贵阳的展馆里，AI 仿生机械狗、MR 沉浸式体验、机器人现磨咖啡轮番上演。热闹的体验背后，一场关于数据要素与 AI 产业底层逻辑的重构正在发生。

8 月 28-30 日，2026 中国国际大数据产业博览会落下帷幕。3 天会期，89 场活动、372 家中外企业参展，累计参会超 4.1 万人次，观展人数突破 9 万，66 项技术完成首展首秀。

大众看见的是可触摸的科技展品，行业看见的是：AI 产业已经跨过概念炒作周期，  词元经济、高质量数据集、具身智能  ，正在把数据、算力、模型拧成完整产业闭环。

但喧嚣展会之外，摆在企业 CIO 面前的现实命题依旧尖锐：产业大盘高速增长，企业端 AI 规模化落地却依旧困难重重。

AI 频道

一、三重现实：

产业热、企业冷，词元成为新价值锚点

本届数博会最核心的关键词，是词元 。

词元（Token）作为大模型处理信息最小语义单元，已经不再只是技术参数，它正在成为 AI 时代可计量、可交易、可付费的新型价值尺度。通俗来讲，就像用电按度、用水按吨，未来企业调用大模型、运行智能体、驱动具身机器人，都将以词元作为消耗计量单位。

1.1 产业大盘高速扩容，AI 成为数据产业主引擎

国家数据发展研究院在数博会主论坛发布《中国数据产业发展报告（2026）》显示：2025 年我国数据产业规模达  6.78 万亿元  ，同比增长 15.7%；截至 2025 年底全国数据企业 48.2 万家国家数据局。

交叉信源：国家数据局官方发布、央视财经报道同步验证该组数据；与人工智能高度相关的数据产品与服务占数据产业总产值七成以上，已经成为拉动产业增长的第一动力。

另一个关键指标：国内日均词元调用量已经突破  140 万亿  ，短短两年实现百倍级增长，词元服务、智能体创新成为新业态代表。大会期间共计发布 87 项创新成果，1100 余项新技术新产品对外展出，算力基座、数据供给、模型驱动、安全护航、智能体验五大板块完整覆盖词元生产-流通-应用全链条新华网。

1.2 供给侧繁荣，但企业落地存在明显断层

展馆内百花齐放，展馆外企业端却是另一番图景。

技术供给已经非常充足：MaaS 平台、词元工厂、行业大模型、具身智能方案集中涌现，企业获取 AI 能力的门槛，已经从过去 “自建算力电站”，逐步转向 “按需插卡、按量付费” 模式。

但供给不等于落地。结合 CIO 时代・新基建创新研究院对百余家企业数字化负责人调研观察：

多数企业仍停留在 AI 试点阶段，大量 PoC 项目好看却难以规模化；数据孤岛、业务语义缺失、ROI 难以量化、AI 治理体系缺位，成为普遍卡点。

一边是数博会展出层出不穷的先进产品，一边是大量 CIO 反馈：引入大模型之后，受限于内部低质量数据、碎片化业务知识，模型极易产生幻觉，难以深度嵌入生产主流程。

核心论点：  当下 AI 产业主要矛盾，是高速膨胀的技术供给能力，和企业内部 “AI 就绪度” 不足之间的矛盾。词元经济打通了外部市场化供给通道，但企业内部数据资产、业务语义、治理体系才是真正的瓶颈。  

1.3 两大新方向浮出水面：高质量数据集 + 具身智能

本届数博会释放两个明确信号，会深刻影响未来 1-2 年企业 AI 选型路径。

第一，高质量数据集从配套资源升级为核心生产资料。

截至 2026 年 8 月，全国建成高质量数据集超 12.6 万个，总数据量突破 1815PB。行业共识已经完成迭代：大模型能力上限，不再单纯比拼参数规模，而是取决于高质量行业数据集供给。没有行业专属数据集，再强大的通用底座也很难产出业务价值人民论坛网。

第二，具身智能走出实验室，进入产业观察窗口期。

gzrbs）

大会专门设置具身智能体验区，AI 机械狗、物理仿真机器人集中亮相。AI 不再局限于文本、图像数字世界，开始向物理实体世界渗透。但需要客观看待：现阶段更多以场景示范为主，距离大规模商业落地仍需要行业数据集、硬件成本、安全标准多重配套完善。

AI 频道

二、CIO 视角下的四大现实挑战

站在企业 IT 负责人视角，数博会的前沿成果值得参考，但不能直接照搬。新基建创新研究院结合 CIO 时代调研，总结当前企业 AI 推进四大现实困境：

1.数据资产的 “AI 适配缺口”  

传统数据治理更多服务 BI 报表，重点解决数据表格式、统计口径。AI 时代，还需要补齐业务语义、行业知识、非结构化文档治理。大量企业沉淀海量业务文档、工艺资料、客户档案，但没有完成 AI 可读化改造，即便采购外部 MaaS、词元服务，也无法释放价值。

