“有些人走著走著就散了。

十幾年前，當(dāng)中美兩國的工程師們都在熱烈討論Hadoop、Spark和開源社區(qū)時，他們仿佛站在同一個新大陸的海岸線上，共享著同一套工具和幾乎一致的技術(shù)信仰。

那是以技術(shù)為驅(qū)動、以效率為圭臬的黃金時代。彼時，中國的互聯(lián)網(wǎng)巨頭，如阿里巴巴和騰訊，是Hadoop和Spark生態(tài)的早期、大規(guī)模采用者，它們試圖解決的是與硅谷同行們類似的、爆炸式增長帶來的海量數(shù)據(jù)處理難題。

如今，圖景已截然不同。

在2025年的硅谷峰會上，美國數(shù)據(jù)巨頭Snowflake和Databricks的舞臺中央，主角是AI智能體。他們向成千上萬的開發(fā)者展示的是，不懂代碼的業(yè)務(wù)人員如何用純英語與海量數(shù)據(jù)對話，AI如何自動編寫SQL，甚至自動將競爭對手的代碼智能遷移過來。

而在同期的中國，大數(shù)據(jù)產(chǎn)業(yè)的核心落地場景，是服務(wù)于指揮中心和戰(zhàn)略駕駛艙的數(shù)據(jù)大屏。

從賦權(quán)個體到賦權(quán)決策，從智能工具到治理系統(tǒng)。中美大數(shù)據(jù)產(chǎn)業(yè)不僅沒有趨同，反而走向兩個平行的未來。這種分歧并非偶然的技術(shù)路線差異，而是源自更根本的差異：兩國對數(shù)據(jù)這一核心生產(chǎn)資料的定義不同——中國已在國家戰(zhàn)略層面將數(shù)據(jù)定義為一種有待激活的新型生產(chǎn)要素；而美國和西方則在法規(guī)和文化的雙重作用下，將數(shù)據(jù)視為一種需要管控的法律責(zé)任。

數(shù)據(jù)要素vs數(shù)據(jù)責(zé)任

中國的頂層設(shè)計中，數(shù)據(jù)被賦予了前所未有的戰(zhàn)略高度。從十四五規(guī)劃到2022年石破天驚的數(shù)據(jù)二十條，數(shù)據(jù)被明確定義為與土地、勞動力、資本、技術(shù)并列的第五大生產(chǎn)要素，成為基礎(chǔ)性國家戰(zhàn)略資源。

這是一套激活與流通的邏輯。當(dāng)西方法規(guī)在研究如何規(guī)制數(shù)據(jù)時，中國的制度在探索如何激活數(shù)據(jù)，致力于激活數(shù)據(jù)要素潛能，做強做優(yōu)做大數(shù)字經(jīng)濟。

最關(guān)鍵的機制創(chuàng)新在于“數(shù)據(jù)二十條”所提出的三權(quán)分置，該制度大膽地探索將數(shù)據(jù)產(chǎn)權(quán)進行結(jié)構(gòu)性分置，劃分為數(shù)據(jù)資源持有權(quán)、數(shù)據(jù)加工使用權(quán)、數(shù)據(jù)產(chǎn)品經(jīng)營權(quán)。它深刻地揭示出，數(shù)據(jù)的非競爭性和產(chǎn)權(quán)模糊性使得傳統(tǒng)的所有權(quán)概念在數(shù)據(jù)領(lǐng)域陷入僵局。西方在誰擁有數(shù)據(jù)的法律戰(zhàn)陷入權(quán)利攻防之時，中國則通過三權(quán)分置繞開了這個問題。

正如“數(shù)據(jù)二十條”所強調(diào)的，要淡化所有權(quán)、強調(diào)使用權(quán)。通過將權(quán)利解綁，中國允許數(shù)據(jù)的價值在市場上合法流通和交易，而無需解決那個棘手的、近乎無解的原始數(shù)據(jù)歸屬問題。

與中國統(tǒng)一的、自上而下的數(shù)據(jù)要素戰(zhàn)略不同，美國數(shù)據(jù)治理呈現(xiàn)出一種各自為政的圖景，各州法律，譬如加州的CCPA、弗吉尼亞州的VCDPA等，和各行業(yè)法規(guī)，如醫(yī)療的HIPAA、金融的GLBA，共同組成監(jiān)管體系。

與此同時，對美國數(shù)據(jù)文化影響最深遠的，還有來自歐盟的《通用數(shù)據(jù)保護條例》。GDPR強大的域外效力，迫使所有希望與歐洲做生意的美國企業(yè)，必須將處理個人數(shù)據(jù)視為一種高風(fēng)險的法律責(zé)任。

