一、高速数据传输网络的发展趋势和变化

（一）国家政策与战略导向：场景牵引、运营服务与建用协同

当前，随着数据要素市场化配置改革纵深推进、人工智能加速发展和全国一体化数据市场建设持续深化，数据基础设施在数字经济发展中的基础性、战略性作用进一步凸显。国家围绕数据基础设施建设运营持续作出部署，政策着力点更加注重以实际场景明确建设需求、以运营服务发挥设施效能、以建设应用协同推动能力完善，基础设施建设与数据流通利用、价值释放之间的联系进一步深化。高速数据传输网络作为国家数据基础设施的重要组成，需要准确把握这一政策导向，更好衔接国家数据基础设施建设运营和数据流通应用需求。

场景应用正在成为牵引数据基础设施建设和能力完善的重要抓手。2025年10月，国家数据局印发《关于在国家数据基础设施建设先行先试中加强场景应用的实施方案》，提出以场景建设、技术创新牵引驱动国家数据基础设施高水平建设，并将数据安全可信高效传输、跨地域跨主体联合加工等纳入重点场景方向。这一部署进一步强化了实际需求对基础设施建设的牵引作用，推动设施能力与数据流通任务更加紧密匹配。因此，对于高速数据传输网络，需要从大规模数据迁移、跨区域数据流通、高频服务调用等真实场景中提炼共性网络需求，将不同场景对连接范围、传输容量、服务质量和资源调度等方面的要求转化为网络建设重点，使网络能力配置更好适应实际数据流通需要。

数据基础设施建设更加重视通过运营服务发挥设施使用价值。2026年5月，国家数据局印发《2026年数字经济发展工作要点》，将深化数据要素市场化配置改革作为年度重点任务，提出加快建立全国统一数据产权登记制度，推动建立健全公共数据授权运营价格形成机制，并制定建设开放、共享、安全的全国一体化数据市场相关政策文件。随着数据要素市场化价值化不断深化，基础设施作用也更多需要通过持续提供服务体现出来，使已经形成的基础能力能够有效承接数据流通、开发利用和市场化配置需求。对于高速数据传输网络，需要在连接和带宽供给基础上，进一步形成面向数据流通任务的网络服务能力，通过灵活组网、传输保障、资源调度、计量核算等服务提高网络资源使用效能，推动网络能力由设施供给进一步转化为支撑数据流通利用的实际服务。

建用协同正在成为推动数据基础设施能力持续完善的重要方式。2025年8月，国家数据局启动第二批国家数据基础设施建设先行先试工作，在前期探索基础上，从区域、领域两个方向支持数据基础设施建设和运营，并通过“试技术、试支撑、试标准、试机制”探索形成可复制推广的经验模式。这表明，数据基础设施建设正在更加注重把设施建设、实际运行和模式验证结合起来，通过建设形成能力，通过运行检验能力，并依据实践效果持续完善建设方式。对于高速数据传输网络，需要将建设部署与实际使用情况紧密结合，根据运行过程中形成的业务规模、资源利用、服务质量等反馈，持续优化网络配置和服务方式，使网络建设与业务应用相互促进，逐步形成建设、使用、反馈和优化相衔接的建用协同机制。

（二）数算网安模融合创新：应用承载、资源协同与动态保障

人工智能加速迈向规模化应用，推动数据基础设施的承载需求、资源组织和安全保障发生深刻变化。随着大模型训练推理、智能体协作等新型任务不断拓展，数据、算力、网络、安全与模型之间的运行关联持续增强，对基础设施的实时响应和协同支撑能力提出更高要求。高速数据传输网络需要顺应这一趋势，进一步提升面向人工智能任务的网络承载、动态调度和安全保障能力。

人工智能范式加速演进，正在重塑数据基础设施的承载方式与服务保障需求。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，提出推动人工智能与经济社会各行业各领域广泛深度融合，并明确到2027年新一代智能终端、智能体等应用普及率超过70%。随着人工智能进一步嵌入业务流程，模型与用户、数据源、外部工具以及其他智能体之间的交互将更加频繁，网络承载任务也进一步拓展至模型调用、实时反馈和多主体协作等持续性通信。对高速数据传输网络而言，需要适应大规模数据传输与高频细粒度交互并存的业务形态，在提升传输容量的同时，加强低时延连接、并发承载和服务连续性保障，为人工智能应用稳定运行提供网络支撑。

