、身份权限、隐私计算、可信数据空间、数据质量、模型调用。
这些能力最终会组合成行业数据基础设施。
所以公共数据产业接下来真正值得关注的公司，未必只是“做数据平台”的公司。
数据治理工具商、高质量数据集企业、隐私计算和可信数据空间企业、行业模型公司、智能体平台，都可能参与同一条链条。
四、低空经济可能成为公共数据价值化最容易跑通的产业之一
这次发布会里，江苏介绍的南京跨江低空飞行场景很有代表性。
南京已经把近百个监测站点的数据接入低空飞行气象保障体系，日均汇聚超过30万条实时观测数据，通过数据融合和降尺度解析形成10类标准化数据产品，并在江苏省数据交易所上架。
更有意思的是，这些数据并没有停在交易所。
AI被进一步用于把气象预报从公里级提升到百米级、从小时级提升到分钟级。
目前相关平台日均服务1000余架次低空飞行，累计支撑合规飞行超过60万架次；2025年以来，无人机跨江配送已经为2.6万余艘船舶配送535吨物资。
这其实展示了一条很完整的数据商业化链条：
气象公共数据，加上空间、航路和运营数据，形成标准化数据产品，AI进行风险预测，系统给出航路和作业窗口建议，无人机公司最终购买或者调用服务。
相比一些很难直接定价的数据产品，低空经济对数据的价值感知更加直接。
天气判断错了，飞机就可能不能飞。
数据准确一点，安全性和运营效率就会直接提高。
五、跨区域数据开始出现真正的业务需求
第五批场景还出现了京津冀交通数据联合使用。
国家数据局介绍，通过整合京津冀三地交通数据，可以开展“两客一危一重”跨区域联合监管，以及国省干线事件协同处理。
这类场景很重要。
过去很多地方数据平台最大的问题，是行政区域边界和业务边界并不一致。
物流车辆会跨省，船舶会跨港，低空航线可能跨市，产业链企业甚至跨全国。
如果数据只能在一个市的数据平台里流转，很多行业模型最终会失去完整上下文。
所以以后可信数据空间、跨区域数据基础设施和统一身份体系的价值会继续上升。
对做工业互联网和供应链智能的公司也是如此。
一个制造企业真正需要的模型，往往需要把订单、物流、能源、天气、供应商和行业公共数据放在一起。
六、授权运营开始从政策概念走进实际业务
国家数据局在发布会上披露，目前全国已经有25个省份实质性开展公共数据授权运营。
上海、江苏、浙江、福建、广东等地已经形成公共数据开发利用政策体系；江苏、福建还出台了公共数据授权运营产品和服务收费标准。教育部、人社部、自然资源部、交通运输部、中国气象局等中央部门也在推进授权运营。
这个变化会逐渐解决数据产业里一个长期存在的问题：公共数据究竟能不能形成稳定商业模式。
免费开放的数据可以服务社会。
但大量经过治理、加工、脱敏、模型化之后的数据产品，本身存在持续成本。
如果没有清晰的授权和定价机制，企业很难长期投入。
未来公共数据市场很可能形成三层结构。
基础数据继续共享开放。
经过治理的数据通过授权运营形成专业数据产品。
再往上，大模型、智能体和行业软件基于这些数据提供应用服务。
企业真正赚钱的部分，大概率会越来越靠近第三层。
七、30万项登记数据背后，是一个新的数据产品市场
国家数据局还披露，全国一体化公共数据资源登记平台目前登记的数据资源、产品和服务已经超过30万项，覆盖国民经济97个大类，31个省区市和新疆生产建设兵团都已开展公共数据资源登记。
数据登记这件事情看起来偏管理。
实际上它在给未来的数据交易和模型调用建立“产品目录”。
一套工业数据集、一个交通预测数据服务、一个气象API、一个企业信用数据产品，以后都需要明确是谁提供、包含什么、如何使用、能不能流通。
AI行业越来越依赖这些结构化数据资产以后，数据登记的重要性会继续提升。
八、企业可以重点看四类机会
第一类是高质量数据集。
很多行业AI接下来缺的不是基础模型，而是能够稳定更新、可追溯、可评测的数据。
第二类是数据治理和可信数据空间。
公共数据、企业数据和社会数据组合使用以后，权限控制、数据安全和跨主体协作会成为刚需。
第三类是行业智能体。
交通、低空、医疗、农业、金融这些场景已经有明确数据来源，模型公司可以开始围绕任务构建Agent。
第四类是数据产品运营。
气象、交通、空间地理和企业经营数据都有机会形成API、模型服务和决策服务。
公共数据产业过去主要做“平台”。
下一阶段可能越来越多地做“产品”。
九、风险也会越来越具体
公共数据价值越高，数据合规要求也会越高。
公共数据能够授权使用，并不意味着原始数据可以无限制提供给模型。
尤其涉及个人信息、医疗数据、企业经营数据时，训练、推理、输出都需要建立明确边界。
第二个风险是数据产品的商业价值。
进入国家示范场景，并不代表一定能形成持续收入。
最后仍要看企业是否愿意付费。
第三个风险是数据质量。
AI系统会放大数据质量问题。
地址错一条，可能只是地图上的一个点。
如果它进入自动配送和应急救援智能体，就可能变成一次错误决策。
所以公共数据“跑起来”之后，数据质量、版本管理和责任追溯的重要性都会明显提高。
第五批50个场景的意义，也正在这里。
数据政策开始从“有多少数据”进入“数据究竟能完成什么任务”。
对于AI产业，这可能比单纯增加算力更值得长期关注。
参考来源
- 国家数据局：《国家数据局发布第五批公共数据“跑起来”示范场景清单》，2026年8月25日。
https://www.nda.gov.cn/sjj/swdt/xwfb/0825/20260825221943908355266_pc.html - 国家数据局：《“数据价值化 我们在行动”系列新闻发布会（第五场）文字实录》，2026年8月25日。