作为一名市人大代表，北京理工大学教授、博士生导师，计算机学院副院长李冬妮长期关注人工智能与新型工业化相关主题。一段时期以来，她调研了不少数字化转型成效显著的企业、技术成熟的AI企业及数字化服务商，发现了一些制约企业人工智能落地的痛点和难点。

李冬妮发现，满足行业共性特征、企业个性需求、场景快速适配等行业深水区的人工智能应用场景仍有待挖掘，尚未形成垂直化、专业化的大范围落地应用。数据要素价值并未充分释放，数据的持有权属、授权管理、流通交易等关键机制尚未明确，影响人工智能发挥赋能作用，制约数据要素的应用效能。

对此，她建议，要重视行业机理的沉淀、积累和总结，推动行业领域知识的软件化和模型化。加快以细分领域垂类大模型为引领的人工智能应用渗透，鼓励行业领军企业研发布局低门槛、易使用、高能效的工业人工智能平台，全面深化人工智能赋能新型工业化。深入推进“人工智能+”行动，梳理人工智能推动行业转型升级的多元任务场景和系统解决方案，形成高价值场景清单，着力打造一批示范性强、受益面广、显示度高的典型人工智能产品。

她还发现，不同企业之间的跨领域合作，必然要涉及到数据流通与共享，但一些关键生产数据较为敏感、不易获取，严重制约了数据集成和模型训练效果，这也是北京开展“人工智能+”行动计划需要破解的一个堵点卡点。

在她看来，“与传统的市场流通要素不同，数据要素的独特在于其虚拟性，以及可改变、可复用等特征。目前，数据确权和交易仍缺乏明确的法律法规依据和统一的操作规范，进而影响企业参与数据要素流通的积极性和信心。”

“例如，一家新能源汽车企业想要为新产品设计研发一款人工智能模型，需要用大量的业务数据、生产数据去训练AI模型。对于车企来说，这些数据很可能涉及核心工艺和商业机密，如何让车企放心大胆地将数据交给AI企业？数据共享之后，数据的所有权如何确定？商业机密如何保障？这些都是我们亟待解决和规范的问题。”李冬妮说。

李冬妮建议，首先要夯实数据流通的制度基础，加大力量破解数据确权难题，加速规范数据所有权、使用权、收益分配等多方利益主体的责权利内涵与边界。建议优先在确权需求大、场景相对清晰的范围内进行试点示范。

她还建议，要积极推动数据基础设施建设，促进数据有序流通。建立数据要素分级分类、动态灵活的定价标准，确保数据在市场中的公允定价。

文/北京青年报记者 蒋若静

编辑/彭小菲