数字发展全球研报｜数据资产价值：AI 与 web3 双轮驱动

数字发展全球研报第三卷第 15 期（2025/4/7-2025/4/13）

本期综述 AI 与 web3 双轮驱动数据资产价值相关内容，供参考。

目前数据资产管理和开发利用中存在一些众所周知的痛点。数据质量问题，数据可能存在错误、偏差或不完整的情况如在数据录入过程中出现人为失误，或者传感器采集数据时出现故障导致数据不准确，这会影响数据分析结果的可靠性；在不同系统或部门之间，数据可能存在不一致的现象，如销售部门和财务部门对同一产品的销售数据记录不同，这会给企业决策带来困扰；数据更新不及时，导致依据过时数据做出的决策与实际情况不符，如市场数据变化迅速，如果企业不能及时更新相关数据，就可能错过市场机会或做出错误的市场策略。

数据安全与隐私保护问题，数据面临着网络攻击、数据泄露、恶意篡改等安全威胁，黑客可能会攻击企业的数据库，窃取敏感信息，给企业和客户带来巨大损失；在数据开发利用过程中，如何保护个人和企业的隐私是一个重要问题，如在利用用户数据进行精准营销时，需要确保用户的个人信息不被泄露和滥用。

数据管理与整合问题，企业内部不同部门或系统之间的数据相互独立，难以共享和整合，如生产部门的数据存储在一个系统中，销售部门数据存储在另一个系统中，这导致数据无法得到全面的分析和利用；随着数据量的不断增加，数据管理的成本也在不断上升，包括存储成本、维护成本、人力成本等；企业需要投入大量的资源来管理和维护数据资产；元数据是描述数据的数据，如数据的来源、定义、格式等，如果元数据管理不善，会导致数据理解和使用的困难，降低数据的可用性。

数据价值挖掘问题，企业可能缺乏专业数据分析和挖掘技术人才，或者没有合适技术工具和平台，难以从海量数据中提取有价值的信息；数据分析人员对业务需求的理解不足，导致分析结果无法满足业务部门的实际需求，无法将数据价值转化为实际的业务价值；难以准确评估数据资产的价值，这会影响企业对数据资产管理和开发利用的投入决策，也不利于数据资产交易和流通。

一、数据资产需要 AI 与 Web3 双轮驱动

原因在于二者能在挖掘数据价值、保障数据质量与安全等方面发挥各自优势，形成互补。如果把数据资产当成是一列火车，那么 AI 为其提供强大动力，而 Web3 为其提供先进轨道网络。

挖掘数据价值方面，可以说只有用 AI，才有可能真正对海量数据进行数据分析和处理。通过机器学习、深度学习等算法，AI 能够对海量的数据资产进行挖掘和分析，深入挖掘发现数据中的隐藏模式、关联关系和趋势。例如在客户关系管理中，AI 分析客户的行为数据、消费记录等，预测客户的需求和购买意愿，从而实现精准营销和个性化服务，提升客户满意度和企业的经济效益。

通过去中心化网络架构和智能合约技术，能够实现数据高效共享和流通。在 Web3 环境下，数据资产可以在不同的主体之间进行安全、可信的共享与流通，真正从技术架构上打破数据孤岛，拓展数据的应用场景。例如通过区块链技术可以将供应链上各参与方的数据进行整合和共享，为金融机构提供更全面、准确的信息，从而优化信用评估模型，降低融资风险，提高融资效率。

推动数据资产的创新应用方面，不断发展的 AI 技术为数据资产的应用提供了更多的可能性，甚至可以说是数据资产应用的必由之路。例如生成式 AI 可不断优化训练数据生成文本、图像、音频等多模态内容，为创意产业、教育培训甚至各行各业带来全新发展机遇；强化学习 AI 可以通过与环境交互不断优化自身的决策策略，在机器人控制、自动驾驶等领域具有广泛的应用前景。

Web3 为数据资产确权和使用提供了可靠解决方案。例如去中心化身份（DID）技术可以让用户更好地掌控自己的数据权益，自主决定数据的共享和使用方式，从技术上保障用户的隐私安全和数据权益；Web3 还为数据资产的交易和流通提供了一个可信、开放、智能市场环境，促进了数据资产的价值实现和创新应用。

保障数据质量与安全方面，AI 可真正确保数据质量的监控和提升。通过数据清洗、异常检测等技术，AI 能够自动识别和处理数据中的错误、缺失值和异常数据，不断提高数据的准确性和完整性。同时 AI 还可以通过建立数据质量评估模型，对数据的质量进行实时评估和预测，及时发现潜在的数据质量问题并采取相应的措施进行改进。

区块链技术具有不可篡改、可追溯的特性，为数据资产的安全提供了有力保障。数据一旦上链，其来源和历史记录将被永久保存，无法被轻易篡改，确保了数据的真实性和完整性。Web3 还通过加密技术和分布式账本技术，实现了数据的去中心化存储和管理，降低了数据被单点攻击和泄露的风险。

提升数据管理效率方面，AI 可以实现海量数据管理的自动化和智能化。通过自动化数据采集和标注工具，AI 可以大大提高数据收集和预处理的效率。AI 还可以根据数据的使用频率、重要性等因素，自动对数据进行分类和存储，优化数据的存储结构，提高数据的访问速度和管理效率。

