问题——数据短板制约产业应用落地。当前，人工智能从"能用"走向"好用"，关键瓶颈在于高质量数据不足、行业数据分散、可用性不强。具身智能、自动驾驶、医药健康和柔性制造等领域尤为突出，这些领域的数据采集成本高、治理标准严、合规要求强，导致"有场景无数据、可训练不可落地"的矛盾日益凸显。对需要持续迭代的行业大模型来说，缺少稳定规范的数据供给体系，直接影响模型能力和工程化进度。
数据要素的价值释放，既需要技术攻坚的"硬实力"，也需要制度创新的"软环境"。北京亦庄以政策为支点推动数据产业化，其意义不仅在于当下的经济回报，更在于为中国参与全球数字竞争提供了可复制的治理样本。未来，如何平衡数据开放与安全、短期激励与长期生态培育，仍将是考验城市治理的重要课题。