在推进“人工智能+”战略的过程中，数据安全与流通的平衡问题始终是横亘在产业发展面前的一道难题。全国人大代表、江苏昆仑互联新能源集团有限公司董事长刘怀平指出，即便数据经过脱敏处理，企业仍对数据权属界定和后续潜在风险存在担忧。这种矛盾并非不可调和，关键在于构建一套既保障安全又能激发流通活力的机制。
要实现这一目标，首先需要明确规则边界。针对工业、能源等重点领域，应制定详细的数据分类分级操作规范，清晰界定核心数据与重要数据的判定标准，并针对不同级别数据设定差异化的防护要求。例如，在能源行业，涉及电网安全运行的关键数据需采用最高等级的加密存储和传输技术，而设备运行状态等一般性数据则可适当放宽防护标准。这种分层管理方式既能确保重点领域数据安全，又能避免过度防护影响数据流通效率。
技术手段的创新为破解数据流通难题提供了新路径。隐私计算技术的突破性发展，使得企业能够在不转移原始数据的前提下，通过算法模型的交互实现数据价值挖掘。这种“数据可用不可见”的模式，既满足了企业对数据安全的严格要求，又为跨企业、跨行业的数据协作开辟了新空间。在工业互联网领域，多家企业已通过隐私计算平台实现设备故障预测模型的联合训练，显著提升了诊断准确率，同时确保了各自生产数据的安全隔离。
价值激励是推动数据共享的核心动力。以工业节能场景为例，通过构建“能源数据价值共享池”，企业可以将设备运行、能耗监测等数据贡献到统一平台，经脱敏处理后供其他企业分析使用。对于通过数据共享实现能效提升超过15%的项目，可优先获得绿色信贷支持，并参与碳减排指标交易。这种利益共享机制已在上海某工业园区试点成功，参与企业平均降低能耗成本12%，形成“共享—获益—持续共享”的良性循环。
在具体实施层面，建议分阶段推进数据要素市场建设。初期可选择3-5个重点行业开展试点，建立行业数据共享标准和技术规范；中期完善数据确权、定价、交易等配套制度，培育专业化数据服务商；长期目标是形成全国统一的数据要素市场体系，使数据流动像资金流动一样便捷高效。这一过程中，需同步加强数据安全监管，建立跨部门协同治理机制，确保数据流通始终在安全可控的框架内运行。
