2026年5月，国家数据局发布了第二批公共数据"跑起来"典型案例，一批智能网联汽车融合应用场景成功入选。这是国家层面对车路云一体化和智慧交通数据融合创新实践的高度认可，也释放了一个明确的信号——当数据上升为"生产要素"，当智能网联汽车成为数据密度最高的移动终端之一，我们曾经谈论的那些"停车难、堵车烦、事故多"的出行痛点，有没有可能被数据这把钥匙打开？
国家数据局为数据"定调子"
讲数据，绕不开一个机构——国家数据局。
2023年10月国家数据局挂牌成立，到2025年底基本构建起"531"工作体系（五大政策体系、三大基础设施、一套市场化配置机制）。到今年5月，这个机构已经运行了两年半。在这两年半里，数据从"很多人在说但没人在做"的概念，变成了有国字号机构统筹、有政策文件护航、有交易市场支撑的新型生产要素。
"数据二十条"（《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》）确立了数据产权"三权分置"——持有权、使用权、经营权分置改革。国家数据局联合17部门印发的《"数据要素×"三年行动计划（2024—2026年）》，明确了12个重点行业，交通运输赫然在列。今年两会政府工作报告明确提出"数据要素潜力加快释放"，国家数据局随即部署2026年重点工作：培育全国一体化数据市场，强化数据赋能人工智能发展。
对于智能网联汽车和智慧交通行业来说，这意味着每一辆在路上跑的网联车、每一个路侧感知设备、每一秒产生的轨迹数据，都不再是"沉睡的资产"。它们正在被重新估值。
可信数据空间让数据"可用不可见"
数据要流通，但数据又不能随便给。这是行业最核心的矛盾。
一家车企积累了大量智驾测试数据，但这部分数据涉及核心研发、涉及测绘资质、涉及用户隐私。共享出去？怕泄密。不共享？行业做不大。死结怎么解？
国家数据局给出的答案是：可信数据空间。
去年，国家数据局发布了《可信数据空间发展行动计划（2024—2028年）》，首批遴选了63个试点项目，覆盖企业、行业、城市三类。今年4月，在数字中国建设峰会上，国家数据局局长刘烈宏对可信数据空间做了一段精彩阐述，标题就叫"可信数据空间的生命力"。
核心数据令人印象深刻：试点数据空间的开放量半年时间实现翻番，超过3000亿条公共数据通过数据空间授权使用。在汽车行业，有的数据空间半年开放研发、测试、碳排放、事故等数据资源超过18PB——相当于近4万部高清电影的体量。
其中的标杆项目，是智能网联新能源汽车行业可信数据空间。这个空间接入了数十家整车厂、零部件企业和科技机构，汇聚超十万个智能驾驶训练与测试场景数据。到目前，累计发布了14期行业开源数据集，其中最引人关注的是端到端自动驾驶开源数据集，涵盖125万组图像与点云数据，支持动静态融合与点云分割任务。
这个数据空间有两个落地的场景特别值得关注。
一个是智驾事故分析。L2+和L3级智能驾驶的事故分析极其复杂，谁的责任往往说不清楚。数据空间打通了驾驶行为、车辆状态与智驾系统数据，实现了跨主体的安全分析。目前这套方案已接入约10万辆智能网联汽车，支撑交管快速查勘与保险高效理赔。今年4月，北京在全国率先启动了智能网联新能源汽车商业保险的开发应用，背后支撑的正是可信数据空间的数据流通能力。
另一个是车桩协同优化。数据空间打通了车、桩、电网的数据链路，已覆盖全国31个省区市，接入充电桩1440万台、换电站超3700座。充电桩的利用率提升了15%到20%，部分运营商一年节省成本数百万元。
刘烈宏在演讲中有一个判断值得我们反复回味："可信数据空间的生命力在于构建高价值场景的数据价值开发利用的商业闭环，只有形成可持续的价值共创机制，才能吸引更多主体从旁观者转变为合伙人。"
自动驾驶数据集是AI训练的"燃料"
智能驾驶是数据"喂养"出来的。没有高质量的数据集，就没有高水平的自动驾驶。
DAIR-V2X是全球首个面向车路协同的真实场景自动驾驶数据集，由清华大学智能产业研究院（AIR）联合北京车网等单位发布。这个数据集提供车端和路侧的双重视角数据，涵盖3D目标检测、时序感知、轨迹预测等核心任务，向境内用户免费开放下载，目前累计下载量已接近4万次。
在北京亦庄，北京市高级别自动驾驶示范区已经走过了1.0到3.0阶段，实现了600平方公里设施智能化部署，累计汇聚多源数据超7PB。北京车网把这些数据变成了一个个"数据金块"：Dair V2X数据集服务算法研发，感知专项数据集支撑模型训练，预训练数据集拥有车端和路侧双重视角、超过50万帧标注图片和超过10万条动态工况视频。有一个数据很能说明问题：针对车辆目标识别，应用预训练数据集训练后，准确率从70%提升到了90%以上。
长三角同样动作频频。上海数据交易所已有多款智能驾驶数据产品挂牌交易，张江科学城的数据标注产业园正在形成集聚效应。苏州高铁新城依托车联网先导区，推动路侧感知数据的标准化治理和流通——标准化是关键词，没有统一的数据标准，再多数据也只是"数据垃圾"。
