本报告围绕AI赋能可信数据空间发展展开研究，分析了可信数据空间的发展态势与挑战，阐述了人工智能赋能其发展的内涵、体系架构及典型实践案例，并对未来发展进行了展望。
可信数据空间发展态势和挑战
国际可信数据空间发展现状：全球主要经济体积极推进数据空间战略。欧洲以完善法律体系和数据治理规则为核心，《欧洲数据战略》提出建设欧洲共同数据空间，欧盟出台多项法律文件，GAIA-X项目影响深远，截至2025年3月全球约190个数据空间案例中欧洲占主导。美国依托市场活力与技术创新，形成企业主导模式，政府营造政策环境，科技公司推动商业化落地。日本聚焦本国优势领域，在《综合创新战略》中明确构建跨行业数据流通生态，重视垂直领域应用并推动标准对接。
我国可信数据空间发展现状：自相关政策发布后进入快速发展阶段，形成系统化推进格局。核心技术层面，技术创新体系加速构建，2024年12月多部门印发指引明确其作为数据基础设施技术路线，科研机构与龙头企业攻关关键技术，技术体系迈向工程化与规模化应用。制度规则层面，标准体系逐渐完善，全国数据标准化技术委员会启动相关标准研制，形成三层架构标准框架，已发布4项关键技术标准，3项国际标准提案获ISO/IEC立项。应用生态层面，应用实践多点开花，2024年10月8个城市部署建设项目，2025年7月遴选63个创新发展试点项目，覆盖城市、行业、企业三个维度。
可信数据空间发展挑战：面临数据异构融合困难，各领域数据类型差异显著，传统集成方法效率低、成本高，难以适应动态变化，制约数据产品生成。合规适配复杂，跨地域等数据流动需满足多重监管要求，缺乏自动化合规审核与事后追溯机制，合规校验周期长、成本高、灵活性差。安全防护滞后，传统安全模型难以应对复杂威胁，存在未知攻击检测难等问题，安全运营依赖专家经验，响应速度慢。价值释放效率偏低，建设重点在数据汇聚与安全流通，价值转化体系滞后，数据产品开发流程复杂，中小企业参与难，价值评估等机制不完善。
AI赋能可信数据空间发展内涵和体系架构
发展内涵：可信数据空间作为人工智能的数据基座，旨在打通数据壁垒，实现可信流通与价值创造，为智能模型提供数据支持。人工智能技术的引入使数据空间从“可信共享”走向“数智共生”，形成可信数据空间与人工智能相互依托、双向赋能的技术循环，可信数据空间为人工智能提供高质量数据支撑，人工智能反哺数据空间提升智能化水平。
价值共创生态化：可信数据空间以“价值工厂”为核心载体，依托AI-Native数据开发套件、多模态大模型、大模型管理服务中台、智能体开发中台、大模型机密计算五大人工智能技术支柱实现高效运转。AI-Native数据开发套件通过智能生成与建构、基于主动元数据动态调度、存算协同内生治理与反馈优化，提升数据开发效率；多模态大模型实现统一理解与语义对齐、深度关联与综合研判、生成式表达与场景落地，提升数据认知与决策能力；大模型管理服务中台实现模型统一汇聚与发布、面向行业场景模型精调、模型全生命周期治理，促进模型资源共享复用；智能体开发中台降低应用开发门槛、促进能力复用与灵活组合、支撑智能体全生命周期管理，推动数据服务创新生态；大模型机密计算平台整合隐私计算与可信执行环境技术、实现动态可信安全治理机制、形成可追溯验证与责任认定体系，支撑全链路隐私保护。
资源交互智能化：人工智能通过人工智能原生多模态数据湖、语义互操作智能引擎、智能推荐与匹配系统为资源交互层注入能力。人工智能原生多模态数据湖实现多模态数据统一化承载、异构算力与智能调度融合、多层检索与快速响应，重构智算链路；语义互操作智能引擎构建多源语义统一模型、实现动态语义映射与转换、实现引擎持续校正优化，促进跨域语义互通；智能推荐与匹配系统构建数据供需画像与语义关联、实现基于语义与偏好的动态匹配机制、实现自主运行与持续优化闭环，实现数据供需精准对接。
