广告
加载中

国信钧元访谈:企业数据价值释放真意为何?如何升级产业互联网?

亿邦智库黄斌 2026-04-07 14:42
亿邦智库黄斌 2026/04/07 14:42

邦小白快读

EN
全文速览

文章介绍了数据价值释放的创新思路和实用工具,帮助理解如何提升企业效率。

1. 数据摸底从系统转向产品,促进数据招商,例如昆明市案例中高德通过平台购买公交站点数据。

2. 智能体一体机简化AI使用,即插即用,改变员工工作方式,如设计师通过本地交互提升设计效率。

3. 培训服务分五类班型(普及班、进阶班等),激发创意,避免传统数据中台依赖。

企业案例展示实际应用价值,例如银器加工企业通过数据融合降本增效。

文章揭示了数据在产品研发和定价中的驱动作用,契合品牌竞争需求。

1. 数据产品预评估价格机制,为品牌定价提供参考,避免单纯价格竞争,如公交站点数据标价参考。

2. 消费趋势洞察通过指数产品实现,如肉牛指数案例,帮助品牌响应市场审美和需求变化。

3. 智能体一体机支持创新设计,结合市场数据提升产品研发效率。

“卷价值”理念强调服务价值而非价格,助力品牌差异化。

文章解读政策利好和市场机会,提供可学习策略和风险提示。

1. 国家数据局政策支持数据服务试点,如国信钧元入选典型单位名单,利好合规合作。

2. 增长机会包括出海南亚/东南亚市场,如印尼农业大会契机,需本地化研判。

3. 数据服务新商业模式(如指数产品)可增加收益,风险如数据安全问题需隔离处理。

应对措施包括培训服务,提升卖家中数据竞争力。

文章分享数字化如何优化生产设计和效率,启示工厂升级。

1. 产品设计需求通过一体机实现,如银器加工案例,AI结合工艺数据快速生成样板。

2. 商业机会来自数据融合,降本增效,例如一体化集成硬件和软件简化流程。

3. 推进数字化启示:无需数据中台,通过本地数据交互提升生产效率。

案例显示工厂可借鉴云上XX平台模式,聚焦成本法评估。

文章分析行业趋势、新技术和解决方案,应对客户痛点。

1. 行业发展趋势向数据生产性服务业聚焦,如管道模式连接供需两端。

2. 新技术如大模型和一体机集成硬件、软件、数据,解决数据接入和基础处理痛点。

3. 解决方案包括Ready Data服务,确保即用型数据,例如面向大模型企业提供标准化输出。

客户痛点如数据安全通过隔离机制处理,提升服务价值。

文章探讨平台如何搭接数据服务,优化招商和运营。

1. 平台最新做法如云上XX案例,增加数据服务(如肉牛指数),提升收益法评估价值。

2. 数据资产管理平台用于内部对标和招商,展示产品预评估吸引买家合作。

3. 运营管理通过培训服务提升用户能力,规避风险如数据安全。

建议搭接数据服务增加长效收益,如产业互联网平台转型路径。

文章探讨产业新动向和政策启示,提出创新商业模式。

1. 产业新动向是数据要素市场化,如管道模式不存数据,靠联合运营协议实现价值释放。

2. 政策法规建议包括国家数据局推动公共数据定价参考和试点,启示地方实践如预评估机制。

3. 新问题如出海挑战和数据安全,需深入研究商业规则。

商业模式创新如数据联合运营协议,提供收益分配机制。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

The article explores innovative approaches and practical tools for unlocking data value to enhance enterprise efficiency.

1. Data assessment shifts from internal systems to productized offerings, facilitating data-driven partnerships—for example, Gaode purchasing bus stop data via a platform in Kunming.

2. AI all-in-one devices simplify artificial intelligence adoption with plug-and-play functionality, transforming workflows such as designers improving efficiency through local data interaction.

3. Training services are categorized into five tiers (e.g., introductory and advanced courses) to foster creativity and reduce reliance on traditional data middleware.

Case studies, like a silverware manufacturer using data integration to cut costs and boost productivity, demonstrate real-world applications.

The article highlights data's role in driving product development and pricing strategies, aligning with brand competitiveness needs.

1. Pre-evaluation pricing mechanisms for data products offer reference points for brand pricing, moving beyond pure price competition—exemplified by bus stop data pricing benchmarks.

2. Consumer trend insights are delivered through index products (e.g., a beef cattle index), helping brands adapt to shifting market aesthetics and demands.

3. AI all-in-one devices enable innovative design by integrating market data to accelerate R&D efficiency.

The "value-over-price" philosophy emphasizes service differentiation to strengthen brand positioning.

