数据要素流通的未来发展趋势与战略建议-专题研究报告

数据要素流通的未来发展趋势与战略建议专题研究报告摘要数据要素作为数字经济时代的核心生产要素，其高效流通与价值释放已成为国家战略重点。本报告围绕数据要素流通的发展趋势，从背景定义、现状分析、驱动因素、挑战风险、标杆案例、趋势展望及战略建议七个维度展开系统研究。研究发现，2025年中国数据生产总量达52.26ZB，占全球约27.44%，数据要素市场正从规模扩张向价值释放加速转型。报告提出技术、制度、生态、企业和区域五个层面的战略建议，旨在为推动数据要素高质量流通提供参考。一、背景与定义数据要素流通发展趋势研究概述数据要素是数字经济时代最具革命性的新型生产要素，其本质是以电子化形式记录、存储和传输的信息资源，具有非排他性、可复制性、边际成本递减等独特属性。与土地、劳动力、资本等传统生产要素不同，数据要素的价值并非静态存在，而是在流通、融合和应用过程中不断被挖掘和放大。数据要素流通，是指数据在不同主体、不同区域、不同行业之间按照一定规则和机制进行传输、共享和交易的过程，是数据价值得以实现的关键路径。近年来，全球数字经济蓬勃发展，数据已成为驱动经济增长和社会进步的核心引擎。据国际数据公司（IDC）统计，全球数据总量正以每年约25%的速度增长，预计到2025年将突破175ZB。在这一背景下，各国纷纷将数据要素纳入国家战略布局。欧盟推出《数据法案》《数字市场法案》，美国发布《联邦数据战略》，日本制定《数字厅设置法》，均旨在抢占数据要素发展的战略制高点。中国作为全球最大的数据生产国之一，高度重视数据要素市场建设。2020年，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，首次将数据纳入生产要素范畴；2022年发布“数据二十条”，确立了数据基础制度体系的“四梁八柱”；2023年组建国家数据局，统筹推进数字中国、数字经济、数字社会规划和建设；2024年《“数据要素x”三年行动计划》正式实施，标志着数据要素市场进入加速发展阶段。数据要素流通的理论基础源于信息经济学和制度经济学的交叉融合。从信息经济学角度看，数据要素流通面临信息不对称、外部性和公共品属性等核心问题。信息不对称导致数据交易中的“柠檬市场”困境，买卖双方对数据质量的认知差异阻碍了市场效率的提升。外部性问题则体现在数据流通产生的正外部性（促进创新、提升效率）和负外部性（隐私泄露、安全风险）并存，需要制度设计进行内化。从制度经济学角度看，数据产权界定、交易规则制定和信任机制构建是数据要素流通的三大制度支柱。当前，学术界和实践界普遍认同“数据持有权、数据加工使用权、数据产品经营权”三权分置的产权框架，为数据要素流通提供了理论基础。从实践层面看，数据要素流通已形成多层次、多维度的市场体系。在基础设施层面，全国一体化算力网络、数据共享交换平台、隐私计算平台等构成了数据流通的技术底座。在市场体系层面，全国已设立超过50家数据交易所（中心），形成了以国家级数据交易所为引领、区域性和行业性交易平台为补充的市场格局。在应用场景层面，数据要素已在金融风控、精准营销、智慧城市、工业互联网、医疗健康等领域展现出巨大的应用价值。然而，数据要素流通仍面临产权界定不清、流通规则不完善、安全风险突出、价值评估困难等诸多挑战，亟需系统性的研究和解决方案。本报告立足于中国数据要素流通的最新发展实践，综合运用政策分析、案例研究和趋势研判等方法，系统梳理数据要素流通的发展现状、关键驱动因素、主要挑战与风险，深入分析标杆案例，展望未来发展趋势，并提出具有可操作性的战略建议。报告旨在为政府部门制定数据要素政策提供决策参考，为企业参与数据要素市场提供实践指引，为学术界深化数据要素研究提供素材支撑。二、现状分析当前发展现状2025年是中国数据要素市场发展的关键之年，各项核心指标均呈现出强劲的增长态势。根据国家数据局发布的最新统计数据，2025年全国数据生产总量达到52.26ZB（泽字节），同比增长27.28%，占全球数据总量的约27.44%，中国继续保持全球最大数据生产国的地位。这一数据表明，随着5G、物联网、人工智能等新一代信息技术的广泛应用，中国社会经济各领域正在加速数字化转型，数据生成速度和规模持续攀升。在数据资源供给方面，全国高质量数据集数量已超过11万个，同比增长61.13%。这一显著增长得益于多方因素的共同推动：一是政府部门大力推进公共数据开放共享，各级政府数据开放平台累计开放数据集超过30万个；二是企业数字化转型深入推进，大量企业将内部数据资源进行标准化治理和对外服务化封装；三是科研机构和高校加大数据资源建设力度，在人工智能、生物医药、新材料等领域形成了一批高质量的数据集；四是数据标注产业快速发展，为AI训练提供了大量高质量的标注数据。在数据交易市场方面，企业数据产品和服务数量同比增长29.29%，数据交易额同比增长39.8%，交易额增速明显高于产品数量增速，反映出数据产品和服务正在向高价值方向演进。全国已设立的数据交易所（中心）超过50家，其中深圳数据交易所、上海数据交易所、北京国际大数据交易所等头部交易所的交易规模持续扩大，产品类型从基础数据集扩展到数据API、数据模型、数据报告、数据应用等多种形态。