人工智能规模化应用正在推动数据、算力、网络与模型之间的动态协同。

2026年4月，国家数据局发布《全国数据资源调查报告（2025年）》。报告显示，2025年用于人工智能训练和推理的数据总量达到199.48艾字节，同比增长42.86%，其中推理数据量达到101.34艾字节，首次超过训练数据量，全年词元调用量约21100万亿：截至2025年底，全国智能算力规模达到159万PFLOPS，八大国家算力枢纽智算规模占全国80%以上。数据处理规模持续增长、推理活动快速增加和算力资源加速集聚，使人工智能任务更加依赖数据与算力资源之间及时、高效的衔接。高速数据传输网络需要根据数据规模、算力位置、模型任务和时效要求动态组织连接、带宽和传输路径，支撑数据向相应算力节点高效流动以及模型训练、推理和应用反馈之间的连续交互，提升数据流动与人工智能任务运行的匹配效率。

数据基础设施需要面向人工智能进一步提升安全保障能力。2025年9月，《人工智能安全治理框架》2.0版发布，进一步完善风险分类、探索风险分级，并动态调整防范治理措施。随着模型调用、智能体协作和跨节点交互持续增加，安全边界随任务关系动态变化，身份、权限、访问对象和数据流向也呈现更强的动态性。高速数据传输网络需要加强网络侧安全能力与业务侧安全要求的衔接，根据具体任务形成相应的可信接入、访问控制、传输加密、路径管理和过程记录策略，并结合网络运行状态持续开展安全监测和策略调整，使安全保障与数据流动、算力调用和模型运行过程协同衔接。

（三）跨境数据流通利用：合规有序、过程可溯与高效传输

随着跨境经营、科研协作、模型训练推理等数据跨境应用持续拓展，跨境数据流动的规模、频次和业务形态不断丰富，对数据基础设施的支撑能力提出更高要求。跨境数据流通既需要根据数据属性、应用场景和流通范围明确合规边界，也需要对实际传输过程进行完整记录和追溯，同时满足跨区域、跨网络数据流动对传输效率和服务连续性的要求。高速数据传输网络需要围绕合规承载、过程留痕和高效传输完善网络能力，为数据依法有序、高效跨境流动提供基础支撑。

跨境数据应用持续拓展，对数据合规流通的清晰界定提出更高要求。随着跨境数据应用场景不断增多，不同数据在属性、使用目的、流通对象和适用范围等方面存在差异，需要结合具体业务明确哪些数据可以跨境流动、面向哪些对象流动以及在何种范围内流动，形成与不同数据类型和应用场景相适应的流通边界。高速数据传输网络需要准确承接业务侧已经明确的跨境流通条件，识别相应的数据主体、目的区域和服务要求，为符合流通条件的数据建立相应网络连接，实现跨境数据流通要求与网络承载能力的有效衔接。

跨境数据流通对传输过程可审计、可追溯提出更高要求。跨境数据传输往往涉及不同区域、网络和服务主体，数据在实际流通过程中可能经过多个节点和链路，需要对实际发生的传输行为形成连续、完整的网络侧记录，使数据流通过程能够被还原和核验。高速数据传输网络需要加强传输任务与运行记录之间的关联，持续记录传输时间、流经节点、实际路径、传输状态和资源使用等信息，增强跨境数据传输过程的可视、可查和可追溯能力，为流通过程核验和审计提供依据。

跨境数据流动规模和交互频次持续提升，对网络高效传输能力提出更高要求。大规模数据迁移、跨境模型训练推理、科研数据协作以及持续性数据调用等场景，对跨区域网络连接、传输容量、时延和服务连续性提出了更高要求。高速数据传输网络需要根据数据规模、任务时限和业务连续性要求动态组织带宽和传输路径，增强跨网络、跨区域的数据承载和调度能力，为跨境数据提供稳定、高效、持续的传输服务。