全国各地都在加速布局数据标注基地和数据资源池建设，构建从数据采集、汇聚、治理到流通的全链条闭环。数据显示，仅2025年，全国数据生产量达到52.26泽字节（ZB），同比增长27.28%，占全球数据生产总量约27.44%。中国已稳坐全球数据资源第一大国，如何把这些规模优势转化为产业优势，是当前最紧迫的命题。
数据安全是快速奔跑的同时，别忘了系好安全带
数据带来的不只是价值，还有风险。
一辆智能网联汽车每天产生的数据量在TB级别——位置轨迹、车内影像、驾驶习惯、生物特征……这些数据一旦泄露，后果不堪设想。
四维图新的案例入选了国家数据局第二批数据流通安全治理典型案例，为解决"数据安全与流通之间的平衡"提供了一个可参考的方案。作为具备导航电子地图制作甲级测绘资质的企业，四维图新联合车企、智驾供应商和云厂商，构建了一套"合规化处理+场景化供给"的智驾数据闭环流通体系。核心做法是：在车端部署安全合规SDK，实现敏感信息实时脱敏；数据传输采用商用密码端到端加密；云端部署一站式脱敏工具；搭建数据安全监管平台，全流程留痕。关键是坚持两个原则："原始数据不出域"和"数据最小必要"。这套方案已应用于数十家主流车企和智驾企业。
与此同时，行业标准体系建设也在提速。北京车网参与发布了《车路云一体化系统数据分类分级指南》团体标准以及全国首个面向测试示范区的数据分类分级白皮书，为数据安全管理提供了范本。
今年2月，工信部等八部委联合发布《汽车数据出境安全指引（2026版）》，从国家层面进一步规范了汽车数据跨境流动的安全管理。数据安全已经从企业自发的动作，变成了全行业、跨部门的制度约束。
数据交易市场正在"暖起来"
数据交易，过去几年一直有些"雷声大雨点小"。但最近的变化确实让人振奋。
2025年9月，北京国际大数据交易所成立了国内首个交通建设数据要素服务中心，由中国交通信息科技集团与北数所联合发起。截至2025年11月，北数所场内交易额同比增长109%，累计发放数据资产登记证书超600张。北京亦庄的危险工况及事故场景库已在北数所、西部数据交易中心、阿里云云市场等多平台上架，数据从"免费公开"向"挂牌交易"转变，是一个里程碑式的变化。
上海数据交易所同样在积极布局。海南华铁与其合作成立了设备运营及智算数纽中心，启动了全球首个设备运营RDA项目。2025年"数据要素×"大赛上，上海金润联汇公司依托可信数据空间联动部省市三级多源数据，构建了覆盖"人、车、路、环境"的数据资源池，形成了差异化产品体系。
在西南地区，西部数据交易中心也正围绕智能网联汽车数据产品开展探索，推动了数据跨区域流通。深圳数据交易所则在探索基于隐私计算的数据流通模式，让数据"可用不可见"在交易环节真正落地。
一个重要的顶层信号是：国家数据局正在推动培育全国一体化数据市场，打通数据在各个交易所之间的流通壁垒。如果这一步走通了，数据将真正像水和电一样跨区域自由流动。
一个融会贯通的展望
把前面这几条线串起来，可以看到一幅越来越清晰的图景。
数据集是基础——从DAIR-V2X到北京亦庄的预训练数据集，从14期行业开源数据集到各地数据标注基地的加速建设，中国在智能网联汽车数据资源的积累上已经走在了世界前列。但"有数据"不等于"用好数据"，标准化治理是下一道门槛。
数据安全是底线——从四维图新的闭环脱敏方案，到八部委联合发布的出境安全指引，再到数据分类分级团体标准的发布，安全这根弦一刻没有松过。安全不是发展的对立面，而是可持续发展的前提。
可信数据空间是桥梁——它解决了"不愿、不敢、不会"共享数据的行业痛点。63个试点项目、半年开放量翻番、超3000亿条公共数据授权使用——这些数字说明，数据空间不是概念，而是正在落地的实践。从北京到长三角，从西南到粤港澳，各地都在探索符合自身产业禀赋的数据空间路径。
数据交易是引擎——北京、上海、重庆、深圳……各地数据交易所的活跃度在提升，数据产品从"免费公开"向"挂牌交易"转变，市场化的定价和分配机制正在形成。今年国家数据局部署的重点工作任务中，"培育全国一体化数据市场"被放在了突出位置。
回到文章开头那个问题：数据能不能解决我们的出行痛点？
从北京亦庄的信号灯优化实践来看，答案是肯定的。利用车路云一体化数据赋能信控优化、实现绿波通行，已经在经开区的多条主干道上落地。当每个交通参与者的连续、高频轨迹数据被实时分析和调度，城市交通的精细化治理就不再是空话。
从行业层面的探索来看，答案同样是积极的。当"数据孤岛"被打通，路侧感知数据、车辆运行数据、交通设施数据在可信环境下协同运算，整个交通系统就可以像有机生命体一样协同运转。这不是科幻，而是已经在多个城市落地的现实。
当然，路还很长。刘烈宏在峰会上也坦言：部分可信数据空间"重建设、轻应用"，数据跨域流通仍有堵点，空间之间的互联互通还不顺畅。这些都是需要行业共同攻克的难关。
但方向已经明确，路已在脚下。数据不是万能的，但没有数据的自动驾驶和智慧交通，是万万不能的。