GDPR和CCPA共同在美國企業(yè)中催生了合規(guī)驅(qū)動的文化。數(shù)據(jù)不再首先被視為“機遇”，而是首先被視為一種法律和聲譽上的風(fēng)險。企業(yè)的首要目標(biāo)不是最大化數(shù)據(jù)價值，而是最小化違規(guī)風(fēng)險。這種防御性心態(tài)直接催生了合規(guī)科技和隱私技術(shù)棧。

可以說，中國的國家資本和政策導(dǎo)向正致力于建設(shè)數(shù)據(jù)流通的基礎(chǔ)設(shè)施，而美國的市場資本和企業(yè)支出則正忙于構(gòu)建數(shù)據(jù)防御的基礎(chǔ)設(shè)施。

兩種數(shù)據(jù)與產(chǎn)業(yè)的融合路徑

對數(shù)據(jù)的微妙態(tài)度并非僅停留在抽象的政策文本中，而是直接決定了中美兩國數(shù)據(jù)產(chǎn)業(yè)的微觀技術(shù)路線和商業(yè)模式。

在美國，為解決數(shù)據(jù)治理和管理的難題，市場驅(qū)動和資本驅(qū)動的路徑帶來了技術(shù)化和產(chǎn)品化的空前繁榮。以Snowflake和Databricks為代表的現(xiàn)代數(shù)據(jù)棧是這一路徑的巔峰之作。Snowflake的“三層解耦”架構(gòu)和Databricks的Lakehouse（湖倉一體）架構(gòu)都是為了解決分析這個核心問題。它們?yōu)槠髽I(yè)IT和分析團隊提供了前所未有的彈性、可擴展性和易用性。

然而，這種模式的B面，恰恰是其無法下沉到具體的、深入的產(chǎn)業(yè)運營場景中。這種過度依賴標(biāo)準(zhǔn)化產(chǎn)品的創(chuàng)新路徑，使其在面對深度行業(yè)需求時顯得力不從心。

以Snowflake為例，這類云數(shù)據(jù)倉庫是卓越的分析引擎，但在應(yīng)用后端的表現(xiàn)則差強人意。它們的設(shè)計目標(biāo)是支持商業(yè)智能、分析和內(nèi)部報告，而非面向用戶的高并發(fā)、低延遲應(yīng)用。具體行業(yè)將數(shù)據(jù)智能嵌入其核心交易或運營系統(tǒng)時，需要的是高并發(fā)和低延遲，而標(biāo)準(zhǔn)化數(shù)倉在這一場景下，要么成本高昂，要么用戶體驗緩慢。

更根本的問題在于，這種中心化數(shù)據(jù)平臺模型在結(jié)構(gòu)上就不適合支持真正的數(shù)字化轉(zhuǎn)型。當(dāng)來自制造業(yè)、醫(yī)療、運輸?shù)炔煌I(lǐng)域的數(shù)據(jù)被抽取、清洗并匯入一個中心化的、標(biāo)準(zhǔn)化的平臺時，它們最有價值的領(lǐng)域特定上下文不可避免地被稀釋和丟失了。

因此，美國的產(chǎn)品化路徑，在追求橫向擴展性的同時，犧牲了縱向穿透性。

中國的路徑截然不同。如果說美國數(shù)據(jù)產(chǎn)業(yè)的超級客戶是企業(yè)IT部門和資本市場，那么中國數(shù)據(jù)產(chǎn)業(yè)早期的超級客戶只有政企和金融等機構(gòu)。這種由大B和大G端需求和公共數(shù)據(jù)開放授權(quán)為牽引的模式，天然地塑造了數(shù)據(jù)產(chǎn)業(yè)的供給形態(tài)——項目制和定制化交付。

在西方的從業(yè)者視角看來，這種項目制模式是“落后”的，因為它缺乏可擴展性、利潤率低、不是好的SaaS生意，但這是一種誤讀。

從中國數(shù)據(jù)要素戰(zhàn)略的角度看，項目制不是需要被克服的弱點，而是實現(xiàn)其戰(zhàn)略目標(biāo)所必需的、被有意選擇的優(yōu)勢。中國的戰(zhàn)略目標(biāo)不是打造一個可無限復(fù)用的單一數(shù)據(jù)產(chǎn)品，而是要打造一個數(shù)據(jù)要素與實體經(jīng)濟深度融合的產(chǎn)業(yè)生態(tài)。

