定义
数据飞轮（Data Flywheel）描述了一个”场景牵引数据 → 数据驱动模型 → 模型赋能应用 → 应用创造价值”的良性循环。它不是静态的数据仓库，而是一个动态的、价值不断增殖的活生态系统。
数据飞轮概念首次在国家数据局《关于推进行业高质量数据集建设行动的实施方案》中正式提出 token-economy-policy-first-mention。
核心理念
良性循环的四步闭环
场景牵引数据 → 数据驱动模型 → 模型赋能应用 → 应用创造价值
↑ |
└──────────────────── 反馈 ──────────────────────┘
- 场景牵引数据：真实业务场景产生高质量数据需求
- 数据驱动模型：数据训练和优化AI模型
- 模型赋能应用：模型嵌入业务应用创造实际价值
- 应用创造价值：价值反哺数据供给，形成正向飞轮
商业模式的根本转变
数据飞轮推动商业模式从一次性售卖转变为持续性的价值共创与收益分享：
| 维度 | 传统模式 | 数据飞轮模式 |
|---|---|---|
| 交易方式 | 一次性数据包买卖 | 持续性的词元化交易 |
| 价值计量 | 固定价格 | 每次调用精准计量增量价值 |
| 激励结构 | 一次性收入 | 持续收益分享 |
| 数据供给 | 一次性销售后断连 | 持续供给+持续收益 |
| 生态关系 | 买卖双方 | 价值共创的生态伙伴 |
数据赋能工场
文件中”打造集数据集生产加工和流通利用、支撑模型训练应用于一体的数据赋能工场”的表述，预示着一类新型产业服务主体的出现。它们将是数据飞轮的运营者：
- 数据加工：将原始数据加工为标准”词元”
- 流通管理：确保数据在生态中安全、可信流通
- 价值增值：通过模型训练及应用持续提升数据价值
词元化交易与飞轮的关系
通过 token-economy 中的词元化交易机制，数据飞轮的每个环节实现闭环：
- 每一次数据被调用 → 产生可计量的词元价值
- 每一次模型因新数据而优化 → 增量价值被精准计量
- 增量价值反馈给数据提供方 → 激励更多高质量数据供给
- 更多数据供给 → 飞轮加速运转
在智脑时代的落地
智脑时代的 digital-employee 产品运行逻辑与数据飞轮高度吻合：
| 飞轮环节 | 产品对应 |
|---|---|
| 场景牵引数据 | 企业知识库持续输入 |
| 数据驱动模型 | LLM-Wiki 知识体系持续训练 |
| 模型赋能应用 | 数字员工执行业务任务 |
| 应用创造价值 | ROI可量化、可追踪 |
每执行一次任务生成的Token消耗记录 token-accounting-model，就是飞轮运转的精确计量凭证。
深入阅读
- token-economy — 词元经济的完整框架
- token-economy-policy-first-mention — 政策原文解读
- token-accounting-model — Token计量法
- digital-employee — 数字员工与飞轮运行