国家大数据局2024年发布可信数据空间发展行动计划（2024-2028）、2025年7月可信数据空间创新发展试点名单，重庆承担了城市可信数据空间创新发展试点、行业可信数据空间创新发展试点(汽车)等可信空间试点建设。与此同时，全球汽车产业正经历从“电动化”向“智能化”的深度转型，数据成为核心竞争要素‌。重庆作为全国重要汽车生产基地，智能网联汽车产业快速发展，以长安、赛力斯为龙头，形成全产业链布局，配套企业超600家，智能网联领域上下游企业产生了大量的数据，亟需构建可信数据空间以整合研发、制造、供应链等全链条数据，解决数据孤岛与安全矛盾。为梳理企业行业数据流通需求、思辨可信数据空间构建技术路径，促进重庆汽车产业发展，2025年10月25日中国计算机学会青年计算机科技论坛（CCF YOCSEF）重庆分论坛在重庆理工花溪校区明德楼举办“汽车行业可信数据空间建设技术路径探索”技术论坛。

本次论坛由中国计算机学会主办，CCF YOCSEF重庆学术委员会组织，中国科学院绿色智能技术研究院、重庆理工大学计算机学院承办。论坛特别邀请重庆信息通信咨询设计院有限公司党委书记、总经理张晓琴博士，重庆大学计算机学院王宁教授、中国汽车工程研究院王涵高级工程师担任引导嘉宾。本次论坛汇聚了三十多位来自企业与学术界的代表。

会议正式开始后，执行主席陈芋文、陆艳军介绍了CCF YOCSEF的文化理念，并对本次观点论坛的背景进行了介绍。本次论坛主要分为引导发言和议题思辨两个环节。在引导发言阶段，三位嘉宾从不同维度剖析汽车行业可信数据空间的发展。

引导发言一：《可信数据空间解析》

张晓琴以可信数据空间发展行动计划（2024-2028年）这一政策驱动出发，介绍可信数据空间建设背景、重要性，梳理了可信数据空间的8个政策文件，并从技术视角、系统视角、产业生态视角分别解读可信数据空间建设的关键内容，对比可信数据空间与国家数据基础设施的关系，最后从技术架构、核心能力、安全防护、参与方、运营机制、典型场景、场景规划、生态规划等角度详细解读了重庆城市可信数据空间建设情况。

引导发言二：《智能网联汽车跨域数据安全与隐私保护》

王宁介绍隐私计算为多学科交叉技术，涵盖安全多方计算、同态加密、差分隐私、零知识证明、联邦学习及可信执行环境等主流技术子项。其技术路径包括：密码学路径（如安全多方计算）、硬件路径（如可信执行环境）及人工智能路径（如联邦学习）。随后，他详细讲解了多方安全计算中的密码分析、不经意传输、零知识证明、混淆电路、同态加密及机器学习等技术。最后，探讨了基于去中心化信任的跨域认证、基于条件隐私保护的匿名认证、基于后量子密码的认证及基于PUF和模糊提取器的认证技术所面临的问题、挑战及解决方案，并分享了实验结果。

引导发言三：《汽车行业可信数据空间试点探索》

王涵从政策发展背景、汽车数据规模及新能源智能网联汽车数据应用场景切入，剖析数据流通痛点；重点阐述汽车可信数据空间发展路径、中国汽研数据板块优势及国家认可，并介绍其建设汽车行业数据基础设施的总体思路、功能及技术能力；最后，详细说明汽车行业可信数据空间发展目标、数字资源与场景建设、典型应用场景（如高质量研发数据集、新能源安全一账通）、数据产品与运营体系建设，以及企业与政府支持情况。

论坛下半场进入思辨环节，围绕三大核心议题，现场交锋热烈、碰撞不断：

思辨议题一：汽车企(行)业可信数据空间的可能涉及的数据及预期建设目标，数据流通过程中有哪些技术风险点、管理风险点?

长安汽车王颖异：从企业端长安汽车比较关注市场营销、客户画像、营销服务比如维修保养数据、供应商供应链方面等数据空间安全。

中国科学院软件研究所朱嘉奇：从数据分析挖掘的算法和模型方面，数据可信空间要服务于场景应用，时序数据怎么构建可信空间，记录数据时间戳服务于数据时间序列的分析，要挖掘数据可信空间的重要信息，应用于现实场景中。

