当前，数据已成为关键生产要素之一，人工智能应用加速向政务治理、公共服务和重点产业渗透。
在这一背景下，如何让数据“供得出、流得动、用得好”，并以此支撑模型训练、业务推理和智能决策，成为推动“人工智能+”行动走深走实的现实课题。
问题在于，一些领域仍存在数据资源分散、标准口径不一、质量参差不齐、共享与合规边界不清等情况，导致数据难以形成高质量供给；与此同时，大模型在政务与产业落地过程中，对专业知识、业务规则、可信审计和安全可控提出更高要求。
数据与模型若不能形成闭环协同，智能化应用就容易停留在“能演示、难运行”“可试点、难推广”的阶段。
造成上述问题的原因具有多重性。
一方面，数据治理涉及组织协同、制度规则、技术体系和运营机制，单靠某一环节难以整体突破；另一方面，大模型能力向垂直领域延伸，需要稳定的数据底座、行业知识体系和持续迭代的工程化能力。
同时，政务与公共服务场景强调准确性、可解释性和责任可追溯，客观上要求从数据资产管理、模型评测、权限控制到过程审计形成完整链条，才能满足“可用、可信、可控”的落地标准。
在3月1日举行的分论坛上，首都信息相关负责人围绕“平台+模型+场景”的融合路径给出解题思路：以一站式数据资产管理平台夯实底座，以面向政务的行业模型提升通用能力与专业能力，以多个高频刚需场景牵引应用落地，并在运行中持续反哺数据供给与治理优化。
该思路强调通过“数据积累—模型增强—应用扩展—数据再沉淀”的正向循环，推动业务从数字化向智能化跃升。
据介绍，在“平台”层面，企业聚焦数据全生命周期治理与资产化管理，强化数据采集、清洗、存储、共享、使用等环节的统一规范，提升数据可管理、可追溯、可复用水平。
通过构建“行业通识+行业专识”的数据集体系，力图解决“数据可用但不好用”“能共享但难复用”的痛点，为模型训练与智能体应用提供更稳定的“燃料”。
在“模型”层面，依托政务共性能力平台，实现多模型管理调度、应用开发、知识运营和模型评测等能力集成，面向不同业务部门提供可配置、可扩展的组件化能力，降低应用开发与上线门槛。
在“场景”层面，围绕政务服务和行业监管等重点方向，以高频事项、流程密集和规则复杂的环节作为突破口，把技术能力嵌入业务流程，形成可复制的应用模板。
从影响看，“AI+数据要素”的协同创新，正在推动公共服务由“流程优化”向“智能协同”升级：一是提升办事效率与监管精度，通过知识检索、材料核验、风险识别等能力减少重复劳动；二是促进跨部门业务协同，以更清晰的数据台账与标准体系降低协作成本；三是带动数据资源向资产化、产品化转化，推动数据从“沉睡资源”变为“可运营要素”。
与此同时，数据安全、隐私保护和算法治理的重要性更加凸显，只有坚持底线思维，才能让技术红利真正转化为治理效能与民生获得感。
在对策层面，与会业内人士认为，推进“AI+数据要素”需要形成“制度+技术+运营”协同发力的组合拳：完善数据基础制度与合规边界，明确数据流通使用规则；以高质量数据集建设为抓手，提升数据标准化与可用性；加强模型评测与审计机制，确保关键业务可解释、可追溯；以场景牵引带动供需对接，让技术投入与业务价值形成闭环。
企业层面则需强化工程化能力与生态协同，通过开放接口、共建数据资源、联合研发应用等方式，推动跨领域数据融合与多方协作。
在前景判断上，随着“人工智能+”行动持续推进，数据要素市场化配置改革不断深化，政务服务、城市运行、医疗保障、住房公积金、国资监管等领域对智能化的需求将进一步释放。
下一阶段，行业竞争的关键不在于单点能力展示，而在于能否形成可持续运营的体系：数据治理是否稳定、模型能力是否可迭代、场景落地是否可复制、风险管控是否可闭环。
以平台化能力承载数据资产，以行业模型沉淀知识与规则，以场景化应用牵引业务变革，有望成为政务智能化建设的重要路径之一。
数字化转型浪潮下，数据要素与智能技术的融合创新已成为推动高质量发展的关键动力。
首都信息的实践表明，只有坚持技术创新与场景应用深度融合，才能真正释放数据要素价值，赋能产业升级。
这一探索不仅为智慧城市建设提供了新思路，也为实现数字经济高质量发展开辟了新路径。
未来，期待更多企业能够把握发展机遇，共同推动数字中国建设迈上新台阶。