国家数据基础设施的建设蓝图已明确——到2029年基本建成横向联通、纵向贯通、协调有力的国家数据基础设施体系。但“流得动”和“用得好”的前提是“供得出”。数据工厂正是这一供给环节的关键设施：它既是国家数据基础设施的最小组成单元，也是高质量数据集规模化生产的核心载体。当众多数据工厂通过统一标准实现互联互通时，一个覆盖全国的数据供给网络便初步成形。
国家数据基础设施的三环节逻辑与供给短板
2024年12月，国家发展改革委、国家数据局、工业和信息化部等联合印发《国家数据基础设施建设指引》，明确了国家数据基础设施的概念内涵、发展愿景和建设目标。国家数据基础设施是一个“供得出、流得动、用得好、保安全”的数据安全流通环境。
从资源型基础设施的发展规律来看，水、电、燃料的规模化使用离不开供给、流通、利用三个环节的紧密协同。水厂连着管网到用户、电厂连着电网到用户、炼油厂通过油气管道和加油站服务用户。三者相互支撑、协同布局，共同构成资源型基础设施高效运转的完整体系。
当前国家数据基础设施建设中，流通环节和利用环节已有进展。流通环节方面，2024年底明确了国家数据基础设施的概念内涵和建设目标，各类数据基础设施试点示范、工程建设项目如火如荼进行。利用环节方面，2025年10月国家数据局印发《关于在国家数据基础设施建设先行先试中加强场景应用的实施方案》，推动数据基础设施从“建得好”向“用得好”转变。
然而在供给环节——面向AI大模型训练推理的高质量数据集规模化生产设施建设——仍是薄弱环节，亟需布局。数据工厂正是对这一短板的系统性回应。
数据工厂作为基本单元——每个数据工厂都是一个“微型”数据基础设施
数据工厂本质上就是数据基础设施的最小组成单元。每一个数据工厂就是一个“微型”的数据安全高效流通环境。它通过数据编织、密态计算、隐私保护计算等数据安全流通技术，构建起数据安全流通环境，并从数据采集汇聚的源头做起，通过研发突破数据清洗、标注、增强、检测等核心数据技术，创新形成以高质量数据集为主的数据产品和服务。
从广义视角来看，数据工厂的生产流程覆盖了数据产业全部六种形态——数据资源企业、数据技术企业、数据应用企业、数据服务企业、数据安全企业和数据基础设施企业。数据工厂是数据产业的综合产业形态，对加快打造独立数据产业形态、为数据要素化价值化形成全面产业支撑具有重要意义。
当众多生产高质量数据集的数据工厂建设起来，并通过“三统一”标准规范实现互联互通后，横向联通、纵向贯通、协调有力的国家数据基础设施就形成了。从这个意义上说，数据工厂的普及程度，直接决定了国家数据基础设施的完备程度。
四级部署策略——数据工厂与国家数据基础设施的协同布局
报告提出了清晰的四级部署策略，将不同功能的数据工厂部署在国家数据基础设施的不同层级。
在底座部署通识数据集数据工厂。由国家数据主管部门统筹规划、国家数据集团负责建设运营，体现国家意志和战略导向。投资以中央财政资金、国有资本投入为主。服务对象面向全国范围的基础大模型开发者、通用型应用服务商，以及有国家战略需求的重点领域和重大项目。
在区域重要功能设施部署区域通识数据集数据工厂。由地方省级数据主管部门统筹规划，地方数据集团或省级平台机构牵头建设，体现各地资源特点和产业优势。投资以地方财政资金、省级国有资本投入为主。服务本地区的基础大模型开发者和各类应用主体。
在行业重要功能设施部署行业通识数据集数据工厂。由行业主管部门统筹规划管理，行业协会和行业骨干企业、科研院所共同建设，形成政产学研协同格局。投资以政府引导基金、国有资本为主，鼓励社会资本参与。服务本行业的垂域大模型开发者和中小企业。
在各业务节点部署行业专识数据集数据工厂。由行业龙头企业、专业机构、产业园区运营主体等具备行业数据资源和专业能力的主体建设运营。投资以企业自筹资金为主，鼓励引入社会资本。服务本业务领域的智能体开发者和垂直大模型开发者。
数据工厂建设的政策路径——四个方向的系统保障
数据工厂作为国家数据基础设施的关键构成，其建设需要政策、标准、技术、平台四方面的系统保障。
政策层面，建议加快出台《关于促进数据工厂新业态创新发展的指导意见》，明确功能定位、建设主体、运营模式和支持政策。加大数据资源供给，在政府采购中增列数据采购预算。启动人工智能训练场建设，形成“数据生产—模型训练—应用反馈—数据迭代”的良性循环。
标准层面，建议启动数据工厂相关标准研制，构建覆盖数据资源汇聚、数据集生产、质量评估、AI应用的全链条标准体系。重点包括《国家数据基座 行业数据资源汇聚目录规范》《国家数据工厂 参考架构标准》《高质量数据集 质量评估指标体系》等。
技术层面，建议将数据工厂关键技术纳入国家科技计划支持范围，重点突破非结构化数据采集、海量数据存储管理、智能化数据加工、数据集质量评估四大核心技术瓶颈。
平台层面，建议建设数据资源汇聚平台、数据集生产平台、统一数据流通基础设施和人工智能训练平台四大支撑平台，为数据工厂高效运转提供平台保障。