The article decodes policy incentives and market opportunities while offering actionable strategies and risk warnings.

1. National Data Bureau policies support data service pilots, such as Guoxin Junyuan's inclusion in a model units list, fostering compliant partnerships.

2. Growth opportunities include expansion into South/Southeast Asian markets (e.g., Indonesia's agriculture expos), though local market analysis is critical.

3. New business models like index products can diversify revenue streams, but risks like data security require isolated handling.

Countermeasures include training services to bolster sellers' data competitiveness.

The article shares how digitization optimizes production design and efficiency, offering guidance for factory upgrades.

1. Product design needs are met via all-in-one devices—for instance, AI-generated templates using craft data in silverware processing.

2. Business opportunities arise from data integration, reducing costs and streamlining processes through combined hardware-software solutions.

3. Digitization insights: Local data interaction boosts productivity without complex data middleware.

Cases illustrate how factories can adopt cloud platform models, focusing on cost-based value assessment.

The article analyzes industry trends, emerging technologies, and solutions to address client pain points.

1. Sector trends lean toward data-as-a-service models, with pipeline approaches connecting supply and demand.

2. Technologies like large language models and all-in-one devices integrate hardware, software, and data to resolve accessibility and processing challenges.

3. Solutions include Ready Data services ensuring plug-and-play data outputs, such as standardized feeds for AI enterprises.

Client concerns like data security are mitigated through isolation mechanisms, enhancing service value.

The article examines how platforms can integrate data services to improve merchant recruitment and operations.

1. Platform innovations, like the Cloud XX case, add data services (e.g., a beef cattle index) to boost revenue-based valuation.

2. Data asset management platforms enable internal benchmarking and merchant attraction by showcasing pre-evaluated products.

3. Operational management leverages training services to build user capabilities while mitigating risks like data breaches.

Recommendations include embedding data services for long-term gains, as seen in industrial internet platform transitions.

The article investigates industry shifts and policy implications, proposing innovative business models.

1. Key trends include data element marketization, where pipeline models avoid data storage and rely on joint operation agreements for value release.

2. Policy suggestions involve the National Data Bureau promoting public data pricing benchmarks and pilots, informing local practices like pre-evaluation mechanisms.

3. Emerging challenges, such as overseas expansion hurdles and data security, warrant deeper study of commercial frameworks.

Business model innovations, such as joint data operation agreements, introduce revenue-sharing structures.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

【亿邦原创】北京国信钧元科技有限公司(以下简称“国信钧元”)由国家信息中心指导发起成立的首个以数据要素资产化为核心业务、以AI大模型为关键技术,并聚焦数字乡村数据价值释放业务场景的专职公司。亿邦智库近期专访了国信钧元联合创始人、首席数据官王杰伟,就数据要素实践、产业互联网平台转型、AI赋能等话题展开了深度的对话。

王杰伟拥有工程师(人工智能)、建造师双重背景,担任全国信标委数字乡村研究组成员、数据要素资源课题负责人。国信钧元作为领先的“新算料”创新科技企业,已服务了10多个部委机构、20多个省市、50多个地区政府机构,以及100多家企业,在数据资产化领域积累了丰富的实践经验。

Q1:我们了解到,您近期提出了一个很有启发性的思路——把数据摸底的对象从“系统”换成“产品”。这个思路转变的背后逻辑是什么?

王杰伟:这确实是一个关键的视角转换。以前我们做智慧城市基于数据,第一件事是摸清数据家底。我在雄安做这件事时,带了数十个人,跑了三个县、九十多个委办局、两百多个业务系统,挨个问:你这个科室有没有数据?你平常工作用什么系统?摸出来的是一份“政务数据资源目录”,这是按照2017年提出的政务数据共享交换逻辑形成的。

但现在不一样了。我们要把所有摸底的对象换成产品-“数据产品”——因为产品才是下一步说数据资产的核心。当然数据集也是数据产品。我们要对各个委办局的数据产品进行全面摸底,在平台上做展示,还要对这些数据产品做预评估,说白了就是:它值多少钱?

这样做的好处是什么?通过平台展示,就回到了我常说的“数据招商”。以昆明市政府所在的呈贡区为例,假设高德来了,说需要呈贡区的公交站点设置及设施数据,这是个产品。这时候就可以到公共数据资产管理平台一看,有没有?如果有,高德就可以跟公共数据的授权运营主体云南云上云大数据产业发展有限公司谈购买或合作。如果高德说光公交站点还不够,还需要结合其他数据形成一个新的产品——买方的需求已经出来了。这时候,作为区政府在数据领域的专职平台公司,你就会主动去获取这个数据,因为它有场景、有市场需求,然后叠加数据工程,开发新的数据产品,是不是就实现了数据从“点”到“产品”再到“可售卖”的转变?这不就是公共数据开发利用的场景吗?

