麥肯錫全球研究院發布的一份重磅報告指出，人工智能（AI）的發展正逼近一個關鍵的“最后突破階段”。這一階段并非意味著技術探索的終結，而是預示著AI將從實驗室和有限場景的試點，邁向大規模、深層次的社會經濟融合與應用爆發期。在這一歷史性進程中，報告特別強調，高質量、易獲取的人工智能公共數據，正成為推動這一突破不可或缺的基石與加速器。
一、何謂“最后突破階段”？
麥肯錫報告所定義的“最后突破階段”，核心在于AI技術成熟度與應用壁壘的消除。此前，AI在算法模型（如深度學習）、算力基礎設施等方面已取得長足進步，但在廣泛落地時仍面臨數據、成本、信任和集成等多重障礙。當前，這些障礙正在被快速攻克：
- 技術民主化：開源框架、云服務和預訓練大模型的普及，極大降低了AI開發與部署的門檻。
- 成本下降：算力成本持續降低，邊緣計算等模式使得AI應用更加經濟可行。
- 生態成熟：圍繞AI的開發者社區、行業解決方案和投資生態日益繁榮。
報告認為，跨越這些障礙后，AI將像電力或互聯網一樣，滲透到各行各業，驅動全要素生產率的顯著提升。
二、公共數據：突破階段的“燃料”與“軌道”
技術的普惠并不自動帶來價值的普惠。AI，尤其是需要大量數據進行訓練和優化的模型，其效能高度依賴于數據的規模、質量和多樣性。在此背景下，人工智能公共數據的價值被提到了前所未有的戰略高度。
- 創新的“燃料”：公共數據，如政府公開的統計數據、地理空間信息、科學文獻、公共醫療影像、交通流量數據等，具有覆蓋面廣、權威性高、歷史序列長的特點。它們為AI模型提供了豐富、多元的訓練素材，能夠幫助AI更好地理解復雜的社會運行規律，催生更智能、更普適的解決方案。例如，利用城市交通流量公共數據訓練的AI，可以更精準地進行交通疏導和城市規劃。
- 公平的“軌道”：私營部門的數據往往存在壁壘，可能導致AI發展中的“數據寡頭”和創新鴻溝。高質量公共數據的開放與共享，能夠為中小企業、研究機構和公益組織提供平等的創新起跑線，促進更加活躍和多樣化的AI創新生態，防止技術壟斷，確保AI紅利的社會共享。
- 治理的“基石”：在自動駕駛、智慧醫療等高風險領域，基于廣泛、真實的公共數據訓練的AI，其決策透明度和可靠性更高，有助于建立公眾信任。公共數據也是監管機構開發和測試AI審計、評估工具的重要基礎，為AI的負責任發展提供支撐。
三、挑戰與行動方向
盡管前景廣闊，但充分發揮公共數據對AI的推動作用仍面臨挑戰：數據質量參差不齊、格式標準不一、隱私與安全保護機制不完善、跨部門共享存在壁壘等。
對此，報告為政策制定者與行業領導者提出了關鍵建議：
- 構建國家/地區級AI公共數據戰略：將高質量公共數據的采集、治理、開放與利用，上升為支持AI創新的核心基礎設施戰略。
- 投資于數據基礎設施與標準：建立統一的數據標準、開放平臺和交換協議，確保數據可用、可互操作。
- 創新數據治理與協作模式：在保障個人隱私和國家安全的前提下，探索“數據信托”、隱私計算等技術，在數據可用與隱私保護間取得平衡。鼓勵政府、企業、學術界建立數據協作聯盟。
- 培育數據素養與人才：提升全社會，特別是公共部門對數據資產價值的認知，培養兼具AI與數據管理能力的復合型人才。
###
麥肯錫的報告清晰地描繪了一幅圖景：人工智能的浪潮已抵達規模化應用的前夜，而人工智能公共數據的開放與利用水平，將在很大程度上決定這場突破的廣度、深度與公平性。它不僅是技術問題，更關乎創新生態、經濟競爭力和社會治理的未來格局。為公共數據“修路架橋”，就是在為智能時代的全面到來鋪設最關鍵的基礎設施。各國與各組織能否抓住這一機遇，將決定其在下一輪智能化競賽中的位置。
