随着人工智能技术爆发后日均词元（Token）调用量的突破配资行业专题，数据从“供得出”到如何更好“用得上”成为业内关注的话题。
“52.26ZB的数据总量中，真正被有效利用的占比仅约3%。”在10月30日开幕的2026全球数商大会上一场“数、链、智协同”的产业圆桌对话上，上海数据集团首席技术官苏光牛分享了这组数据。
仍缺乏高质量数据
“数据的供出已经不是问题，跑通流程也不是问题，但支撑行业高价值的数据依然短缺。”苏光牛说，数据流通的瓶颈正从通道转向“好不好”。
在具身智能赛道，数据短缺的问题凸显。它石智航副总裁刘华说，具身智能泛化性面临较大阻碍，核心在数据。要训练出强泛化性的基座模型，数据门槛是“千万小时级”，而目前行业高质量训练数据仅停留在百万小时级，“缺口大概在90%”。
尤其是采集成本与模态缺陷方面。刘华分享称，传统真机遥操作设备一套二三十万元，真机本身数十万元，调测一天往往只能产出几个小时合格数据。更深层的硬伤在于数据模态的失真：“现在非常多的基座模型主要依靠文本和视频训练，看起来能听懂指令、能看懂世界，但根本不理解‘力’和物理动作的真实含义。机器人做动作时缺乏手感，极容易翻车。”
在刘华看来，弥补触觉与姿态等关键模态，从自采、机器人数据回流到外采跨越千万小时门槛，行业至少还需要两到三年才能迎来“ChatGPT时刻”。
元股证券:ygzq.hk对于运营商来说，智能体的发展也在倒逼底座设施的重建。中兴通讯副总裁兼企业发展部总经理黄义华表示，产业正从人联网迈向智联网，预计到2030年全球智能体规模将突破22亿，增长超80倍。与之伴随的，是从“比特”彻底转向“Token”，算力基础设施从拼单卡指标转向考验多芯协同、软硬件一体的全栈工程。
另外，当大模型加速向AI Agent（智能体）演进时，底层计算资源也遭遇了结构性问题。
互联网持牌配资券商海光信息技术股份有限公司副总裁应志伟在现场举例道，去年跑文本与代码生成等大模型任务，算力基本由GPU扛起；但今年Agent落地后，工程师发现大模型生成代码后，伴随大量的编译、运行和测试，这些流程会大量消耗CPU算力。
“这个时候GPU反而会空转。程序员并行任务的激增，更进一步加速了对CPU的消耗。”应志伟透露，为了避免算力空转与瓶颈，业界CPU与GPU的配置比例正被动地从过去的1:1向1:4甚至1:8快速推移。
算力重组之外，更大的问题是“裸奔”的安全顾虑。到2025年底，全国智能算力规模将达到1590eFlops，但苏光牛认为，技术工程化之后，瓶颈已经全面推向了“制度的信任”。
企业把Prompt（提示词）和核心材料输入云端大模型，本质上是将敏感数据以明文全盘托出。针对这一问题，阿里云智能集团副总裁霍嘉提出，信任必须分立为“数据要素可信”与“数据应用可信”，当前产业必须解决模型思考时的思维链数据与Token全链路加密问题。
要告别“Demo秀”
部分在场嘉宾认为，数据应用商业模式难以闭环的根源，在于行业充斥着不少“伪场景”，应该告别“Demo秀”。
霍嘉在圆桌中谈到“AI+”落地时表示：“我看到很多企业的AI+应用，基本以Demo型应用为主，生产级看不见；不少应用只是给几个人做的玩具，解决不了广泛的生产力提效问题。”
他认为，能够跑通商业价值的数据场景必须具备严苛的硬指标：是能发挥机器不眠不休优势的“24x7场景”、必须深度接入前沿基础模型、且必须形成“应用到效果反馈”的数据飞轮闭环。
霍嘉以兰州石化常减压装置为例分析称，由于停机代价极大，此前依赖人工24小时紧盯大盘，通过打造智能体接管实时调整并连续稳定运行五个月，AI才算第一次真正切入核心生产系统。
不仅是场景需要剥离泡沫，技术手段同样在经历重估。针对苏光牛提出的“利用区块链与智能合约解决数据授权与收益分配”的设想，李韩认为，各地都在建可信数据空间，但标准碎片化、缺乏法律保障等还存在问题。
中国联通（香港）创新研究院跨境数据与人工智能应用研究中心总经理李韩说，孤立地谈论原始数据值多少钱是空谈，必须把数据拆解为生产、治理、产品化、运营等不同链条，数据只有与技术融合产品化后才有生产价值，利益分配也只能依据各方在全链路中的实际价值创造来分割。
刘华也认为，数据的定价终究要交由市场机制决定，当具身智能模型能力因高质量数据跃升而带来巨额收益时配资行业专题，市场自然会给数据开出合理对价，而链上追溯应服务于对劳动者、场景方与采集方的精细化确权。
元股证券6-10倍杠杆配资｜轻松把握市场机会提示：本文来自互联网，不代表本网站观点。
