數據空間建設的實踐進展與運營模式分析

編者按：數字技術、科技革命與產業變革的錯綜交織、互為促進，導致數據鏈、產業鏈與創新鏈的深度融合和價值共創勢不可擋。Frost amp; Sullivan在《2025年世界頂級全球大趨勢及其對商業、社會和文化的影響》報告中指出，有90%的變革性轉變都高度依賴數據的流通與利用。然而，現實環境下，人工智能等數智技術的廣泛應用并未有效降低數據流通利用風險，數據割據隱私泄露、數據濫用等現象頻發，數據要素的合規流通與高效利用成為各國數字化發展亟待解決的重大現實問題。

自2005年美國計算機科學家Michael Franklin提出“數據空間”概念以來，其概念內涵已從早期對異構異質數據資源之間的融合共存技術、方法強調，逐步延申拓展到數智融合環境下新型數據關系，新型數據權益保障、新型數據信任機制與新型數據合規治理等制度體系建構與新型技術框架、基礎設施搭建等系統性問題的探索。我國《關于工業大數據發展的指導意見》《工業互聯網創新發展行動計劃（2021-2023年）》等重要文件均提出要在重點行業建立可信安全的工業數據空間，引導數據有序開放共享。隨著《“數據要素x”三年行動計劃（2024-2026年）》的推進，數據空間被逐步納入到地方數據基礎制度建設的布局和實踐。

基于此，本刊特邀南京大學數據管理創新研究中心夏義堃教授組織了“數智融合背景下可信數據空間的運營模式與技術架構”專題文章。本專題聚焦國內外數據空間建設的前沿進展，圍繞數智融合發展態勢對高質量數據資源流通共享的需求變化，著重從數據空間的建設特征與運營模式、邏輯架構與技術實現、數據自主權及其信任機制、技術適配與主體數據策略選擇等方面展開了深入探討，以期為數據供需對接和數據驅動型創新的深入開展提供理論指導和方法參考。

摘 " 要：數據空間建設為數據要素的價值實現提供了可資借鑒的實踐經驗，全面解析其實踐進展與運營模式，有助于破解數據流通的現實堵點、拓展數據利用的發展思路。文章首先將結構主義分析方法中的案例研究法作為主要研究方法，綜合運用文獻調研、比較分析等方法，以Data Spaces Radar為案例來源，從實踐進展、運營模式、核心要素等維度提煉數據空間建設特征。其次，在制度與技術的雙輪驅動下，數據空間建設秉持制度規范統一性、技術設計整體性和治理模式協同性的架構原則，并按照產業思維、底線思維、信任思維、鏈式思維、集約思維的底層邏輯，形成較為完整的運營體系。未來應著力探索和解決數據空間視域下的數據資源價值化開發路徑，針對數據流通堵點、利用痛點及信任難點問題，從體制機制、政策框架與技術應用等角度為推進我國的數據要素流通利用提供有益參考。

關鍵詞：數據空間；數據流通利用；數據自主權；運營模式；數據信任

中圖分類號：G203 " 文獻標識碼：Ａ " DOI：10.11968/tsyqb.1003-6938.2024015

Research on Practical Progress and Operation Mode of Data Spaces

——Based on Cases of Data Spaces Radar

Abstract Constructing data spaces offers valuable insights into optimizing the value of data factor. A comprehensive analysis of its practical advancement and operation mode can help overcome the actual barriers to data circulation and enhance the conceptual development of data utilization. Firstly， this paper takes the case studies method within the structuralism analysis framework as the main research method， and comprehensively applies literature review and comparative analysis. Based on cases of Data Spaces Radar， this paper delineates the characteristics of data spaces construction across various dimensions， including practical progress， operation mode， and core factors. Secondly， propelled by the dual wheels of institution and technology， the construction of data spaces follows architectural principles that emphasize the harmony of institutional norms， the integrity of technological design， and the synergy of governance mode and creates a more robust operation system that aligns with the fundamental logics of industrial， bottom-line， trust， chain， and intensive thinking. In the future， efforts should focus on exploring and addressing the development path of data resource valued in the perspective of data spaces. By concentrating on the barriers to data circulation， the pain points in utilization， and the challenges of trust， this paper aims to provide valuable references for promoting the circulation and utilization of data factors in China from the perspectives of institutional mechanisms， policy frameworks， and technological applications.

Key words data spaces; data circulation and utilization; data sovereignty; operation mode; data trust

數字技術的飛速發展與行業/產業對數據共享交換的迫切需求，促使多個國家/地區圍繞數據流通利用模式的創新展開持續性探索，紛紛將目光聚焦在數據空間的建設。如歐盟發起“共同數據空間”建設，日本在制造業領域建構“互聯工業開放框架”，印度圍繞個人健康數據利用提出數據空間探索，以有效解決數據共享交換中的權屬、質量、合規與安全等現實挑戰。

早在2017年，國家《“十三五”先進制造技術領域科技創新專項規劃》明確提出要研發企業智慧數據空間構建技術系統，開展平臺典型應用。2020年，《關于工業大數據發展的指導意見》進一步指出要支持優勢產業上下游企業開放數據，加強合作，共建安全可信的工業數據空間。為深入推進數字經濟的健康發展，近年來，上海、山東、吉林等多地將開發智能工廠網絡、建設數據空間作為探索數據互利共贏新機制的重要抓手。隨著《“數據要素x”三年行動計劃（2024-2026年）》的啟動，數據空間逐步納入到政府數據基礎制度的建設布局和實踐應用，信通院發布《可信工業數據空間系統架構1.0》并牽頭相關國際標準編制，旨在從行業/產業數據的全價值鏈切入，加強數據流通利用的全過程動態管理，探索多主體協同的可信數據共享體系。

自2005年美國計算機科學家Michael Franklin提出“數據空間”概念以來［1］，相關研究主要集中在行業數據空間的技術領域，如對工業領域多源異構數據組織［2］、知識圖譜構建［3］、云計算、人工智能應用等進行針對性探討。在應用研究中，人們認識到數據空間是解決制造業可信數據共享利用不足的可行方案［4］，關注到醫療健康［5］、海港［6］、工業［1］、能源［7］等場景下數據空間的實踐落地，多從數據自主權、數據保護、數據共享視角展開探討。整體而言，國內外對數據空間建設情況與運營模式的跟蹤分析相對薄弱，有關數據空間建設內在機制、實踐進展的研究尚處于對個案和單一主題的局部性探索階段，鮮有研究對數據空間的運營模式及特征進行深入分析，全面的實踐總結與理論提煉較少。本文立足于國際數據空間協會（International Data Spaces Association，IDSA）網站的案例解構與特征抽取，探討當前數據空間建設的實踐特點與運營模式，以期為我國數據流通利用體系的制度創新和技術創新提供借鑒參考。