可信管控动态化：人工智能技术使管控体系从静态规则走向动态智能，零信任智能体、安全智能体、智能合规审计与动态追溯引擎发挥重要作用。零信任智能体实现智能识别与自动分级、动态授权与风险自适应、持续验证与行为感知，赋能数据分级防护和动态管控；安全智能体实现智能感知与风险识别、联动处置与自主响应、安全运营与自主优化，支撑自动化安全运营体系构建；智能合规审计与动态追溯引擎实现智能规则解析与动态策略生成、流通链路全程审计与监控、可追溯验证与责任认定，提升合规监管水平。
典型实践案例
案例一：端云协同驱动智能座舱升级：某车企为提升车载智能应用体验，需整合多方数据，但面临第三方协作、车端算力限制及数据安全风险等挑战。解决方案是基于人工智能融合可信数据空间总体架构，依托大模型机密计算平台实现全链路隐私保护，记录数据流转日志确保可追溯，统一管理关联分析多源数据。应用成效是实现智能座舱和车载助手安全落地，数据安全得到保障，用户体验提升，企业数据流转合规，第三方开发者参与度提高。
案例二：跨境数据网关破解多头监管难题：某地综合保税区推动数据跨境便利化面临企业合规困惑、监管手段缺乏、国际信任不足等挑战。解决方案是构建跨境可信数据空间，部署“数据网关”，兼容多法域法规，通过“自证清白”机制和闭环管控机制，集成“数据出境安全评估”服务，构建可信人工智能训练环境。应用成效是系统化构建四大核心能力，满足跨国合规要求，为企业提供高效安全通道，提升审批效率与合规透明度，为数据要素全球流动提供方案和经验。
案例三：赋能辅助驾驶模型性能升级：辅助驾驶技术发展面临多源异构数据处理效率低、算力资源调度低效、存储经济性与管理成本失衡等痛点。解决方案是整合多模态数据湖技术，构建统一数据基座并强化安全，提升异构算力利用率并强化调度安全，实现多模态数据安全集成。应用成效是解决多源异构数据协同处理难题，提升资源利用率，降低存储成本，为辅助驾驶模型性能优化和持续迭代提供支撑。
案例四：赋能影像AI模型联合训练：某医疗科技公司开发肺结节智能诊断AI模型面临数据孤岛、隐私合规风险、数据质量不均等难题。解决方案是整合人工智能与隐私计算技术，搭建安全合规数据汇聚基座，优化多源数据治理与质量提升，部署基础影像模型并进行训练精调。应用成效是实现多家医院与科技公司可信数据协作，模型性能大幅提升，数据安全合规得到保障，降低模型迭代成本，为医疗AI模型规模化开发与临床落地提供支撑。
AI驱动可信数据空间发展展望
安全防护智能化：未来数据空间安全风险更复杂动态，人工智能将成为安全体系核心驱动力，通过实时监测、智能识别和持续学习实现事前预防，结合隐私计算等技术确保数据在“可用不可见”条件下流通，平衡开放共享与安全合规，使可信数据空间在更大范围和更高强度场景中保持稳定可信。
生态协同跨域化：人工智能将促进跨行业数据融合和价值链协同，通过智能解析和统一语义理解打破行业边界，使可信数据空间从行业应用平台演进为跨行业创新枢纽，推动新产业形态和商业模式涌现，成为促进产业协同和社会创新的重要基础设施。
要素供给智能化：人工智能将在数据治理和质量提升中发挥重要作用，自动标注、清洗与分类数据提升可用性，通过价值评估与动态定价模型优化数据配置效率，推动形成“数据—算法—应用”闭环，为人工智能提供大规模、多维度训练数据，解决高价值行业数据获取难题，推动可信数据空间基础设施升级。
■
审核：晓洁