Web3 智能合约技术可以实现数据管理流程的自动化和规范化。智能合约可以自动执行数据共享、授权、交易等操作，减少人工干预，降低操作风险和成本。基于 Web3 开源开放体系，所有参与方都可以查看和验证合约的执行过程，提高了数据管理的透明度和可信度。

二、企业应如何构建数据资产的 AI 与 Web3 双轮驱动体系？

企业需要从战略规划、技术架构搭建、数据治理、人才培养等多个方面入手，构建数据资产的 AI 与 Web3 双轮驱动体系。

制定战略规划。企业要真正贯彻落实数据资产长期发展战略目标，并把 AI 与 Web3 技术如何助力实现这些目标体现在这个战略中，切实解决提高数据处理效率来降低成本问题，切实落实利用新技术创造新的商业模式和新的收入来源。

同时，企业全面审视企业当前的数据资产状况，包括数据规模、类型、质量、存储方式以及现有的数据管理和应用水平，结合目标和现状制定详细的实施计划，明确各个阶段的任务、时间节点和预期成果。

搭建技术架构。构建强大的 AI 计算平台，配备高性能的计算硬件，如 GPU 集群，以支持复杂的机器学习和深度学习算法的运行；或者也可有效利用现有的算力基础设施网络来调用所需算力。选择合适的 AI 框架如接入 DeepSeek 等，并建立相应的模型开发、训练和部署流程。

搭建 Web3 基础设施，包括区块链节点的部署、智能合约的开发与部署环境等。选择适合企业需求的区块链平台包括自建或与其他生态企业共建等，并确保与企业现有的系统和数据能够有效对接。结合区块链的分布式账本技术确保数据的安全、可靠和可追溯，同时利用传统的数据库管理系统进行数据的结构化存储和查询，以满足不同应用场景的需求。

开发数据接口和中间件以及各类工具，实现数据在 AI 计算平台、Web3 基础设施和企业其他业务系统之间的无缝流通和交互，确保数据的格式转换、安全传输和一致性维护。

建立数据治理体系。贯彻各种数据标准要求，制定统一的数据标准和规范，包括数据的定义、分类、编码规则、质量标准等，确保企业内不同部门和系统的数据具有一致性和可比性。建立数据质量监控和评估机制，利用 AI 技术进行数据清洗、异常检测和质量提升；同时通过 Web3 的不可篡改特性，确保数据质量的相关记录和审计信息的真实性和完整性。

利用 Web3 智能合约技术，明确数据资产持用权、使用权和收益权等各项权益，实现数据资产的可信授权、管理和使用，减少人工干预和潜在的风险。采用加密技术、访问控制、零知识证明等手段，保障数据资产在 AI 与 Web3 环境下的安全和隐私。

培养和引进专业人才。加强内培训和研讨，提升员工对 AI、Web3 和数据资产的认识和理解，鼓励员工学习相关技术和知识，培养跨学科的人才队伍；同时建立合理的人才激励机制，如股权激励、绩效奖金等，吸引和留住优秀的专业人才，鼓励员工在技术创新和业务应用方面发挥积极作用，为企业的发展贡献力量。

根据需要吸引招聘具有 AI、Web3 和数据管理经验的专业人才或与之建立相应合作，充实企业的技术团队，为企业的双轮驱动体系建设提供专业支持。

推动业务应用与创新。分析企业业务流程，寻找 AI 与 Web3 技术能够优化和改进的环节。如利用 AI 的预测能力优化供应链管理中的库存控制，通过 Web3 实现供应链上各参与方之间的数据共享和协同。通过试点项目的实践，积累经验，发现问题，不断优化和完善体系架构和应用方案。

在不断试验和优化基础上，基于数据资产和 AI、Web3 技术探索新业务模式和商业机会。例如，基于优势业务生态相应开发去中心化供应链或会员体系，让企业能够在安全、可信的环境中进行数据交易和共享，创造新的收入来源。

建立合作与生态体系。与同行业企业、上下游以及其他技术、金融、合规等服务合作伙伴建立合作关系，共同探索 AI 与 Web3 在数据资产领域的应用，通过具体合作项目，共享技术、数据和经验，共同推动行业的发展；与高校、科研机构开展产学研合作，共同开展技术研究、人才培养和项目实践。借助高校和科研机构的科研力量，为企业的技术创新提供理论支持和前沿技术指导。

积极参与 AI 和 Web3 相关的技术社区和开源项目，与全球的开发者和研究人员进行交流和合作。通过贡献代码、参与讨论等方式，跟踪行业最新技术动态，获取技术支持和资源。

随着作为开源、高效、高质量、低成本的 DeepSeek 的横空出世，正在深刻改变企业的数字化转型路径以及去中心化应用的生态格局，改变企业价值实现方式和风险管理模式。DeepSeek 为企业数字化业务系统提供了新引擎方面展现了强大的能力，能够实现工作流程的自动化，提升数据管理和分析能力，同时确保数据隐私和合规性。在去中心化应用方面，DeepSeek 降低了开发和运营成本，促进了合规运营，推动了产业融合。

DeepSeek 还通过开源特性、优化的架构和创新的训练策略，极大降低了中小企业（其实也包括大型企业）AI 私有化部署的成本，提高了本地知识库的搭建效率和运营质量，推动了 Web3 应用与实体经济的结合。未来，随着技术的不断发展和应用的深入，AI 与 web3 的紧密融合将为企业和社会数字化转型，为企业真正实现数据驱动业务提供更大的动力和可能。

主编 丨 张烽

出品 丨 数字治理研究 / 万商天勤