1 " 研究方法與研究框架

結構主義分析方法從整體出發，在系統結構與單位行為體、單位行為體之間以及系統結構與外部環境的相互關聯中探究研究對象的特質及其規律［8］，能夠更加全面地把握問題的本質。案例研究法是其重要組成部分，通過案例剖析，探討其內在規律及普遍適應性，適用于無法展開量化研究的復雜研究對象。

IDSA擁有來自世界各地的成員164個，以歐洲企業為主，我國的華為、海爾、信通院以及美國的IBM、微軟等也紛紛加入。其門戶網站中的Data Spaces Radar［9］模塊是一個便于訪問的、結構化的資料庫，面向全球提供有關數據空間項目的實踐案例（包括用例），涉及建設進程、技術透明度、主體構成、數據互操作、問題挑戰等。本文基于案例研究法，以Data Spaces Radar為數據源，通過多案例的深入解構和特征抽取，深入分析數據空間的實踐進展、運營模式以及核心要素，從而提煉數據空間的架構原則與底線邏輯，理性回答數據空間應該“由誰建”和“如何建”的重大現實問題（見圖1）。

本文選取Data Spaces Radar的主要考量如下：

（1）典型性。所選案例覆蓋了制造業、能源、物流、智慧城市、金融等重要領域，高度契合《“數據要素x”三年行動計劃（2024-2026年）》列出的重點項目領域。總體而言，案例實踐在制度、技術與數據治理機制等多個方面進行了邊界拓展，在數據流通利用模式上的創新具有代表性。

（2）可復制性。IDSA自2019年成立以來，注重案例分析及其輻射效應的發揮，Data Spaces Radar所收集的案例時間跨度長、結構化程度高，近40%的案例擁有較為完備的制度框架、實施方案，并進入到實施落地階段，能夠較為充分地揭示數據空間建設的構成要素與運行特點。同時，對處于不同建設階段數據空間的比較分析，能夠反映其建設經驗和教訓。

（3）數據可獲取性。本文基于Data Spaces Radar公開的案例資料，對典型案例逐一進行網絡搜索和數據收集，從開源數據中獲取關鍵資料，以形成完整的分析架構。

2 " 基于Data Spaces Radar的數據空間建設特征研究

2.1 " "數據空間實踐進展

2.1.1 " 應用領域分析

2020年以來，隨著《歐洲數據戰略》對共同數據空間建設的強調和新冠肺炎疫情應對中各領域數據訪問與共享需求的激增，全球數據空間項目的建設數量快速增長。截至2024年5月15日，Data Spaces Radar共公開提供了160個數據空間項目案例，其中，2023年-2024年的增幅最快，新增近40個。從領域分布來看（見表1），制造業/工業4.0領域的數據空間案例占比最多，為19%；能源領域次之，為14%；排在第三位的是移動領域（10%），其后是智慧城市領域（9%）。整體而言，各領域數據空間項目的建設目標具有一致性，即提升數據的可獲取性，促進數據共享，激活行業/產業的數據驅動型創新。同時，不同領域數據空間建設的側重點也各有差異。如健康領域數據空間項目在強調個人數據自主權保護、幫助公眾更為便捷安全地使用和控制個人健康數據的同時，還要求助力科研創新與政策制定，方便相關人員的數據訪問和利用［10］；而制造業/工業、能源、移動等產業相關數據空間建設目標則更為關注數據驅動方式及大規模生產經營模式的創新，注重可信數據生態的營造，如推進數據供給的可持續性、互操作性、韌性，增強多主體數據流通中的數據自主權和數據交易透明［11］。

2.1.2 " 區域/國家分析

從案例分析中發現，案例數量涉及最多的國家/地區是歐盟，排名前10的國家全部為歐盟成員國。既反映了歐盟各國數據空間建設的主動性，也與歐盟數據空間建設起步早、布局全、重視程度高不無關系。面對中美數字經濟的領先態勢和企業數字化轉型中數據利用遠遠落后于中美企業的現實困境，歐盟著手行業/產業的整體布局，試圖通過數據空間建設，選擇在領先型的行業/產業領域確立數據競爭優勢［12］。

目前，德國有23個案例發布在Data Spaces Radar，處于案例總量的首位，反映了德國在全球數據空間建設上的領先地位。2015年，德國聯邦教育與研究部發起了“工業數據空間行動”。2016年，來自德國和其他國家的130多家企業、行業/產業協會等聯合成立了工業數據空間協會（Industrial Data Space Association，IDSA）。2017年發布工業數據空間參考架構模型，著重從業務、功能、流程、信息和系統五個層面進行框架設計，成為工業數據可信流通與價值挖掘的關鍵指引。同時，德國還十分注重數據生態體系的擴張，不僅與法國聯合發起Gaia-X計劃，進行安全、可靠的超大規模的云構架，還將工業數據空間協會更名為“國際數據空間協會”，將工業數據空間參考架構升級為國際數據空間參考架構3.0版（IDS架構）［13］，以吸引更多國際成員單位的加入，真正成為全球數據流通共享創新的引領者。

從各國案例指向的主要領域來看，數據空間項目的建設重心大多集中在能源、制造業/工業4.0、地理信息等數據增值前景廣闊的高附加值領域。同時，也注重與本國行業/產業優勢相結合，如法國、奧地利等有著良好農業傳統的國家建有農業/農業食品相關主題的數據空間，比利時、荷蘭等將文化遺產數據空間納入視野。除歐盟國家外，中國、美國、日本、韓國、加拿大等國家均有案例在Data Spaces Radar發布，但數量不多，涉足領域有限。

2.1.3 " 成熟度分析

成熟度評價能夠較為全面地衡量數據空間的建設水平，IDSA著重從項目建設計劃、主體間伙伴關系、資金資源、實施方案等角度比較不同案例的成熟度，依次劃分為探索、籌備、實施、運行、擴建共五個階段［9］（見圖2）。統計結果顯示，39.38%的數據空間處于實施階段，37.5%處于籌備階段，探索階段的案例占比約11.25%，表明大多數數據空間項目現處于方案設計和試點運行階段，建設成熟的項目還十分有限。從具體的行業/產業分布來看，工業、能源、移動、智慧城市的數據空間進展相對較快，工業（84%）和能源行業（81%）已儲備一大批進入到籌備和實施階段的項目。此外，建設時間兩年以上的數據空間成熟度相對較高，皆處于籌備和實施階段。

2.2 " "數據空間的運營模式

2.2.1 " 主體構成

現有建制化的數據環境下，無論是公共數據的共享開放還是企業數據的交換交易，不同主體在數據流通利用的供需匹配上并非全能，既有優勢也有不足。為此，德國在數據空間的實踐探索中提出“數據自主權”（Data Sovereignty）理念，即自然人或法人可以完全自主掌控其數據的能力［14］，包括數據的持有權、訪問權及控制權等內容。而數據自主權的實現又促使商業模式相關主體能夠客觀上秉持數據的公共利益導向，并與其他主體在數據合規方面協同一致。