当然,在这个过程当中,如果大家谈得好,高德可能还会落地,数据作价入股,这又是一种形式。

Q2:这个过程中,数据资产管理平台还起到了“内部对标对表”的作用?

王杰伟:对,这是一个隐形但很重要的功能。我是交通局,在平台上一看,不对呀,我每年大几百万信息化投入,怎么数据产品价值还不如住建局?领导、部门管理者会去对比。对于再上一层的区域管理者,也会横纵向去看哪个部门多、哪个部门少——这不是排名,但其实也是一种排名。让大家慢慢形成共识:在这里,我可以找到全区的所有数据产品,我部门随着业务产生的新的数据产品我也要到这里来登记做预评估。

而且,产品上有预评估价格,这其实就是公共数据对应的定价参考依据。国家出台了公共数据定价规范,那只是一个指导,只提出了下限。到了地方上,公交站点数据到底定多少钱?不是你来定,我们通过预评估来定出它值多少钱。也许标价一百块,最后买卖双方谈成十块,那是商业谈判的结果。但你总不能否认,第三方给我的预评估价格,它就是一百块。

所以,无论是数据集团还是地方数据局,如果要深挖公共数据这个导向,第一步就是:把自己有什么摆出来。

Q3:国信钧元如何定位自己在数据要素市场中的角色?在数据服务方面,国信钧元有什么独特模式?

王杰伟:我们把自己定义为数据领域生产性服务业企业。一方面,这个定义应该没有问题;另一方面,不管是黄奇帆老师还是各位专家,都慢慢提出了生产性服务业对于GDP的重要影响。去年,国家数据局专门发布了一个“数据服务方向标准/技术文件验证试点典型单位”名单,里面有二十多家企业,其中就有国信钧元。这是对我们工作的认可。

我们自身不存数据。但我们所拥有的是我和客户之间的数据联合运营协议——相当于间接地,我有了他的数据。因为大家有商业规则在里面。我们能够形成的数据很多,有信用的、有企业的、有车、船的、有行业领域的,然后对外提供统一的数据服务。

可以把我们理解成一个“管道”。管道最左边是一个敞口,连接着我们的企业客户,比如中交、北燃、北茶、北辰等等。我们通过服务企业客户获取他的数据?不是实实在在获取,数据也不存在我这里——这是数据安全问题。还连接这我们建设运营的数据要素综合服务中心,它的目的也是服务企业。有了服务企业,就有了这些数据源。

中间这一层是我们的数据技术:数据清洗、标注、加工、治理,最终形成结果。管道最右侧也是一个敞口,连接着大模型企业、数据采购型企业。当采购方提出明确的数据需求,我们到最左侧去看有没有这些数据——比如车船的数据、电商的数据、大宗采购的数据。一旦可以拉通,中间的管道就开始运行,加工成数据产品。这边是卖,那边是买,有了市场收益,我们结合数据能力,最终给数据源头按照数据联合运营协议做收益分配。

Q4:在数据技术方面,国信钧元有什么特点?

王杰伟:在数据领域,国信钧元以技术标准、算法模型、行业标杆创新全球新算料技术和市场。从技术角度,目前,该市场还没有哪一家公司形成绝对的壁垒。如果说有一定的壁垒,主要在于两个方面:一是先发优势,包括已经形成的联合运营网络;二是我们最终给买方客户的是Ready Data(就绪数据)。

很多大模型企业,他们的人不会用于去做数据基础工作,他们要做的是算法,要把人用在刀刃上。他们要的结果,我们按照就绪数据标准完成,确保拿去就能用。这算是我们的服务目标。

所以在这个链条上,我并不觉得有什么绝对的技术壁垒。去年DeepSeek确实很火,不管大家说的是数据蒸馏还是其他技术,但后面的豆包、Kimi也在慢慢具备相当的实力。今年的“小龙虾”(OpenClaw)也是一样。

Q5:前几天你们发布了智能体一体机,这背后的创新思路是什么?

