对于日本科技动向的观察者来说，2025年11月11日的一则消息是不容忽略的。这一天，日本四家与数字空间相关的团体宣布结成“日本数据空间联盟（Japan Data Space Alliance (JDSA)）”。这四家团体分别是：DSA、DPFJ、JDTF以及RRI。
DSA（Data Society Alliance）：数据社会联盟，成立于2021年4月，旨在根据日本数字厅计划的“数据战略”和“内阁府战略创新创造计划（SIP）”，通过产官学的合作实现跨领域的公正与自由的数据流通和利用，营造富裕的社会。DSA涵盖跨领域数据流通的规则、商业模式和法律社会议题，从更宏观的社会和经济视角，构建数据流通的通用准则。在JDSA框架中，DSA负责制定跨领域数据流通规则与社会构想。
DPFJ（Digital Policy Forum Japan），日本数字政策论坛，成立于2021年9月，是一个由学术界知名学者发起的讨论数字政策的平台。它超越产学官民的框架，构筑起多元化专家松散合作的社区，广泛且深入地讨论有关数字政策，及时提出建议，并与其他组织开展各种合作以深化讨论。在JDSA框架中，DPFJ负责研究数字政策与建言。
JDTF（Japan Digital Trust Forum）:日本数字信赖联盟，创立于2020年8月，旨在利用数字技术确保在实现日本提倡的“社会5.0”过程中的组织、人员、物品、数据、过程以及系统的信赖性。在JDSA框架中，JDTF负责构建数据流通的基本信任技术。
RRI（Robot Revolution & Industrial IoT Initiative）：机器人革命与产业IoT促进协会，成立于2015年2月，代表制造业和机器人技术领域的需求与实践。RRI将其在智能制造、物联网和机器人数据互联方面积累的技术标准和实践经验带入JDSA，确保日本数据空间的建设能够紧密服务于其核心的制造业。代表制造业与产业IoT领域，推动产业应用。
最近一段时间，围绕着数据空间的企业间的合纵连横令人眼花缭乱。那么，日本这个时节推出JDSA，有什么背景与目的呢？
首先，数据空间概念最早是由美国数据库学会在2005年提出的，之后，德国在2015年提出了产业数据空间（Industrial Data Space）组织，并成立了“国际数据空间联盟（International Data Spaces Association（IDSA）），将数据空间概念进一步具体化并推广。欧洲已经成立了许多有关数据空间的团体，比如知名的Gaia-X，Catena-X，IMX等等。其中，Catena-X整合了汽车行业的数据，在追溯车载蓄电池供应链数据方面，正在发挥重要的作用。IMX则为整合制造业的数据空间。
为了推广与普及数据空间的利用，欧洲还在积极地推进与数据空间相关的标准化。Gaia-X与IDSA旗下，设立有标准化推进工作组，其开发的“数据空间协议（Data Space Protocol）”正在成为行业标准。
日本近几年在数据空间方面也做了诸多努力，成立了不少官民合作的机构与团体，推进该领域的研究与开发。但是，日本的团体之间的联系比较松散，也尚未形成行业标准。
日本作为一个工业化强国，在供应链以及国民经济的各个领域，拥有丰富的经验，积累了丰厚的数据。但是，这些数据存在于各个企业内部，没有得到充分的利用。假如这些分散在各处的数据池能够在行业之间流动，形成一个更大的数据湖或者数据海，那么其威力可想而知。
我们可以设想以下几个有关数据空间的应用场景。
场景一：制造业 × 物流业 —— “零库存”与“ 预测性维护（predictive Maintenance）”，将“库存成本”转化为“数据服务费”，实现真正的精益生产。
“A制造公司”的CEO一直为高昂的原材料库存和生产线意外停机而头疼。现在，他们接入了一个工业数据空间。与上游供应商共享生产数据，A制造公司将实时生产进度和物料消耗数据安全地分享给核心供应商“B精密零件公司”，同时与物流伙伴共享出货计划，将未来数周的精准备货计划会分享给战略物流伙伴“C物流”。
这样的数据空间将发生数据驱动的业务变革。对B精密零件公司而言，不再是盲目生产，而是根据A制造公司的实时消耗，进行准时化顺序供应，零件在需要的那一刻送达生产线。对C物流来说，可以提前调配专属运力和仓位，实现 “生产线-货车”无缝对接，运输时间可精确到小时。对A制造公司，其原材料库存趋近于零，现金流大幅改善；同时，产线上的设备运行数据被用于预测零部件损耗，提前安排维护，生产线意外停机时间相应下降。在这个过程，商业模式出现了创新。A制造公司向供应商和物流商支付的不再仅仅是零件和运费，更包含了一笔“数据协同服务费”，因为后两者基于数据提供了更高价值的服务。