數據空間有別于其他主體結構，一是具有全域集中的特點，既注重吸引行業/產業上下游不同類型主體的加入，以數據為紐帶盡可能匯聚產業鏈、創新鏈、資金鏈、人才鏈等不同鏈條相關數據主體，也關注數據資源生成存儲、流通交易、安全治理等數據服務體系各環節主體的介入，體現了數據全域打通、整體開發的目標愿景。二是圍繞價值導向塑造角色分工，承擔實際數據供需的直接參與者、促進交換的數據中介以及技術支撐者、治理與監管機構均涵蓋了大大小小的若干主體（見圖3）。其形成基礎不僅要滿足數據的有效供給，還涉及到多主體數據流通利用的賦能增值，即數據驅動的創新是不同類型主體加入數據空間的重要驅動力。三是突出各主體在數據空間治理中的平等參與，圍繞數據價值生產過程各業務環節，各主體職責上形成自然分工，缺一不可。如負責驗證與存證的機構基于區塊鏈等技術應用能夠降低上下游主體數據行為的機會主義傾向，保證數據流通利用的可信安全。

2.2.2 " 資金來源

數據空間的落地實施，如云存儲等基礎架構、連接器等工具研發以及流通業務的運營均需要大量持續性的資金投入。案例分析結果表明，當前，數據空間建設的主要資金來源依次為歐盟資助（56%）、本國政府資助（20%）、私人資助（12%）和服務收費（12%）。其中，會員收費占比8%、許可交易費占比4%。總體而言，數據空間項目的經費支持以政府全額資助（基于項目或持續性財政補貼）為主、政企共同出資為輔（見表2）。

奧爾森的集體行動理論指出，單一個體決定是否提供集體物品的標準是投資該物品的收益遠大于其成本支出［15］。本質上，各類主體加入數據空間均懷有功能性期待，推動數據交換交易的背后是獲取數據收益，既包括數據產品流通的直接收益，也包括數據利用后的衍生價值。政府投入占據絕對性主導，一方面顯示了各國政府挖掘數據潛力、營造可信數據生態、促進數據高效流通利用的戰略意圖和發展數據驅動型經濟、推動行業/產業創新的強烈意愿。同時，也與基礎設施、技術應用等前期建設需要高額固定投入有關。另一方面，對政府投入的高度依賴客觀上表明現有數據空間項目在收益激勵方面尚未形成成熟的可持續經營模式，多以公益性模式出現，自我造血功能較為薄弱。如移動數據空間（Mobility Data

Space，MDS）在建設初期主要由公共資金支持，資金來源包括數字歐洲計劃（Digital Europe Programme，DEP）、連接歐洲基金（Connecting Europe Facility，CEF）以及歐洲地平線計劃（Horizon Europe，HE）等，從2025年起計劃向用戶收取相對較低的費用用于支付持續的開發成本和運營開支。

2.2.3 " 運營機制

按照核心建設主體，即主導性機構的組織屬性劃分，可將數據空間的運營機制分為政府主導型、市場主導型和第三部門主導型三種（見表3）。盡管不同運營機制在目標追求、數據來源、資金渠道等方面存在一定差別，主導性機構和參與主體的總體規模也各不相同，但在內部分工、運營監管與技術架構等方面又具有較大趨同性，均以數據主體自主權保護和數據可信流通為基礎，通過有效的技術架構、制度安排來融合數據的公共獲取、市場獲取與公益獲取，并逐步邁向混合型的數據多源匯聚態勢，不斷提升多主體數據利用合力。

（1）政府主導型運營機制以數據流通利用的公共利益實現為出發點。以歐盟為例，其共同數據空間建設的目標是在健康、制造、金融等戰略部門和公共利益領域提升大規模數據集的可獲取性，促進歐洲單一市場的形成，破除國家間數據流通利用的制度壁壘［16］。因而，政府及其所屬公共部門在數據空間項目的政策規劃、方案編制以及資金來源、基礎設施建設等方面始終發揮主導性關鍵作用，市場主體經審核滿足規定要求后，擔任相應角色并按需參與數據共享過程［17］，相關服務以免費為主。

（2）市場主導型運營機制以促進企業數據流通

和多主體數據聯動為切入點。數據空間對技術工具、基礎設施等運營條件的要求使其具有明顯的高固定資產投入、長周期收益獲取的特點，對主導型機構的規模、影響力、資金提出了較高門檻。盡管利潤收益是企業的首要追求，但參與企業均將目光聚焦到多主體數據融合利用的比較優勢和潛在增值，如谷歌云發起的“數據云聯盟”（Data Cloud Alliance）強調數據在不同業務系統、平臺間的可移植和可訪問，“以推動數據價值實現，有效解決企業當下的數據挑戰并加快路徑探索”［18］。目前，市場主導性建設主體多為行業/產業龍頭型企業，其運營仍以企業投入、公共財政扶持為主，相對成熟的部分項目試圖探索會員收費、許可交易費等維持運營。

（3）第三部門主導型運營機制以營造可信、安全的數據生態為著力點。多案例跟蹤分析結果表明，行業協會、科研院所等非營利性部門在有效銜接政府與市場、數據鏈上下游各類主體方面具有獨特優勢。一是通過深化與政府部門合作，成為數據空間項目落地的推進者、實施者。如德國的弗勞恩霍夫協會、日本的價值鏈促進協會在德國工業數據空間、日本互聯工業開放框架的實踐中分別發揮了不可替代的重要作用，而Catena-X數據空間則經由Catena-X協會以政企、政社合作形式聯建，涵蓋了基礎設施運營商、行業解決方案商、數據交易機構等汽車產業鏈相關主體。二是通過推動“行規行約”的實施，密切與科研院所、企業的分工合作，如數據空間關鍵組建的聯合研發、運營維護的協同支持等，以增強數據來源端和利用端的安全存儲與可信流通。

2.3 " "數據空間的核心要素

2.3.1 " 制度要素

缺乏穩定統一的制度體系是造成不同來源數據共享困難的重要原因之一，許多國家紛紛頒布法律法規為數據空間建設的推進提供制度保障。如韓國《數據產業振興和利用促進基本法》和印度《數據授權和保護架構框架草案》為個人數據空間的構建指明了方向，歐盟《通用數據保護條例》《數據治理法案》和《數據法案》等明確了不同類型數據安全、可信流通的主體權利和義務。案例分析發現，歐盟圍繞數據空間項目的深入推進，連續出臺了一系列具有操作指導性的政策規范（見表4）。

