原标题：国家数据集团真正的战略伏笔：不是“卖数据”，而是造一个市场做不了的东西；
文 / 李志磊（希鸥网创始人、亚洲国际品牌研究院董事）
10月20日，国家数据集团有限公司在雄安成立，官方表述很克制：“推进数据资源开发利用、释放数据要素价值、服务人工智能发展、繁荣数据产业生态”。多数解读把它放进“数据要素市场化”的框架里看，这当然没错。但如果只看到“整合数据去交易”，可能错过了这个央企最核心的一层战略意图。
我的推测是：国家数据集团的首要任务，是把那些市场化的AI公司“吃不到、也不敢喂”的行政数据，用一个安全可控的方式整合起来，去支撑一个国家级行政大模型——或者更准确地说，一套服务于国家治理的人工智能模型能力体系。
行政数据与市场化大模型之间，存在一道不可逾越的高墙
中国的大模型公司在过去两年进步很快，但它们在行政场景里的渗透率，远远低于在消费、营销、代码等领域的表现。原因不在算法，在数据。
政务数据、行政数据敏感性极高，开放和运营至今仍处于探索阶段。一道12345热线的通话记录、一份基层执法的过程文书、一套跨部门的审批流转数据，如果直接开放给市场化公司做训练，安全风险和责任归属几乎无法在现有法律框架下被商业合同覆盖。
实践中普遍采取的是“数据不出域、可用不可见”的隔离方案，模型在政务数据隔离环境中训练，原始数据一步都不离开政府的边界。但这就带来一个悖论：越敏感的数据，越需要被用来训练模型才能产生治理价值；越敏感的数据，又越不可能被交到一个以商业利益为导向的市场主体手里。
还有一个更隐蔽的障碍：行政数据的“可用性”本身就很差。它不是一份清洗好、标注好、等着被调用的大规模语料。它分散在无数层级、部门和业务系统中，标准不一，模态各异，大量关键信息只以目录或非结构化文本的形式存在，无法直接作为训练数据使用。
市场化公司即便拿到授权，也没有动力和耐心去做这种成本极高、回报周期极长的行政数据治理——因为它们的商业模式要求短期可见的ROI。
这就是国家数据集团出场的位置。
它真正的功能，可能是做“行政数据的可信加工层”
从已披露的信息看，国家数据集团被赋予的使命是“开发、整合和运营国家级数据资源”，推动跨行业、跨区域流动，破除“数据孤岛”。但“整合”这个词在行政语境下，含义和商业语境完全不同。商业语境下的整合指向交易，行政语境下的整合首先指向安全前提下的可用化。
国家数据集团作为央企，天然具备市场化公司不具备的两样东西：安全资质与行政协调权。它可以在物理隔离或可信执行环境中，把分散的行政数据做统一治理、标准化和语料化，产出一套“可训练但不可外泄”的数据资产。
换句话说，它做的不是数据的“卖方”，而是数据的“安全中间层”——原始数据不动，但经过它加工后形成的训练语料和模型能力，可以在受控条件下被使用。
这一判断有一个值得注意的旁证：国家数据局2026年的工作部署中，明确将“打造高质量人工智能大模型训练数据集”列为公共数据授权运营试点的重点方向。这说明政策层已经意识到，行政数据对大模型的价值不在于“开放流通”，而在于“在受控条件下转化为训练能力”。
基于开源基础做“行政专用模型”，是一条比自研基础模型更务实的路径
我并不认为国家数据集团会从零训练一个万卡级别的通用基础大模型。那既不符合央企的定位，也不是资源最优配置。更合理的路径是：在现有开源模型的基础上，注入治理后的行政语料做深度微调和领域对齐，形成一个在行政场景中可靠、可审计、可解释的专用模型。
气象领域的“风和”模型提供了一个很好的先例：中国气象局联合雄安人工智能创新研究院和智谱，基于地球系统数据资源训练了一个千亿参数级的开源气象大语言模型，集成权威气象数据，完成生成式AI备案后提供服务。它不是在做一个“通用大模型”，而是在做一个垂直领域内数据壁垒极高、市场化主体无法复制的专用能力。
