专家观点 || 数据“洪流”之下

中国信息通信研究院技术与标准研究所车联网与智慧交通研究部副主任于润东：

数据空间发展在汽车行业大有可为

数据空间是“技术＋规则”并重的新型基础设施，其核心在于实现数据的分布式、点对点流通，而非传统集中式平台的数据汇聚。数据空间具备可信、可控、可计量三大特性，能有效支持“数据不出域、可用不可见”的流通模式。
　　在汽车行业，数据空间已在碳足迹管理、电池护照、智驾保险、残值评估等场景中展现出应用潜力。例如，欧洲Catena-X数据空间通过统一标准与工具链，实现供应链碳数据的真实追溯，助力企业应对欧盟新电池法。组合辅助驾驶研发数据流通等高复杂度场景，因数据体量大、隐私计算成本高，仍面临技术与商业模式挑战。总之，行业应聚焦高价值场景，加强标准共建与生态协同，避免形成新的数据“孤岛”。

中汽中心首席专家、中汽智能科技（天津）有限公司副总经理张亚楠：

数据价值要理性评估

数据已成为驱动汽车智能化转型的核心要素，但数据“烟囱”、合规风险、主体责任模糊等问题依然突出。车企在数据治理中应承担第一责任，可从三方面入手：盘清数据“家底”（包括供应商获取的数据），建章立制、实现“技管结合”以及强化数据安全设计（如最小化采集与脱敏）。在政策层面，工信部已牵头构建汽车数据安全治理体系，将通过公告准入、双随机检查、跨境审查、OTA召回监管四重机制落地监管。
　　车企对数据权限的主张存在矛盾，“我的数据是我的，别人的我也想要”，这反映出“三权分置”（编者注：《关于构建数据基础制度更好发挥数据要素作用的意见》中提出的产权运行机制，通过数据资源持有权、数据加工使用权、数据产品经营权的分置，旨在破解数据确权难题，激活数据要素价值）
　　在实践中尚未统一。企业应理性评估数据价值与安全成本，避免“为存而存”，要聚焦数据的业务价值挖掘与合规使用。

中汽中心副总工程师秦孔建：

汽车领域AI安全风险远高于消费电子

当前，AI在汽车领域有三大典型应用：驾驶自动化、智能座舱、智能制造；端到端技术、多模态大模型、车云一体化迭代正成为技术演进主线。然而，AI也带来系统内生风险（如算法“黑箱”、鲁棒性差）与应用衍生风险（如责任归属、内容失控）。汽车行业的AI安全风险远高于消费电子领域，因其直接关乎人身安全。在监管层面，国家正加快车用AI技术参数备案、安全细则、能力指南等政策储备，并推动标准体系建设。企业应从可靠性验证、伦理机制、技术冗余等方面构建AI治理能力，政府则需实施分类分级、全周期风险管控，以平衡创新与安全。