（1）針對數據自主權，以《金融數據訪問框架》為代表的一攬子立法政策的提出，通過確保企業和消費者能夠保留對金融服務提供商持有數據的完全控制權，來提升數據自主權的實現，進而獲得更具創新力和競爭力的服務，以此打造面向建設方、運營方及用戶等各類主體的可信數據流通利用生態。

（2）針對互操作性，《歐洲互操作性法案》提出設立歐洲互操作委員會，結合技術、語法、語義、組織與法律等發布數據互操作性框架。以此為基礎，健康數據空間（European Health Data Space，EHDS）提出歐洲電子健康記錄交換格式的標準化；文化遺產數據空間明確相關機構必須遵守歐洲數字文化資源整合項目Europeana的數據模型和出版框架。

（3）針對數據安全與監管，金融數據空間（European Financial Data Space，EFDS）建立了一個多層級的、宏觀審慎與微觀組織相結合的數據監管體系，由指導委員會、歐盟監管局、各個成員國的金融監管部門組成。EHDS則強調對個人數據的處理必須建立在強大的數據保護和網絡安全元素之上，杜絕數據共享交換中的個人數據去標識化行為。

（4）針對數據質量，采取一系列舉措加強數據全過程質量控制，包括建立歐盟數據質量認證標簽、優化元數據和源信息管理以及在數據訪問、提供等方面提高透明度等。健康數據空間還設立了歐盟健康數據集目錄以及歐盟數據質量認證標簽，旨在實現不同國家數據在歐盟范圍內的互聯互用。

（5）針對數據基礎設施和技術架構，歐盟聯合云存儲等基礎設施的部署涵蓋了數據共享工具和服務。如健康數據空間設立跨境分布式基礎設施MyHealth@EU和HealthData@EU；公共采購數據空間提出由數據源層、集成層、分析層、用戶界面組成的技術架構。

2.3.2 " 技術要素

為構建可信數據生態，數據空間內的不同主體需要在協議、標準、設施等技術要素上達成共識，并采用一致的參考架構來增強組件間的兼容性。在Data

Spaces Radar收錄的案例中，IDSA、Gaia-X和FIWARE等機構是主要的參考架構提供者，占比分別為69%、13%、8%。三家機構與大數據價值協會（Big Data Value Association，BDVA）共同組建了數據空間商業聯盟，提供數據空間一站式技術支撐，并基于各自在不同領域的基礎，形成了差異化的技術側重。

（1）IDSA創建的IDS參考架構模型（IDS Reference Architecture Model，IDS-RAM）正在向5.0版本發展，通過定義關鍵組件、組件的交互與控制、數據空間架構原則等，為構建數據空間、參與數據空間或提供數據空間服務提供架構指導和支持，是目前普遍認可的架構方案，在移動、物流、醫療等行業均有較為廣泛的應用［19］。如荷蘭應用科學研究組織（TNO）與日本電信公司NTT.Com基于該架構建立了日本和歐洲之間第一個互聯的數據空間，實現供應鏈數據的跨境安全流通。

（2）Gaia-X聚焦于數據主體的數據自主權，開發并建立了Gaia-X信任框架（Gaia-X Trust Framework），定義有關主體合規參與數據流通共享所需的底線要求，旨在增強用戶對自身持有數據的控制能力。如energy data-X基于該架構實現了能源領域相關部門數據流通的自主決策和標準化交換。

（3）FIWARE通過開源組件處理和分析數字孿生數據，以降本增效的方式開發可移植、可互操作的智能解決方案，包括標準化API、智能數據模型庫、身份認證以及可信數據交換等關鍵組件的應用，在智能城市、智能農業、智能制造等多領域數據空間中得到推廣。

在實施層面，連接器是數據空間最為關鍵的功能組件，發揮數據流通中介的作用，能夠通過嵌入身份認證、策略部署等實現功能擴展。當前，約有57%的數據空間采用了由Eclipse數據空間組件提供的連接器（Eclipse Dataspace Connector，EDC），其優勢在于：一是提供訪問和交換數據的接口，允許數據提供者制定策略，在流程上規定誰可以訪問、使用與共享其數據，實現了基于數據自主權保障的數據利用控制［20］；二是無需依賴任何中央機構，利用去中心化標識符（Decentralized ID，DID）和可驗證身份憑據（Verifiable Credential，VC）進行去中心化的身份管理。如datahub.tirol基于EDC來協調現有的、集成的數據生態系統，可有效解決數據可訪問性、隱私和安全性相關的挑戰［21］。TRUE連接器是數據空間的另一重要選項，由執行核心容器、FIWARE數據應用程序和使用控制數據應用程序三個要件組成，能夠融合多利益相關者數據，開發新的數據分析工具，進一步釋放數據價值。此外，元數據代理中心、清算中心、存證中心等也在數據空間中發揮了不同的組件功能。

2.3.3 " 治理要素

數據空間對于數據自主權、各主體聯盟式合作以及數據信任、安全等問題的解決方法對于未來的行業/產業數據流通共享將發揮核心作用［22］。圍繞數據主體、數據質量以及交換交易的安全管控和服務供給，核心內容涉及數據自主權與信任、數據互操作性和數據交易與服務的系統性規范（見圖4），為數據空間營造了平等、透明、可信的數據流通利用生態。

（1）數據自主權與信任。鑒于數據自主權意識不足、無意或惡意逆向還原而引發的商業秘密與敏感數據泄露等現象層出不窮，數據空間項目多基于技術工具的運用，對數據訪問權限控制、身份管理與信任體系構建進行有效及時地干預。

一是數據訪問和使用控制策略。該策略不僅包括傳統的訪問控制，還涉及數據被訪問后如何處理的規則和限制性訪問的條款，包括數據的處理義務、使用范圍和合規性要求［23］。如在工業數據空間（Industrial Data Space，IDS），數據使用控制策略提供了一個通用且可信任的安全框架，以確保第三方實體對數據的使用負責，其控制機制有助于保護數據自主權，確保數據共享的同時遵守數據治理規則［24］。

二是身份認證管理。包括在數據空間中創建、維護、監督和驗證主體的身份信息，頒發身份認證證書，以及提供動態屬性配置服務（Dynamic Attributes Provisioning Service，DAPS）和動態信任監控服務。根據規定，數據空間的主體必須在擁有數據自主權的前提下，使用經過認證的軟件安全地交換數據。如ECI Gatewise等案例將認證過程中產生的信息傳遞給DAPS，包括主數據、安全配置文件信息以及證書頒發機構提供的數字證書的詳細信息。數字證書在組件中部署成功后，DAPS發布動態屬性令牌（DATs）來驗證用戶或連接器的動態屬性。