實際操作層面看，項目制是實現(xiàn)“下沉”的重要手段，它能最大程度地深入產(chǎn)業(yè)的肌理。

譬如《“數(shù)據(jù)要素×”三年行動計劃》，就提出在金融服務(wù)領(lǐng)域要融合“科技、環(huán)保、工商、稅務(wù)、氣象、消費、醫(yī)療、社保、農(nóng)業(yè)農(nóng)村、水電氣”等多源數(shù)據(jù)，以“依法合規(guī)優(yōu)化信貸業(yè)務(wù)管理和保險產(chǎn)品設(shè)計及承保理賠服務(wù)”。

這種跨越多主體、融合多維度、服務(wù)于特定場景的深度需求，必須通過項目制和定制化交付，在特定的場景中才能得以實現(xiàn)。

所以，美國模式的無法下沉是其標(biāo)準(zhǔn)化設(shè)計的必然結(jié)果，而中國的項目制則是數(shù)據(jù)要素與產(chǎn)業(yè)結(jié)合戰(zhàn)略的必然選擇。

AI時代的技術(shù)終局

在人工智能時代，中美走向了兩個差異顯著的發(fā)展路徑，兩種截然不同的數(shù)據(jù)智能。

美國路徑的邏輯終點，是依循賦權(quán)個體、標(biāo)準(zhǔn)化產(chǎn)品、市場驅(qū)動的路徑，通往AI智能體。以Snowflake和Databricks為代表的平臺，其AI戰(zhàn)略的核心是AI副駕駛。它們的目標(biāo)是讓分析師、營銷人員、開發(fā)者等個體能夠通過自然語言，自助式地完成過去需要一個數(shù)據(jù)團隊才能完成的復(fù)雜工作。

這種自下而上的智能范式，追求的是個體生產(chǎn)力的最大化。它將數(shù)據(jù)智能封裝在易用的工具中，分發(fā)給組織中的每一個人，以期帶來效率的倍增，終極使命是優(yōu)化組織中個體或團隊的決策和生產(chǎn)力。

而中國路徑則通往戰(zhàn)略駕駛艙。一些觀察者認為，中國大數(shù)據(jù)產(chǎn)業(yè)在AI時代卡在了可視化的低級階段。事實上，中國的大數(shù)據(jù)產(chǎn)業(yè)，正在無限接近向數(shù)據(jù)智能的驚險一躍。

數(shù)據(jù)智能是一個更廣泛的范疇，它涵蓋了收集、整合、分析和展示數(shù)據(jù)的全過程，其目的是支持組織內(nèi)的決策制定和戰(zhàn)略規(guī)劃。換言之，數(shù)據(jù)可視化只是數(shù)據(jù)智能的一部分，真正的智能隱藏在屏幕背后。

這類“屏幕后”的智能更接近AI時代的個性化管理，它由多源數(shù)據(jù)融合引擎支撐，執(zhí)行著用數(shù)據(jù)要素結(jié)合實體經(jīng)濟復(fù)雜任務(wù)，其目標(biāo)用戶不是分析師，而是更高層級的管理者，其作用不單是提升個人效率，更是提供全局視野和宏觀治理能力。

這是一種自上而下的智能范式，追求集體決策的最優(yōu)化，將分散的數(shù)據(jù)要素匯聚起來，以實現(xiàn)戰(zhàn)略層面的指揮和控制。

回望大數(shù)據(jù)這十年，中美兩國從Hadoop和Spark的同一片海岸出發(fā)，如今已行駛在兩條平行的軌道上，各自承載著不同的使命，駛向各自的星辰大海。

美國模式圍繞產(chǎn)品、資本、責(zé)任，在數(shù)據(jù)責(zé)任的合規(guī)文化和活躍資本的推動下，形成了一套以標(biāo)準(zhǔn)化產(chǎn)品為核心的產(chǎn)業(yè)路徑。其優(yōu)勢在于擁有全球最快的產(chǎn)品迭代能力和最活躍的開源生態(tài)；其困境在于高昂的合規(guī)成本，以及標(biāo)準(zhǔn)化產(chǎn)品無法下沉到深度產(chǎn)業(yè)運營中的結(jié)構(gòu)性限制。

中國則在政務(wù)需求牽引下，聚焦數(shù)據(jù)要素的國家戰(zhàn)略，形成一套以定制化項目為抓手的產(chǎn)業(yè)路徑。其優(yōu)勢在于能以強大的國家意志完成龐大的數(shù)字基建，并通過項目制實現(xiàn)數(shù)據(jù)要素與實體經(jīng)濟的深度下沉融合，也面臨著如何平衡項目制的定制化與平臺化的規(guī)模效應(yīng)等挑戰(zhàn)。

在數(shù)字時代的浪潮中，兩國基于自身截然不同的文化、經(jīng)濟結(jié)構(gòu)和治理需求，做出了不同的戰(zhàn)略選擇，誰會率先走向真正的數(shù)據(jù)智能，還需要時間來驗證。