2.成本模式切换阵痛：从算力成本转向词元消耗成本  

词元经济模式下，企业 IT 成本结构发生变化。过去主要投入服务器、机房算力；未来推理调用会产生持续、动态的词元消耗。如果缺少用量管控、业务优先级划分，很容易出现 AI 成本不可控的局面。

3.试点与规模化之间的 “死亡谷”  

不少企业可以快速做出演示效果优秀的 AI Demo，但一旦接入真实生产流程，受限于业务流程、组织协同、风险合规，项目就停滞不前。“上热、中温、下冷” 现象普遍存在，技术方案很好，业务部门不愿深度参与共建。

4.AI 治理体系滞后于技术迭代  

模型幻觉、输出不可控、数据隐私泄露、权限风险，都对现有 IT 安全体系提出新课题。研究院调研显示国内仅不到 6% 企业 AI 治理达到成熟级别，大部分企业缺少模型审计、风险溯源、责任划分机制。

AI 频道

三、CIO 行动建议

面对词元经济浪潮，企业不必盲目追逐展会热点，优先修炼内部 “AI 就绪能力”。这里给出面向 CIO 的 5 条务实行动路径：

第一，重新定义 AI 投资逻辑：优先评估内部数据就绪度，再采购外部模型服务。  

不要优先采购通用大模型、MaaS 平台。先盘点核心业务域：哪些业务场景具备高质量业务资料、可沉淀行业数据集。优先选择数据基础完备的场景做试点，避免 “拿着先进工具，处理劣质数据”。把高质量行业数据集建设，上升到企业数字资产战略高度人民论坛网。

第二，适应词元经济新商业模式，建立 AI 成本管控机制。  

接受从 “重资产算力自建” 向 “词元按需付费” 转型大趋势。建立词元用量台账，区分测试环境与生产环境消耗，按业务部门、应用场景设置配额；区分通用调用与行业微调调用，量化每个 AI 应用的投入产出，把词元消耗纳入 IT 预算管理体系，杜绝成本黑洞。

第三，小场景验证价值，拒绝大而全的 AI 运动式建设。  

优先围绕供应链、研发文档、客户服务、生产工艺等高频业务做小范围闭环试点。完成 “业务需求-数据治理-模型调用-效果反馈” 完整闭环，拿到可量化业务收益之后，再逐步横向复制。不要盲目上马词元工厂、大模型自建等重资产项目，因地制宜，避免一哄而上。

第四，升级传统数据治理，构建面向 AI 智能体的语义底座。  

传统数仓治理不足以支撑 AI 运行。CIO 需要推动补充业务元数据、业务知识图谱，梳理核心业务对象、指标血缘，消除语义歧义，减少大模型幻觉风险。将合同、工艺手册、历史工单等非结构化数据纳入治理范围，打造企业内部 AI 可读知识库。

第五，同步搭建轻量化 AI 治理框架，安全与创新并行。  

成立跨业务-IT-法务的 AI 专项小组，明确模型上线审核、输出审计、数据权限、风险应急流程。不必追求一步到位搭建复杂体系，采用迭代思路：先覆盖生产环境运行的 AI 应用，建立输出留痕、可追溯机制，守住合规底线，再持续完善治理能力。

键。

AI 频道

四、写在最后：词元不是解药，只是转换器

数博会把词元推到聚光灯下，市场很容易产生一种错觉：词元经济会自动解决企业 AI 落地难题。

需要清醒认知：词元本质上是价值转换器。它解决了 AI 服务怎么计量、怎么交易、怎么付费的产业问题，但解决不了企业内部业务流程、数据质量、组织协同的老问题。

外部市场可以提供充足的词元供给、MaaS 服务、行业模型，但企业自身的行业知识、业务规则、高质量数据集，无法靠外部采购直接获得。

2026 年，AI 产业正在完成一次关键切换：从比拼 “能做出多么酷炫展品”，转向比拼 “能不能真正改造实体产业”。数博会展馆里的机器人、MR 设备是行业的明天；而千千万万企业内部数据治理、业务语义沉淀、组织协同，才是通往明天的必经之路。

参考信源：

1.《中国数据产业发展报告（2026）》，国家数据发展研究院，2026-08-28，数博会主论坛发布，国家数据局官网、央视财经交叉验证国家数据局。

2.2026 数博会官方组委会统计数据，含参会、参展、成果发布相关统计。

3. 全国高质量数据集规模数据，来源国家数据局公开披露信息。

4. 企业 AI 落地相关判断来自 CIO 时代・新基建创新研究院企业 CIO 调研访谈。

CIO时代大湾区分院华南CIO班招生啦...

✦