三是信任。信任模塊主要驗證數據空間主體對于數據規則共識的遵守情況。IDS-RAM定義了兩種基本的信任類型，一是靜態信任，即基于運行環境和核心技術組件的認證；二是動態信任，強調對運行環境和核心技術組件的主動監控和過程管理。潛在的解決方案是引入信任錨（Trust Anchor）［25］——主體提供數字護照或證書的第三方，旨在通過多種方式來保證數據共享過程的安全性與可靠性，直接向終端用戶提供信任保證。此外，還可通過安全可靠的數據基礎設施架構，如Gaia-X信任框架、iSHARE信任框架［26］、TRAIN信任管理基礎設施［27］等來進一步構建安全的數據環境以增進信任。

（2）數據互操作性。互聯網數據中心（Internet Data

Center，IDC）對未來產業生態系統的研究發現，全球超過90%的公共和私營部門需要與外部合作伙伴共享數據，但只有30%的部門在非法律嚴格要求情況下，以統一且具有戰略性的方式進行［28］。對于數據空間而言，需要實現跨系統的高效數據訪問、管理和交換，數據互操作性是基本要求與核心能力［29］，涉及到的關鍵環節如下：

一是數據模型，旨在實現語義的規范化界定和利用。具體包括：①詞匯表：如本體、模式規范、映射和API規范等，可用于注釋和描述數據集和數據服務，是語義互操作的基礎。②詞匯管理流程：創建、管理和更新詞匯表的業務流程管理，由詞匯表提供者具體執行。③詞匯中心：以技術組件的形式，提供用于發布、編輯、瀏覽和維護詞匯和相關文檔的服務。以農業數據空間中的UdL Research Data Space為例，基于語義Web技術、本體和語義映射工具，該項目集中開發詞匯表并統一使用，成功實現了不同組織和系統中數據的準確和一致性解釋與利用。

二是數據流通共享，旨在實現跨系統、跨部門的數據利用效率提升。歐盟委員會在《數據法案》中詳細闡述了數據空間的互操作要求，包括確保數據結構、數據格式和詞匯表的描述方式對公眾開放以及數據共享協議（如智能合約）的互操作性等內容。數據空間的主體必須使用通用協議來共享數據，通用協議既涉及語法規則、語義規則和交互順序，也需要對應用程序編程接口（API）進行標準化界定，并允許不同應用程序相互通信，以真正實現數據互操作。

三是來源和可追溯性，旨在實現數據共享流通利用痕跡的溯源與過程跟蹤。其構成包括：①可觀測性要求框架：主要通過數據法律法規、數據空間項目的治理框架、各方合同約定或相關政策來判定。②第三方提供的證據：由直接參與數據交換交易的各方使用，也可以由不直接參與交易的第三方使用，此類第三方可能出于不同的目的參與其中，如審計、計費和合規性。③使用交易活動證據的機制：數據空間通常有數據中介，負責監督數據交易活動，但隨著數據空間主體網絡的擴展，分布式觀察模型通常是一個更可靠的解決方案，在此模型中，每個主體都可以記錄交易信息。如歐洲媒體數據空間提出“數據活動總賬”的概念，其將所有的活動日志以不可改變的方式進行記錄，包括讀寫數據、傳輸數據以及在數據上運行某個處理算法，所有用戶都可以訪問這個總賬來持續追蹤在數據上發生的活動。在數據空間中，總賬以區塊鏈去中心化的方式存儲，以避免對數據活動總賬的單一控制［30］。

（3）數據交易與服務。數據空間的最終目標是通過數據流通交易和共享利用在不同主體之間創造價值。為實現這一目標，不同類型的主體必須了解并利用數據空間中的可用數據產品/服務，識別并關聯可能存在的潛在數據利用場景及其數據交易關系，并促成數據的流通利用。

一是描述與組織。該模塊的功能在于對數據空間的產品/服務進行標準化的描述，包括數據集和數據服務的元數據記錄、策略元數據與增值服務等［31］。通常采用數據目錄詞匯（Data Catalog Vocabulary，DCAT）的方式，憑借添加、刪除和修改三個主要操作，實現對數據屬性特征、數據關系的分類組織、描述與整合。此外，詳細的數據產品/服務說明有助于用戶理解數據產品的內容和結構，提升數據安全性和法規遵從性。如金屬數據空間（M4.0 Metal Domain Data Space）將不同設備制造商的數據產品目錄鏈接到 MARKET 4.0，然后利用ESS應用程序和中央平臺（Central Platform）發布數據、服務和產品描述［32］。

二是發布和發現。該模塊旨在為松散耦合的數據產品提供者和用戶之間的動態數據交易提供靈活的體系結構。一方面，數據產品提供者負責發布數據產品/服務描述，在遵循數據空間協議與目錄協議的基礎上，按照 FAIR（可查找、可訪問、可互操作和可重用）原則，對發布內容進行更新、刪除、動態訪問等全生命周期管理。同時通過檢索功能、掃描工具等增強數據產品/服務關鍵詞的提取、篩選、排序，快速提升數據可見性。另一方面，用戶根據這些數據產品/服務描述進行搜索和篩選，找到符合自身需求的數據產品。AluTrace作為材料數據空間的第一個實例，利用目錄協議和元數據代理將數據產品自我描述進行鏈接，提供可擴展的內部數據庫以實現描述文檔的持久化存儲，并針對描述內容提供有效的訪問和搜索功能，以促成數據供需匹配［33］。

三是增值服務。為推進數據空間內的數據交易與價值生成，該模塊根據數據空間參與主體需求將增值服務劃分為通用服務、數據服務、用例服務、應用服務和基礎設施服務六類。通過與物聯網、云存儲、高性能計算等技術基礎設施以及外部應用程序相連，從技術上實現數據價值的創造。一方面，對技術規格進行標準制定，涉及到業務需求、架構設計、系統集成、推薦標準等；另一方面，通過目錄管理、產品訂單管理、合同工期管理以及付款和賬單管理等活動，加大業務活動的透明度，允許各參與主體管理、部署、測試和監控增值服務的運行［34］。如德國Advaneo Data Marketplace跨行業案例集成物聯網、HPC、人工智能和應用程序等技術工具，提供數百萬開放數據集及其附加服務的交易市場，并對定價模式、交易平臺、用戶準入、數據目錄、付款方式等內容進行全流程管理［35］。

3 " 數據空間的運營特點分析

數據空間的出現，折射出各國加速數據流通利用、創新數據賦能場景、釋放數據要素價值的迫切需求。有學者指出，多利益相關者環境下數據流通的前提不僅僅要基于數字技術的實施，還包括以可信的方式實施透明、公平的數據規則［36］。從本質上講，數據空間并不是一個建設目標，而是在數據確權難、互信難、共享難、收益難等現實瓶頸下，推動數據流通利用方法創新的有益嘗試，是實現數據可信、安全、可持續流通利用的積極探索。因而，單一視角下的技術剖析或制度方案，難以概述數據空間建設的全貌，有必要在案例分析的基礎上厘清其架構原則，揭示其底層邏輯，以便對數據空間的運營特點形成整體性認知（見圖5）。