与会嘉宾从以下方面进行了激烈的思辨讨论：

1. 企业数据应用与安全需求‌

车企视角：‌重点关注市场营销、客户画像、维修保养及供应链数据的安全管理，强调数据在业务场景中的价值挖掘与风险控制。

数据类型与流通矛盾‌：整车、供应链、用户画像等数据因权属分散（如不同机构持有）导致流通效率低，需解决“算法适配性”与“数据共享意愿”问题

2. 数据可信空间构建‌

场景驱动‌：可信数据空间需服务于实际应用（如时序数据分析），通过时间戳等技术确保数据可追溯性。

标准与合规‌：需结合国家及行业要求定义可信空间标准，部分场景下数据采集标准可高于国家标准。

3. 数据流通与效率挑战‌

算法与共享障碍‌：数据流通需解决算法适用性、机构间数据孤岛问题，并优化管理效率。

非隐私数据合规性‌：车企数据主要来自自采、授权及政府渠道，符合法律要求。

权责划分模糊‌：数据属性和权责未明确，导致管理风险；

合规与风险平衡‌：车企数据采集需符合国家标准，但可信空间要求可能更高；

车机端个人数据（如声音、照片）处理缺乏完善规章制度，需通过技术脱敏（如结果数据）降低风险。

4. 数据安全与风险管理‌

敏感数据处理‌：人脸数据需授权并脱敏后使用，技术风险通过连接器透明化筛选。

个人数据权责‌：车机端采集的语音、图像数据需明确权责划分，当前制度仍需完善。

5. 未来方向‌

权责明晰是基础‌：需通过国家标准与行业规范明确数据属性，解决“谁拥有、谁负责”问题。解决数据属性划分与权责归属问题，推动跨机构协作。

技术标准需先行‌：可信数据空间需结合时序分析、连接器筛选等技术，同时制定高于国标的产业标准。技术透明化‌，通过连接器、预处理技术降低数据交易风险，强化隐私保护。

隐私保护与流通平衡‌：个人数据需通过授权、脱敏处理实现合规流通，避免因管理风险阻碍数据价值释放。

场景驱动价值实现‌：可信数据空间应围绕营销、安全、供应链等场景构建，以应用需求倒逼技术与管理创新。

形成以下核心观点‌：汽车行业数据可信空间的构建需以‌场景需求‌为导向，通过‌技术标准化‌（如时序分析、连接器）和‌权责明晰化‌（如数据属性划分）解决流通与隐私矛盾，同时依赖‌国家/行业标准‌的完善推动数据价值释放。

思辨议题二：构建汽车行业可信数据空间时如何进行技术选型(同态、联邦学习等)，以平衡数据安全与数据可用?

中国科学院刘江：我们主要使用的是开源数据，车上的数据是隐私的，可信数据空间包含那些数据，比如特斯拉的数据是透明的，有权利调出使用。数据来源比较广，可以是仿真数据、数据管理部门授权，在不同场景下使用不同技术来支撑数据保护。

浙江安恒胡文袁：可信数据空间建设过程不是一个全量化，数据在使用之前进行过预处理。在数据流通过程中，基于场景使用选择一个具体的技术路线。数据使用是以场景化为驱动。在评价数据安全和使用，更多关注数据出境。各个企业需要的是了解数据标准的法律法规。

与会嘉宾从以下方面进行了激烈的思辨讨论：

1. 数据来源与可信空间定义‌

开源与隐私数据并存‌：车企数据（如特斯拉）需透明化处理，但用户隐私数据受法律保护，需通过授权或司法程序调取。

多源数据支撑‌：数据可来自仿真、管理部门授权等，不同场景需匹配差异化保护技术。

2. 场景化驱动的技术选择‌

非全量化处理‌：数据需预处理后流通，技术路线应基于具体场景需求。

规则与路径‌：技术选择需结合市场应用，建立标准化流程。

3. 隐私保护与权责机制‌

用户隐私验证‌：通过第三方平台与用户建立合作，确保数据保护性使用。

车企数据管控‌：原始数据经加密传输，场景应用仅提供结果数据，避免隐私泄露。

司法与第三方介入‌：敏感数据（如事故数据）需第三方机构参与分析，确保公正性。

4. 数据真实性验证与成本平衡‌

防伪造机制‌：通过代码审计、智能合约及法律约束验证数据真实性。

采集周期与成本‌：数据采集周期由数据源方决定，需评估服务器成本与数据质量。

5. 行业痛点与未来方向‌

透明度与信任‌：车企数据（如黑匣子）需加密管理，司法程序保障真实性。

标准与法规完善‌：企业需明确数据出境规则，推动行业级可信空间标准。

形成以下核心观点‌：可信数据空间需以场景为核心‌，技术选择与隐私保护需动态适配实际需求；权责透明化‌是关键，通过第三方协作、加密传输及司法介入建立信任机制；行业标准与法规‌需同步完善，平衡数据流通效率与安全，解决真实性验证与成本问题。

思辨议题三：如何设计汽车行业可信数据空间的技术管理架构，促进数据要素流通?

绿盟科技集团向国勇：技术管控，从非法测绘场景、高清地图管控自动驾驶场景管控过程中，数据权责导致很多车企和供应链厂商不愿意去共享数据，共享出去了收益是什么？技术管理架构要依靠连接器、数据交互平台，统一相应的标准、行业或者成立标准委员会促成数据交易的机制。

与会嘉宾从以下方面进行了激烈的思辨讨论：

1. 数据共享的权责与技术管控挑战‌

车企与供应链的顾虑‌：数据共享的收益不明确，导致企业不愿共享（如非法测绘、自动驾驶场景数据）。需通过技术架构（如连接器、数据交互平台）和统一标准促进交易机制。

动态价值与场景化定价‌：数据价值随使用场景变化，需结合贡献度或场景需求灵活定价。

2. 数据资产定价的复杂性‌

链式分配与多方议价‌：数据价值分配需多方参与，但议价过程复杂，尚无统一标准。

评估方法待完善‌：当前依赖会计方法（如比较法），需国家出台评估标准以解决企业间数据能力差异导致的分配问题。

3. 可信数据空间的知识产权保护‌

数据匹配与产权风险‌：数据使用者需在可信空间筛选可用数据，同时保护自身知识产权。

资产评估模型构建‌：需建立涵盖采集成本、场景价值的定价模型，推动数据流通。

4. 场景驱动的技术架构‌

技术适配场景需求‌：数据流通需依托具体场景设计技术架构，确保权责清晰、价值可量化。

形成以下核心观点：权责与收益需明确‌，通过技术管控和标准委员会机制，解决数据共享的权责矛盾；动态定价与标准缺失是瓶颈‌，需国家主导制定数据资产评估标准，平衡多方利益，带动需求增长从而促进数据要素流通；场景化与产权保护并重‌，可信数据空间需结合场景需求，同步解决数据匹配与知识产权问题。