日前，数字中国建设峰会上的杭州趣链科技股份有限公司（以下简称“趣链科技”）展台前“可信数据空间”被放在显眼的位置。会场之外，一组数据正在被业内广泛讨论，4省、11城、98%，这是一家成立近10年的科技公司写在2026年春天的“成绩单”。
“数据要素已经从‘确权、入表、登记、平台搭建'，走到‘流得动、用得好、能增值'这一步。”在主题为《可信·互惠·共生——促进数据要素流通的新生态》的演讲中，趣链科技董事长李伟博士这样判断。在他看来，数据要素的拐点已经到来：现在最大的问题，不是数据值不值钱，而是如何让这些值钱的数据真的流起来。
在李伟对可信数据空间在多省多市的落地、到AI高质量数据集公共服务平台的护城河，再到数字化下沉到一家山西铸造厂车间的故事分享过程中，数据要素下半场的另一种解题思路也在逐渐变得清晰。
流通才有市场
在回顾行业发展的过程中，李伟谈道：“过去这些年大家讲数据，更多停留在‘看得见、管得住’的层面，但数据没有真的动起来，就只是资产负债表上一个静态的科目。”
资源化、资产化、流通化，是李伟在演讲中给出的三个阶段划分。前两个阶段，行业用了十年把“数据值钱”这件事讲清楚；而第三个阶段——流通化——刚刚开始。
根据中国信息通信研究院发布的《数据价值化与数据要素市场发展报告（2023年）》，我国数据流通交易仍以场外交易为主，场内交易尚在加速推进。
“流通才能形成市场，价格是市场决定的、是交易撮合形成的。”李伟直言，目前数据交易场内仍然相对场外较少的情况本身透露出了，流通环节有多难的现状。
把“难”字拆开解读，李伟用了三个关键词：信任、协同、分配。“信任，可以靠技术手段、法律法规得以解决；市场中也存在多元化的分配方式；最难的是协同。”他解释，协同是N对N的关系，“协同难度并不是线性增长，而是指数级增长。”
但这件难事，又是数据要素必须迈过的坎。“数据最大的特点是，网络越大越有价值，而且这个价值同样不是线性的，可能是指数级的。”正是因为价值与复杂度都呈指数级增长，协同成为数据要素下半场最不能绕开的命题。
可信数据空间背后的硬实力
据悉，趣链科技的城市级可信数据空间，已经形成了一组代表硬实力的数字，权威测评通过率98%、建成区域功能节点4省、建成城市可信数据空间11城、互联互通测试技术支撑省市13个。
当被问及这些数字背后的门槛时，李伟没有先讲技术，而是先讲了三条更基础的逻辑。
“第一条很现实，是持续投入能力。”他说，“做新东西免不了试错，没有稳定的研发投入和资源支持，很难真正走到产业落地。第二条是人才梯队。趣链科技重视复合型人才培养与产学研用深度融合。第三条，也是我觉得最关键的一条，就是市场判断。”
李伟补充表示真正决定一家科技公司能不能走得长久的，是有没有抓住市场发展的大方向。“我们始终想做有价值的东西，要做就要产生社会效益，或者经济效益，这两者一定都要做起来，企业才能不断自我造血，实现良性循环。”
什么样的成效可以算得上两者兼有呢？以趣链科技搭建的医疗可信数据空间为例。医数智保平台依托当地卫健部门的医疗数据，借助连接器、数据沙箱、授权组件等核心组件，跨行业、跨地域打通保险全生命周期。从演讲披露的数据看，这一平台已经在3地正式运营、10多个地区即将上线，并在1省8地完成探查；理赔时效由15—30日缩减至3—5日，单案审核平均成本由80—120元降至20—30元，企业赔付率下降3%—5%、核保准确率提升至30%以上、客户满意度由60分提升至90分。
数据要素正在“长出”应用
李伟用了一个接地气的案例对应用层的进展进行介绍，“我们遇到了一家二三十年的老铸造企业，做砂模、铸件、铸铁，是特别传统的行业。如果一开始就要做智能制造的业务，并不现实，但我们可以共创。”
在这个案例中，趣链科技的技术人员在车间陪着工人重新梳理产线，出仓、入仓、转运，原本中间有不少时间被浪费掉，靠着对工序和动作的数据统计，把流水线做了一次重新整合，交货时间从原来的13天、14天压到了2天。
更细节的是，是刀头管理。“原来都是按厂家说明书三天一换。但通过对生产数据的持续记录和分析，你会发现，不同地方的温度、湿度以及工厂的加工强度都不一样，到了第30个零件就已经不能用了。我们基于实际数据调整更换节奏后，次品率就从原来的2%—3%，降到0.2%—0.3%。”
“这些数据看起来‘笨'，但对一家制造企业意味着什么，做工厂的人都懂。”李伟说，趣链科技愿意跟车间共创。
他同时列出了两组已经“跑”起来的数据来说明上述问题。
第一个故事发生在重庆。趣链科技与重庆市公积金中心、多家商业银行共建的公积金银政数据协同平台，把公积金中心和银行端的核心业务数据上链存证、共识共享。截至2025年8月，这一平台已承载663万笔公积金业务和近3000万笔银行创新金融服务。“这就是公共数据授权运营的一种典型形态。”李伟说。
第二个故事则提供了垂直纵深的样本。趣链科技参与建设的口腔专科高质量数据集，整合了X光、CBCT、口扫、口内照与临床病理数据，支撑AI健康评估、智能识别分析与个性化报告生成。5秒可完成30+口腔检测项目识别。
“这些案例其实都是同一套打法，先在一个垂直行业把数据集和平台跑通，再形成可复制的方案。”李伟说，“如果不能复制，那对一家企业而言就只是个故事，没有商业价值。”
AI高质量数据集的护城河
李伟在演讲中还亮出了趣链科技在AI侧的另一张牌——AI高质量数据集公共服务平台。
“现在大家都在讲，大模型从‘卷参数’转到‘卷数据’。”李伟复盘了趣链科技在大模型时代的卡位逻辑，“我们自己不做大模型，但谁来给大模型提供高质量、合规、可持续的数据集，这是一个必须被认真回答的问题。”
围绕这一需求，趣链科技的平台已覆盖数据采集、预处理、标注、质检、模型验证到版本迭代的全流程，可支撑千亿Token级数据集生产迭代，将数据处理流水线自动化程度提升85%，把数据集版本迭代周期缩短至3—5天，并在部分场景中带动模型F1分数提升10%—25%。
具体到这套平台的护城河，他给出了三条。
第一，是扎实的底层基础设施自研能力。“区块链、隐私计算听上去已经不是什么新概念，但一旦上生产线，性能、隐私、安全要求就完全不同。如果一部分自己做、一大半外采，出了问题谁来兜底？”在他看来，这正是国产自主可控的真正含义。
第二，是中台能力。区块链与隐私计算之外，数据交互平台、数据运营平台、AI+Data平台是趣链科技近几年积累的看家本事，再叠加垂类大模型的优化、定制、调优能力，以及全生命周期的设计、管理与产业对接能力，构成一整张体系。李伟透露了一个市场份额，“今年已开展的互联互通测试支撑省市，我们参与支撑约半数。”
第三，是接地气。“我们关注的就是能持续复制的场景——金融、能源、医疗、工业制造业。这些行业不会一夜之间长出来，但只要跑通，复制起来就特别有价值。”在他看来，和客户、合作伙伴一起共创，再把方案复制到行业，这才是趣链科技的真正价值所在。