3.1 " "數據空間的架構原則

（1）制度規范統一性原則。面對部門間、區域間、行業間因數據法規、政策和標準高度異質化而導致的數據流通梗阻，一些國家/地區對數據空間建設進行戰略統籌，歐盟對共同數據空間項目進行了整體布局。在具體實施中，強調各主體在數據共享交換規則、標準制定上的平等參與，最大限度地從觀念認知、實施方案、技術路線、運行規則以及數據標準等形成操作性共識。同時，通過存證、驗證、合規監管等業務流程管理的公開透明，打造制度規范共同遵守、互利互信的數據氛圍。如Catena-X通過認證、評估、審核、續期批準等制度性操作，確保所有參與者遵守汽車數據空間的標準和操作規則。

（2）技術架構整體性原則。作為去中心化的數據流通共享體系，數據空間強調技術架構的整體性原則。一是搭建標準化的數據訪問架構，將分散的數據資源有效整合，基于互操作功能確保各系統遵循統一規則并以規范的方式使用數據模型；二是設置“數據連接器”，發揮分布式數據連接與安全服務的重要功能，通過主體身份認證、活動事項動態認證等方式，維護數據流通環境的同構、安全與可擴展性；三是通過應用程序、代理服務、認證管理、數據描述、交易許可等組件的集成化開發，實現數據接口、協議、流程等的統一，從而建立起“數據可信共享+數據交易+合規管理”等功能模塊，有助于高效地發現、訪問和利用數據。

（3）治理體系協同性原則。面對數據流通的動態性、數據關系的復雜性、數據交易的不確定性，數據空間的治理以多主體利益協同為切入點。一方面，淡化主體身份、體制、行業、規模等約束，將數據提供、交易服務等不同類型主體有機串聯，并將數據管理的權力和責任也分散到所有參與主體，形成數據流通利用的集體行動邏輯。另一方面，案例分析發現，項目建設成熟度高的數據空間協同治理體系更加完備。如歐盟的移動數據空間（Mobility Data Space，MDS）、綠色協議數據空間（Green Deal Dataspace，GDDS）均具有集成性數據生命周期管理特征，基于數據模型、元數據代理、聯合目錄、訪問權限控制、分布式存儲等業務，已建立起環環相扣的垂直化數據治理體系。

3.2 " "數據空間的底層邏輯

3.2.1 " 基于產業思維的數據流通利用路徑探索

有別于既有數據管理按照公共數據、企業數據等類別劃分主體、目的并分而治之的傳統，數據空間的建設目標更為直接，即以打通數據共享利用為導向，以實現行業/產業數據的供需匹配為目標，推動數據價值鏈上下游多元主體和多源數據的匯聚融合。如Catena-X提出通過產業價值鏈所有汽車合作伙伴之間的數據合作，確保以合規和可信的方式促進數據共享，應對現實挑戰。EFDS秉持數據賦能產業發展的思路［37］，一方面以促進B2B、B2C數據流通為目標，建立涵蓋各類金融服務/產品的金融數據訪問框架（Framework For Financial Data Access，FiDA）［38］；另一方面，針對數據標準體系規范性、技術適配性、數據監管及時性等［39］，建立統一的管理系統，以暢通產業鏈上下游的數據流動。

3.2.2 " 基于底線思維的數據自主權保障

數據空間的制度設計不同于慣常的數據確權思維。一是通過規章制度的有效實施，強化多主體數據權益保障。如EHDS在《通用數據保護條例》基礎上，制定了電子健康記錄系統互操作的安全標準，嚴禁以公民健康數據謀利等違背數據倫理、數據法規的行為［40］。二是堅持數據自主權是數據空間的核心變革與關鍵創新點。既要增強主體查閱、處理、管護自身數據的可能性，也要強化數據供給過程中主體對數據流通的控制，以實現基于數據流通全過程的自主控制。以EHDS的CarePay為例，明確提出每位參與主體均對其數據享有訪問權、刪除權、反對權、限制權、可移植權［41］，確保在不丟失數據的情況下對不同數據供需主體進行自主選擇和身份切換。三是基于核心組件，增進參與主體之間自由平等地形成業務互動與數據協同，同時確保沒有任何特定控制者可以控制數據流、形成支配性權力。

3.2.3 " 基于信任思維的數據利益共同體打造

諾貝爾經濟學獎得主保羅·羅默指出，數字平臺成功的主要條件是建立數據信任［42］，沒有信任就沒有數據流通，激勵兼容的可信數據生態是數據空間成功的關鍵因素。為增進信任，歐盟將數據空間各主體關系定位為“互相信任的合作伙伴之間的數據關系”［43］。一方面，以主體賦權的制度安排實現機制可信，通過確保數據空間內端到端數據流通利用的自主權，允許數據持有主體保留對數據資源及數據產品利用方式以及利用時間、目的、價格的控制，推動組織機構間以及組織和個人之間的數據交互和價值共創。另一方面，強化標準或規則編制的共識性、執行的統一性和管理的透明性，為各主體設置共同而嚴格的數據標識、存儲和共享利用標準，并提供專業化的合規監管服務，確保數據運行規范，增進供需過程的信任，有助于形成長期穩定的數據合作機制與可信自由流通的新范式。

3.2.4 " 基于鏈式思維的數據賦能與創新協同的同步共贏

2020年，美國咨詢公司Frost amp; Sulivan預測，未來90%的變革性科技突破高度依賴于數據流通利用，已有大量研究證實數據與高科技發展之間存在明顯的正相關性。數據空間通過行業/產業鏈上下游多源數據資源的集聚，客觀上打造了數據提供、中介、交易服務、合規監管等各方主體“縱向一體化”的行業/產業數據集群效應。如谷歌云聯盟的大多數成員并沒有直接的競爭關系，而是彼此間提供相輔相成的數據服務。同時，案例統計結果表明，很多大學、研究機構成為數據空間項目的主導性建設機構，數據空間內多源數據的可信獲取、供需主體的數據交互極大調動和吸引了科研院所等創新主體的加入，健康數據空間、制造業數據空間等均涵蓋了技術研發、原材料采購、生產、物流、營銷等全過程業務數據，為大范圍的協同研發創造了良好業務生態，能夠促進數據鏈與產業鏈、創新鏈的深度融合，為高質量的數據賦能與場景創造開辟了新的思路。