场景二：农业 × 金融保险业 —— “从看天吃饭”到“看数据定产”。将不可控的农业风险，转化为可精算、可对冲的金融产品。
譬如，“金稻集团”需要贷款扩大再生产，但银行认为农业风险太高。于是，金稻集团将其高标准农田的土壤墒情、作物长势卫星影像、无人机巡查数据以及历史产量数据，打包成一个数据资产包，与金融机构交易，进行风险评估。银行与保险机构利用这些数据，能够更精准地评估抵押物价值和还款能力，敢于发放 “产量挂钩型贷款”，即收成越好，还款条件越优惠。保险公司则能设计出 “区域产量指数保险” ，当卫星监测到该区域平均产量因灾害低于特定指数时，自动触发理赔，无需繁琐的现场查勘。通过这种商业模式的创新，金稻集团出售的不再只是粮食，而是其精准的农业生产过程数据，这些数据成为了获得金融支持的“新型抵押物”。
场景三：汽车制造业 × 能源业 × 城市管理 —— “智慧能源网络”，将电动汽车车队，变为城市电网的“移动充电宝”。
假定“丰奇汽车公司”生产了大量电动汽车，但电网公司担心用电高峰时，大规模充电会冲垮电网。于是，丰奇汽车公司将其所有车辆的电池状态、位置和充电计划数据匿名化后，安全地共享给电网公司。电网公司利用AI分析这些数据，在用电低谷时，向车主的APP发送优惠信号，鼓励充电；在用电高峰时，向参与 “车辆倒电网” 计划的车主付费，请求从他们的汽车电池中取回少量电力反哺电网。这样的商业模式创新，对电网公司来说，可以以极低成本获得了庞大的分布式储能资源，避免了数百亿的电网升级费用；对丰奇汽车公司而言，其产品不再仅是交通工具，而是能源生态的参与者，这是一个强大的销售卖点和新的收入来源，可以从能源服务中分成。
我们还可以设想更多的应用场景，甚至一些随处可见的公开信息，譬如天气预报所积累的数据，电视收视率的累计数据等等，都可以打包出售，卖给有需求的商家，以促进其商业模式的变革与创新。
数据不仅可以变成有偿的资产，还可以成为新的“商业谈判筹码”和“抵押物”，帮助企业获得更优的金融条款、供应链服务和商业合作。从“链式”协作升级为“网络式”协作。企业间不再是简单的上下游关系，而是通过数据编织成一张价值网，任何一个节点的数据都能为其他节点创造价值。
通过数据空间，商业模式从“卖产品”延伸到“卖服务”，而数据是这些新服务（如预测性维护、精准营销、能源调度）的基石。
本质上，数据空间正在构建一个企业间的“数据价值交换网络”，在这里，最宝贵的不是独占数据，而是如何安全、可信地利用自己的数据，去交换和激活外部更广阔生态的数据，从而共同创造单体无法实现的价值。
随着人工智能（AI）利用的深化，对数据的需求愈演愈烈。而日益激烈的地缘政治情势，越来越对实现安全、公平的数据共享提出要求。
要实现上述跨行业、跨区域数据空间的美好愿景，需要克服很多技术与立法上的门槛。从技术角度看，不同行业的数据结构相异，如何在数据的汪洋大海中找到匹配的数据，如何定价并实现交易，如何确保数据的质量并且确保数据的隐秘与安全，这一系列的难题都需要建立相应的标准化与管理机制。从法规的角度，如何对数据所产生的权利进行定义与保护，如何对接跨行业、跨区域的相应法规，都是亟需解决的课题。
日本此前的四个核心团体（DSA, DPFJ, JDTF, RRI）虽已在各自领域推动数据空间的建设，但力量分散，尚未建立有影响力的国际标准，不足以应对日益增长且复杂的国际竞争。因此，以“JDSA”作为统一品牌，构建一个更强有力、一体化的推进体制，加速数据空间在日本的社会实施与国际合作，将促进各团体间的深化合作，整合各团体在政策、社会实施、信任技术、产业应用方面的专业知识与网络。
根据JDSA发布的内容，JDSA将作为一个整体，主导以下活动：
政策与规则：进行政策建言，参与国内国际数据规则的形成。
实践与推广：支持创建跨行业的应用案例，分享最佳实践。
国际对接：加强与海外先进数据空间的联系，确保国际互操作性。
信任基础：推进数据空间社会实施所必需的信任技术基础的建设。
普及启蒙：举办研讨会、工作组会议等活动，进行普及和人才培养。
以此次统合为第一步，JDSA旨在推动构建一个“全日本”体制的数据空间生态系统，以增强日本产业竞争力并解决社会问题。
供稿 / 戴维
编辑 JST客观日本编辑部