王杰伟:智能体一体机是一个组合型的服务产品。对于很多企业来说,虽然有自有的系统和数据,但数据和系统的建设往往没有那么完备。在这个过程当中,基于“小龙虾”(OpenClaw)的能力,我们把一体机硬件、软件(三个部分——大模型、“小龙虾”(封装后的用户桌面)、数据资产管理平台)预装好,到用户那儿即插即用。

这其实是一种系统集成创新。以前的系统集成可能只集成到软件硬件,而现在是软件、硬件、数据的三者集成。我们要“掀”了这个企业传统数字化建设转型的市场。

Q6:这个一体机如何改变企业内部的AI使用方式?

王杰伟:以前企业提信息化需求,要做需求论证,到企业调研,看业务流程,最后定哪家公司开发,开发完了联调测试——过程很长。现在我们把一体机放到客户那儿,插上电、连上网。第一,落到本地,保障数据安全;第二,每一个员工的桌面上都有一个自己的“小龙虾”。

以前很多企业的数据并不在中台里面,其实有很多企业也很难投入大量的资金建设数据中台,而是在每一个人的办公桌面上。我的文件夹,我是设计师,我有很多文件夹。但现在,“小龙虾”的能力是我可以去到你的本地设备上和你发生交互。不管是纸质的、音频的,还是图纸DWG设计文件,你都把这些东西喂给本地的这台机器。

当一个企业以前说建一个系统,建完之后会发操作手册,告诉大家:点击新增、按字段填写内容、点击保存、启动流程,最终形成分析结果。但实际上,现在大模型的能力已经远远支撑了这个点——我不用告诉它按照什么标准去点击新增,因为它自己会解析,自己会把东西形成结构化的数据放到数据资产管理平台,那就是企业的一个知识库。

Q7:这对企业内部的人员来说,数据要素价值释放意味着什么?

王杰伟:我想力求的是企业内部的数据与AI的平权。我们服务过一个做银器加工的企业。设计师脑子里有东西,也知道自身的工艺能力——他的设计一定是遵照着工艺,能做出来才会设计。如果大师雕工都做不出来,设计它也没用。这是固有思维。

现在我们告诉他:第一,你已经形成了那么多设计,投入了那么多设计费。这些设计能不能结合大模型,结合当前市场上花色的喜好、大众的审美,融合起来,形成自主化的设计,推送样板出来?效率是不是高了?符不符合当前市场的审美判断?是不是结合了你自身能实现的工艺?对企业来说,这就是降本增效。

而且对于用户,它的操作过程就是交互。不是传统的工作方式。另外,一体机分为两个部分:对内,数据一定是隔离的,所有员工用的都在内部环境;还有一个虚拟机,对外接收外部数据。通过数据隔离实现安全。所有数据进来很容易,要与企业内部数据进行融合形成分析结果指导生产经营就变成交互式的操作过程。

Q8:对于服务于企业数据价值释放你们还配套了培训服务?

王杰伟:对,我们强调这是服务,不是交付。交付是我把东西拿给他,帮他接电安装,做个统一培训就完了——那肯定不行。我们设置了五种班型:普及班、进阶班、科研班、管理班、专题班。

普及班面向普通操作,告诉大家每个人桌面都有“小龙虾”,你怎么用。进阶班针对你的部门、你的岗位职责,你怎么用。目的是让每一个人最终激发自身的创意,而不是顺着传统的东西往下走。

管理者说,我今天要一个数据,需要不同的维度,甚至说我要按长江为界,分析长江以北的经营情况或销售情况。按照传统技术,需要先建数据模型,甚至做单独的可视化页面,再推送数据。但现在大模型能力完全可以支撑这个点,再加上“小龙虾”的集成度,大大简化了这个时间。

我们想通过这种方式,一方面弥补企业自身的不足。我甚至觉得,现在不再需要数据中台了。以前的数据中台强调的是数据的统一接入能力——接A系统、接B系统、接纸质、接不同系统,这是数据接入能力;元数据管理、主数据管理,再到数据的治理能力、资产管理——这是之前的中台。实际上,我刚才说的所有这些,已经不再需要中台了。

当然,这也有赖于企业能不能接受我说的“AI平权”。比如,你如果不让设计师看到市场的情况,我相信他做不出好的设计;如果不让设计师了解自身的销售情况,他也依然没有办法按客户的喜好来定义自己的设计。

Q9:您在案例中提到了一个产业互联网平台——“云上XX”(注:因商业原因采取了一个隐名)。这个平台的转型实践有什么启示?