3.2.5 " 基于集約思維的分布式可信架構

與集中式的數據中心、數據平臺建設相比，數據空間并不要求實現數據資源的物理集中，而是以統一、互操作的規范和通用數據庫模式存儲于數據提供方。以移動數據空間（MDS）為例，數據資源的實際管理者仍舊是數據提供方，MDS并未持有/存儲數據，而是提供用于檢索的數據目錄、去中心化的共享基礎設施，具體的數據交互則通過連接器組件，構建數據交換的點對點結構，強化不同主體間的數據關聯。此外，云基礎設施以及相關技術、工具和標準的系統化提供，以低成本、低門檻的方式方便了需求主體的數據利用，尤其是中小企業、初創企業的數據獲取。面對醫療機構、科研人員對健康數據的再利用需求，EHDS采用無中心的點對點連接，基于互操作標準，提供數據查詢和本地計算處理能力，并借助支持跨境項目的分布式歐盟基礎設施（HealthData@EU），實現了健康數據再利用和跨境流通的便捷［40］，進而增強了數據空間的包容性和開放性。

4 " 數據空間建設對于推進我國數據要素流通利用的啟示

當前，我國數字經濟發展已從數字技術引領型進入到數據驅動型創新的快車道，數據流通利用中的確權難、互信難、交易難、監管難等問題已經嚴重阻礙了數據要素的價值釋放，亟需從體制機制、政策框架與技術應用的多維視角找出癥結原因與針對性解決方案。而數據空間不僅是多源數據融合匯聚和供需匹配的重要載體，還是有效銜接行業/產業上下游數據主體、推進可信數據流通利用的模式創新。Data Spaces Radar案例所揭示的基于自主權的可信數據流通理念與系統性的制度設計、技術研發，有力推動了數據從連接到協同、從資源到資產、從整合到智能的升級轉變，為促進我國數據要素的高質量流通利用提供了有益參考。

4.1 " "把握數據流通堵點，拓展數據價值化挖掘的發展思路

數據的權屬界定、流通交易以及收益分配等制度設計的首要目標是促進數據合規高效流通利用、賦能實體經濟發展。在深入貫徹“數據二十條”精神中，應牢牢把握“數據流通”和“利用創新”兩條主線，圍繞行業/產業數據匯聚，廣泛吸引和多方集聚上下游數據主體，基于可信數據流通-行業/產業數據利用-數據驅動型科技創新找準政策著力點，以數據鏈、產業鏈、創新鏈的融合互促建構數據賦能經濟發展的指導性政策框架。

4.2 " "聚焦數據利用痛點，探索數據空間模式落地的可行路徑

數據濫用、隱私泄露等問題反映了不同類型數據的錯綜交織、數據邊界的動態轉換與數據關系的復雜多變，導致數據開發利用模式選擇的不確定性，而數據空間模式內在的兼容性、開放性、韌性提供了新的實踐視角，為多主體的自由介入、平等參與提供了機遇。為此，應積極開展數據空間項目試點，探索政府、企業、科研院所、行業協會多類型主體互動協同、集群化發展的數據管理實踐經驗，強化場景需求牽引，并從數據規則共識、技術工具的系統性設計、產學研數據融合與協同研發、數智賦能的技術創新等方面形成完備的建設方案。

4.3 " "直面數據信任難點，建構安全可信的數據生態體系

以數據空間多主體數據自主權的推廣應用為借鑒，深入研究“三權分置”數據產權制度框架下數據主體權益保障與激勵約束機制的可行路徑，既要妥善處理數據要素流通中的主體自主控制與需求有效對接，也應著力推進數據利用中的主體權益保障與數據行為自律。通過完善制度規則，以值得信賴的技術架構及服務實現數據供需的動態匹配，確保個人數據的權益保護、企業數據的行為合規與公共數據的管理規范，從而激活全社會的數據參與、提升數據治理的協同管理水平。

5 " 結語

數據空間建設正處于方興未艾的發展關鍵期，尚未形成具有普遍共識的建設規律與實施方案，國內外的實踐探索還在不斷地迭代更新發展。本文在總結已有案例的基礎上，對數據空間的實踐進展、運營模式、架構原則與底層邏輯等進行了提煉分析，限于時間和學識能力，對于數據空間的落地方案、建設標準、問題挑戰等著墨有限，有必要在后續的研究中進一步跟蹤其發展動態，持續性開展研究探索。

參考文獻：

［1］ "Halevy A，Franklin M，Maier D.Principles of dataspace systems［C］.Proceedings of the twenty-fifth ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems，2006：1-9.

［2］ "Wang Y，Cheng Y，Zhu Y，et al.Exploration on industrial system-aware dataspace towards smart manufacturing［A］.2022 IEEE 18th International Conference on Automation Science and Engineering（CASE）［C］.IEEE，2022：1883-1889.

［3］ "Wang Y，Cheng Y，Qi Q，et al.IDS-KG：An industrial dataspace-based knowledge graph construction approach for smart maintenance［J］.Journal of Industrial Information Integration，2024，38：100566.

［4］ "Alexopoulos K，Weber M，Trautner T，et al.An industrial data-spaces framework for resilient manufacturing value chains［J］.Procedia CIRP，2023，116：299-304.

［5］ "Hoeyer K，Green S，Martani A，et al.Health in data space：Formative and experiential dimensions of cross-border health data sharing［J］.Big Data amp; Society，2024，11（1）：1-14.

［6］ "Sarabia-Jácome D，Lacalle I，Palau C E，et al.Enabling industrial data space architecture for seaport scenario［A］.2019 IEEE 5th World Forum on Internet of Things（WF-IoT）［C］.IEEE，2019：101-106.

［7］ "Curry E，Hasan S，O'Riain S.Enterprise energy management using a linked dataspace for energy intelligence［A］.2012 Sustainable Internet and ICT for Sustainability（SustainIT）［C］.IEEE，2012：1-6.

［8］ "［美］馬克·I·利希巴赫，［美］阿蘭·S·朱克曼.比較政治：理性、文化和結構［M］.儲建國，等，譯.北京：中國人民大學出版社，2008.

［9］ "International Data Spaces Association.The Data Spaces Rader［EB/OL］.［2024-04-02］.https：//www.dataspaces-radar.org/radar/.

［10］ "European Commission.Proposal for a REGULATION OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL on the European Health Data Space［EB/OL］.［2024-04-02］.https：//eur-lex.europa.eu/legal-content/EN/TXT/？uri=celex%3A52022PC0197.

［11］ "DIN.German standardization roadmap industrie 4.0［EB/OL］.［2024-04-02］.https：//www.din.de/en/innovation-and-research/industry-4-0/german-standardization-roadmap-on-industry-4-0-77392.

［12］ "日歐產業合作中心.GAIA-X、Catena-X的動向和對日本的啟示［EB/OL］.［2024-04-02］.https：//www.eu-japan.eu/sites/default/files/publications/docs/EU-Digital-Policy5.pdf.