行政领域的逻辑完全类似：底层可以站在开源社区的肩膀上，但真正拉开差距的是那套只有国家数据集团才有条件整合的行政语料和治理流程。
这也解释了为什么总部选在雄安。雄安本身就在承担疏解北京非首都功能和体制创新试验的双重任务，一个以行政数据为核心生产要素的央企放在这里，与既有的数字城市底座和政务数据环境形成协同，比放在任何一个商业城市都更合理。
对行政效率的影响，可能比“大模型”这个词本身更深远
如果上述推测成立，国家数据集团推动的这套体系，在行政效率上的意义不在于“让公文写得快一点”。真正的变量是跨层级、跨部门的信息流转和决策辅助第一次有了一个统一的模型层。
长期以来，行政效率的瓶颈不在单个部门的内部流程，而在部门之间、层级之间的信息不对称和协调成本。一个政策在省、市、县、乡四级流转，语义在每一级都会发生损耗和变形。
一个基于统一行政语料训练出来的模型，如果部署在各级政务系统中，它提供的不是“更聪明的聊天机器人”，而是一个语义对齐的基础设施：同样的政策语言在不同层级被理解和执行时，偏差会显著收窄。
根据媒体报道，某省12345热线引入政务大模型后，处理效率提升25%、响应时间缩短30%，背后起作用的正是这种语义层的标准化。
而这套能力，恰恰是市场化大模型公司无法独立提供的——不是技术做不到，而是它们永远拿不到训练这种能力所需要的行政数据厚度和治理权限。
所以，国家数据集团的成立，表面上是数据要素市场化的一步棋，底层则是在为行政体系的智能化构筑一个安全可控的数据-模型闭环。市场做大模型，做的是“广度”；国家队做行政大模型，做的是“深度”。这两件事并不矛盾，但后者所要求的制度条件、安全条件和数据条件，只有央企身份才能满足。理解了这一层，雄安这个选址、集团“服务人工智能发展”的表述，以及“央地联动、能力共用”的提法，才真正落到同一个逻辑里。
笔者认为，国家级AI大模型系统如果建设得好，可能带来三个更深层次的变化。
第一，降低行政知识的边际使用成本
过去，一个政策专家的经验主要通过培训、文件和口头传授扩散。未来，经过审核的知识可以被大量工作人员重复调用。专家不需要亲自回答每一个基础问题。
第二，提高行政能力的标准化程度。
同样的问题，不必完全依赖每个工作人员的个人经验来处理。AI 可以提供统一的政策依据、办事流程和审核清单，减少不必要的执行差异。当然，法律允许的裁量空间仍然需要保留。
第三，形成持续改进的反馈机制。
系统可以帮助总结哪些事项经常退件、哪些政策难以理解、哪些流程耗时较长，从而为流程优化提供依据。这里真正有价值的不是模型自动修改政策，而是让行政体系更容易发现问题、验证改进效果。
我的判断：最大的价值不是“少雇多少公务员”，而是提高国家的治理能力。可以把行政 AI 的价值理解为三个层次：
第一层是工具革命：AI 帮助每一位行政人员更快完成现有工作。这是最容易落地、也最容易衡量的收益。
第二层是组织革命：让知识、数据和流程跨部门流动，减少信息孤岛，使整个行政体系更协调，而不是只让个人更高效。
第三层是治理能力革命：让国家更快发现问题、更全面评估政策、更及时回应公众需求，并用实际执行结果不断改善治理流程。这是潜在收益最大、同时最难实现的一层。
当然，行政效率提高，不必然意味着治理质量提高。 如果AI只是让原有流程更快，却没有改善错误决策、部门壁垒或不合理制度，那么它也可能只是把低效流程自动化。
因此，国家级行政大模型最值得追求的目标，应当是在依法治理、权责清晰和保障公民权利的前提下，让行政体系以更低的社会成本提供更准确、更公平、更及时的公共服务。而这，将成为国与国竞争的又一利器。