沈昌祥院士警示：
AI 狂飙时代，
为什么我们急需可信数据空间？
让数据要素有效流通 让数据资产持续增值
前言
2026 数博会 “AI + 可信数据空间建设” 论坛上，中国工程院院士沈昌祥带来主题演讲《构建安全可信数据空间 促进数字经济高质量发展》。当下大模型快速迭代，算力投入动辄千亿级别，但很多人忽略一件事：如果数据源头不可信，再强的算力、再先进的算法，都可能埋下巨大风险。
今天我们就读懂数字经济时代的机遇与现实隐患，搞懂可信数据空间诞生的底层逻辑。
从农业、工业到数字经济：
大数据是待开采的 “数据矿山”
人类社会历经农业经济靠耕地、工业经济靠蒸汽机，电子计算机问世之后，正式迈入数字经济的发展阶段中国工程院。
数据的形态也一路演进：从早期文件系统、数据库，发展到数据仓库；大量废弃、散落的数据汇集，就形成了大数据。
沈昌祥院士特别厘清一个认知误区：大数据不等于体量巨大的普通数据库。大数据是一堆交织混杂、缺少语义逻辑的海量集合，属于低价值的矿源，不能拿来直接使用，需要像挖矿一样，经过开采、筛选、提炼，才能变成可服务 AI 的原料。把矿山原料加工成高质量数据集，再经过预训练，才能产出可用 AI 产品，最终构筑数字化社会的基础设施。
这里要纠正一个认知：数据空间不是某一套软件系统，它是多方参与的社会级基础设施。国家数据局发布《可信数据空间发展行动计划（2024—2028 年）》，正是站在国家层面布局这一类新型基础设施。
AI 最大隐忧：
数据不可信，会带来系统性风险
大模型发展有三大核心要素：算力、数据、算法。如今国内大模型算力投入动辄千亿规模，但行业普遍把焦点放在算力与算法，往往低估 “可信数据” 的决定性作用。
院士引用马斯克曾经发出的警示：人工智能缺少安全可信保障，会存在极高风险，其危害堪比核战争。大模型本身属于黑盒迭代机制，如果输入的数据本身失真、不可靠，就会源源不断产生 “AI 幻觉”，输出错误结论。算力再强，没有可信数据集作为底座，AI 越强大，潜在风险反而越大。
所以，做大 AI 产业，不能只比拼参数与算力，必须同步建立安全可信的理论、核心技术与工程落地体系，守住数据源头的可信度。