王杰伟:这个平台比较典型,是省属建投集团的二级公司,把大宗物品采购、招投标、订单、合同、承运、接单、运送整个完整过程都做进去了。平台总体投入已经超过两个亿,现在迭代到3.0版本了。

我们曾帮它做数据资产管理,评价了六个数据集,最终评估出三千八百多万,入表入了三百多万。三百多万的入表其实不低了,因为入表是严格按照成本法。

做完服务后,我们给它提了一个建议:在现有的用户(B端用户)当中,提供不同等级的数据服务。包括它的肉牛贸易板块,可以做一个肉牛指数?做指数的目的不是面向农业农村部的领导去看全国肉牛的情况,而是运用指数总结分析市场动态,指引自身的贸易产业链上的企业做决策——这是一个金融的逻辑。

这个数据的价值怎么对外释放呢?一定是购买数据服务。也就是说,它以前只是链接,现在增加了一个指数——这就是它的数据智能服务产品。而一旦形成新的收益,数据资产的价值就得到现金化的收益,将为因为收益法而形成增值。

Q10:基于这样的实践,您认为产业互联网平台下一步应该走的路是什么?

王杰伟:我觉得一条不错的进路就是:把现有的平台服务,搭接上数据服务。因为你只有数据实现了更多的销售、收益,你才能够在未来评估的过程当中,按照收益法来评估——那个评估会更高。就像之前的企业信息查询平台,走向资本市场的时候就做了这样的评估。如果还是按照原来的方式,也只能按照成本法评估,产生不了收益。数据在一个产业互联网平台能够产生长效的收益,对于平台建设企业的价值会更大。

Q11:对于出海企业,数据服务领域有什么机会?

王杰伟:我觉得两个机会。第一,南亚、东南亚有些国家还处于城市数字化和信息化建设的早期阶段,比如智慧消防等。对于有完整体系和产品解决方案的企业,出去做的是以前咱们做过的项目,这是一个看得见的机会。

第二,作为数据生产服务型企业,我们应该去支撑这些要出海的企业,帮他们做数据的盘点、摸底,最终形成一个分析、研判甚至定位,提供这样的服务。这是作为我们这样的企业可以走的路。

当然,有些市场或区域还存在不太规范的情况,不管基于安全问题还是商业规则问题,确实存在。目前出海也是摆在国信钧元面前的机遇与挑战。近期某省农科院还专门说,我们那个智能体一体机能跟着他去参加印尼的农业大会吗?我觉得这些都是非常好的契机。但同样,我们要站在市场角度想:投入了成本,未来这个地方是不是我们的市场?产品能不能完成交付和出货?要不要做本地化?我觉得还要有大量的研判工作要做,这就是我上面的说到的第二个服务。

Q12:最后一个问题,对于后进企业如何提高数据要素竞争力?请您用一句话来为他们提个建议。

王杰伟:这句话我还真有——卷价值。

其实就三个字。我碰到太多卷价格的情况了。我们要通过自身的能力,不管后来者还是怎么样,自己的资源禀赋在哪,我们要想的是:怎么让客户真正看到我们服务的价值。因为那是成本,服务成本所产生的价值。所以就是这三个字。至于说卷价值是不是再加“不卷价格“组成七个字?我觉得无所谓。

访谈结语:数据生产性服务业的时代机遇

从雄安新区的数据家底摸查,到天津数据资产登记评估中心的建立,再到内蒙古数据要素综合服务中心的运营,国信钧元在数据要素市场化配置改革中走出了一条独特的“管道”模式——不存数据,却通过联合运营网络和数据技术能力,连接供需两端,实现数据价值的释放。随着国家数据局将产业互联网平台列为重点培育的数据要素流通利用服务平台,随着“词元”成为可计量、可定价、可交易的智能时代基本单元,数据生产性服务业正迎来前所未有的历史机遇。正如王杰伟所言,未来的竞争不是“卷价格”,而是“卷价值”——让数据真正从资源转化为资产,从资产转化为生产力。

亿邦智库将持续关注产业互联网发展与企业数据要素竞争力提升,并报道相关发展的新成果与新案例。

联系邮箱为:huangbin@ebrun.com

文章来源:亿邦智库

广告
微信
朋友圈

FAQ回顾

什么是公共数据资产管理平台的核心功能?

公共数据资产管理平台核心功能包括对政府委办局的数据产品进行全面摸底、平台展示和预评估定价,实现数据招商和内部对标,促进数据从资源到可售卖产品的转变。

国信钧元在数据要素市场中扮演什么角色?

国信钧元定位为数据生产性服务业企业,通过数据联合运营协议连接企业客户和数据采购方,提供数据清洗、加工治理服务,形成就绪数据产品并分配收益。

智能体一体机如何改变企业AI使用方式?

智能体一体机集成硬件、大模型和数据平台,实现即插即用。员工通过本地交互提升数据利用效率,无需传统系统开发流程,保障数据安全并促进AI平权。

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0