［13］ "中國電子報.賽迪觀點：借鑒德國經驗打造我國工業數據空間［EB/OL］.［2024-04-02］.https：//new.qq.com/rain/a/202210

31A00ZRM00.

［14］ "國家工業信息安全發展研究中心.從德國數據空間的實踐探索看如何構建數據流通共享生態［EB/OL］.［2024-04-02］.https：//cics-cert.org.cn/web_root/webpage/articlecontent_101006_3135.html.

［15］ "沈榮華，何瑞文.奧爾森的集體行動理論邏輯［J］.黑龍江社會科學，2014（2）：49-53.

［16］ "Otto B，ten Hompel M，Wrobel S.Designing Data Spaces：The Ecosystem Approach to Competitive Advantage［M］.Springer Nature，2022.

［17］ "陸志鵬.安全可信數據空間的工程化路徑研究［J］.信息通信技術，2023，17（4）：49-55.

［18］ "Google Cloud.Data Cloud Alliance［EB/OL］.［2024-04-02］.https：//cloud.google.com/solutions/data-cloud-alliance？hl=zh_cn.

［19］ "International Data Spaces Association.Implementing the European Strategy on Data Role of the International Data Spaces （IDS）［EB/OL］.［2024-04-02］.https：//internationaldataspaces.org/wp-content/uploads/IDSA-Position-Paper-Implementing-European-Data-Strategy-Role-of-IDS1.pdf.

［20］ "ECLIPSE FOUNDATION.Eclipse Dataspace Components［EB/OL］.［2024-04-03］.https：//projects.eclipse.org/projects/technology.edc.

［21］ "Digital.TIROL.datahub.tirol［EB/OL］.［2024-04-03］.https：//www.datahub.tirol.

［22］ "Bühler M M，Nübel K，Jelinek T，et al.Data cooperatives as a catalyst for collaboration，data sharing and the digital transformation of the construction sector［J］.Buildings，2023，13（2）：442.

［23］ "DATA SPACES SUPPORT CENTRE.Specifications-Access amp; usage policies and control［EB/OL］.［2024-04-03］.https：//dssc.eu/space/BBE/178422706/Specifications+-+Access+%26+usage+policies+and+control.

［24］ "Munoz-Arcentales A，López-Pernas S，Pozo A，et al.Data usage and access control in industrial data spaces：Implementation using FIWARE［J］.Sustainability，2020，12（9）：3885.

［25］ "DATA SPACES SUPPORT CENTRE.Trust Framework［EB/OL］.［2024-04-03］.https：//dssc.eu/space/BVE/357075461/Trust+

Framework.

［26］ "iSHARE Trust Framework.Governance［EB/OL］.［2024-04-03］.https：//framework.ishare.eu/is/governance-framework.

［27］ "Fraunhofer IAO.TRAIN［EB/OL］.［2024-04-03］.https：//www.hci.iao.fraunhofer.de/de/identity-management/identity-und-accessmanagement/TRAIN_EN.html.

［28］ "IDC.European Data Spaces：From Vision to Reality［EB/OL］.［2024-04-03］.https：//blog-idceurope.com/european-data-spaces-from-vision-to-reality/.

［29］ "ontotext.Data Wants To Be Truly Sovereign：Designing Data Spaces with Linked Data Principles In Mind［EB/OL］.［2024-04-03］.https：//www.ontotext.com/blog/data-wants-to-be-truly-sovereign-designing-data-spaces/.

［30］ "EBU OPERATING EUROVISION AND EURORADIO.Annual report 2022-2023［EB/OL］.［2024-04-06］.https：//www.ebu.ch/home.

［31］ "DATA SPACES SUPPORT CENTRE.Data，Services and Offerings Descriptions［EB/OL］.［2024-04-03］.https：//mp.weixin.qq.com/s/u3JvBudHmcV-Kg-uVlulLQ.

［32］ "International data spaces.Optimizing equipment selection in the metal manufacturing domain［EB/OL］.［2024-04-03］.https：//internationaldataspaces.org/usecases/metal-domain-data-space-from-market-4-0/.

［33］ "Huschka M，Dlugosch M，Friedmann V，et al.The“alutrace” use case：harnessing lightweight design potentials via the materials data spaceR［C］.TRUSTS-Trusted Secure Data Sharing Space Workshop：Data Spaces amp; Semantic Interoperability，Vienna Austria，2022.

［34］ "DATA SPACES SUPPORT CENTRE.Value-Added Services［EB/OL］.［2024-04-03］.https：//dssc.eu/space/BVE/357076468/

Value-Added+Services.

［35］ "ADVANEO.Access to the world of data［EB/OL］.［2024-04-06］.https：//www.advaneo-datamarketplace.de/en/#.

［36］ "Curry E，Tuikka T，Metzger A，et al.Data Sharing Spaces：The BDVA Perspective［M］.Designing Data Spaces：The Ecosystem Approach to Competitive Advantage.Cham：Springer International Publishing，2022：365-382.

［37］ "European Commision.STAFF WORKING DOCUMENT on Data Spaces［EB/OL］.［2024-04-03］.https：//digital-strategy.ec.europa.eu/en/library/staff-working-document-data-spaces.

［38］ "European Commision.Digital Finance Strategy for the EU［EB/OL］.［2024-04-03］.https：//eur-lex.europa.eu/legal-content/EN/ALL/？uri=COM：2020：591：FIN.

［39］ "Simmons.EU strategy on supervisory data in EU financial services［EB/OL］.［2024-04-03］.https：//www.simmons-simmons.com/en/publications/clb4xzjyz001otq0ok6vqqw6m/eu-strategy-on-supervisory-data-in-eu-financial-services.

［40］ "European Commision.European health data space［EB/OL］.［2024-04-03］.https：//health.ec.europa.eu/publications/proposal-regulation-european-health-data-space_en.

［41］ "Carepay.Reimagine health insurance［EB/OL］.［2024-04-03］.https：//www.CarePay.com.

［42］ "保羅·羅默.全球數字經濟發展洞察［EB/OL］.［2024-04-06］.https：//m.thepaper.cn/baijiahao_13665131.

［43］ "景然.數據主權、單一市場與共同空間：數據流通的歐盟戰略及其鏡鑒［J］.網絡安全與數據治理，2023，42（9）：36-41.

作者簡介：夏義堃，女，南京大學數據管理創新研究中心教授，博士生導師，研究方向：政府數據治理、智能情報分析；程鑠，南京大學數據管理創新研究中心博士研究生，研究方向：政府數據治理、數字經濟；王雪，女，南京大學數據管理創新研究中心博士研究生，研究方向：政府數據治理、數字經濟；錢錦琳，女，南京大學數據管理創新研究中心博士研究生，研究方向：數據管理。