数据交易参与主体日益多元化，涵盖金融、电信、能源、制造、医疗、交通等多个行业。在数据跨域流通方面，2025年数据跨省流通总量达到2949.12EB（艾字节），同比增长19.01%。跨省数据流通的增长反映了区域间数字经济协同发展的深入推进，长三角、粤港澳大湾区、京津冀等重点区域的数据流通尤为活跃。数据跨境流通总量达到142.34EB，同比增长14.88%，在全球数据治理规则加速重构的背景下，中国积极参与DEPA（数字经济伙伴关系协定）等国际规则制定，推动建立安全有序的数据跨境流通机制。值得关注的是，AI训练推理数据量达到199.48EB，增长42.86%，其中推理数据量首次超过训练数据量，这一结构性变化标志着人工智能应用已从模型训练阶段大规模进入推理部署阶段。大语言模型、多模态模型等新一代AI技术的广泛应用，对数据要素的规模、质量和多样性提出了更高要求，同时也为数据要素的价值释放开辟了新的空间。基于上述发展态势，2026年被定位为“数据要素价值释放年”，政策重点将从数据资源汇聚转向数据价值挖掘和应用场景拓展。国家数据局将围绕数据要素市场化配置改革，重点推进数据产权制度落地、数据交易市场规范化、数据跨境流通便利化、数据安全治理体系完善等关键任务，力争在数据要素价值释放方面取得突破性进展。表1：2025年中国数据要素核心指标概览指标名称数值同比增长全国数据生产总量52.26ZB27.28%占全球数据总量比例约27.44%-高质量数据集数量超11万个61.13%企业数据产品和服务数量增速-29.29%数据交易额增速-39.8%数据跨省流通总量2949.12EB19.01%数据跨境流通总量142.34EB14.88%AI训练推理数据量199.48EB42.86%三、关键驱动因素六大核心趋势数据要素流通的发展受到多重因素的共同驱动，本报告将其归纳为六大核心趋势，这些趋势相互作用、相互促进，共同塑造着数据要素市场的未来格局。第一，从规模扩张到价值释放的质变。经过多年的基础设施建设和资源积累，中国数据要素市场正经历从“有数据”到“用数据”、从“存数据”到“活数据”的根本性转变。这一转变的核心在于数据应用场景的深度挖掘和数据价值的精准释放。过去几年，各地纷纷建设数据中心、数据平台，数据存储和处理能力大幅提升，但数据资源的实际利用率仍然偏低。2025年以来，随着“数据要素x”行动的深入推进，数据应用场景从传统的营销分析、信用评估扩展到智能制造、智慧农业、绿色低碳、数字金融等更广泛的领域，数据要素的价值释放效率显著提升。数据要素的流通不再仅仅追求数据量的增长，而是更加注重数据质量的提升、数据融合的深度和数据应用的效果。第二，数据跨域流通快速增长。数据跨域流通包括跨省流通和跨境流通两个维度。在跨省流通方面，全国一体化数据要素市场建设加速推进，区域间数据流通壁垒逐步打破。长三角地区率先建立数据流通协同机制，实现区域内数据互认互通；粤港澳大湾区依托“跨境数据验证平台”，探索跨境数据安全流通新模式；京津冀地区围绕产业协同发展需求，构建了多层次数据共享体系。在跨境流通方面，中国积极参与全球数字治理，推动建立多边、双边数据流通合作机制。上海临港、北京自贸区、海南自贸港等地区开展数据跨境流通试点，探索建立数据出境安全评估、标准合同、认证等多元化跨境数据流通管理方式。第三，AI驱动数据需求结构性变化。人工智能技术的快速发展正在深刻改变数据要素市场的需求结构。一方面，大语言模型、多模态AI等新一代技术对训练数据的需求呈现爆发式增长，高质量、多模态、领域专业化的数据集成为稀缺资源。另一方面，AI推理应用的大规模部署催生了海量的实时数据处理需求，推理数据量首次超过训练数据量，标志着AI应用进入以推理为主导的新阶段。此外，AI技术本身也在赋能数据要素流通，通过智能数据标注、自动化数据治理、隐私计算等技术手段，降低数据流通的成本和门槛，提升数据流通的效率和质量。第四，可信数据空间成为关键基础设施。可信数据空间是一种在特定信任框架下实现数据安全共享和流通的新型基础设施，被国际社会普遍认为是解决数据流通信任问题的有效路径。中国已启动首批63个可信数据空间试点项目，涵盖制造、金融、医疗、能源等重点行业，吸引了超过7万家市场主体参与。可信数据空间通过技术手段（如区块链、隐私计算、数据沙箱）和制度手段（如数据使用协议、访问控制策略）的结合，构建了“数据可用不可见、数据不动模型动”的安全流通环境，有效解决了数据流通中的信任缺失和安全顾虑问题。试点实践表明，可信数据空间能够显著降低数据流通的交易成本，提升数据流通效率，促进数据要素在产业链上下游的高效配置。第五，数据价值衡量从存量估价走向调用计费。传统数据交易模式以数据集的“买断”为主，买卖双方围绕数据集的整体价值进行定价和交易。然而，随着数据应用场景的日益丰富和数据更新频率的加快，这种一次性交易模式的局限性日益凸显。越来越多的数据提供方开始采用“调用计费”模式，即根据数据被实际调用的次数、频率或效果进行收费。这种模式更符合数据要素“越用越值钱”的特性，能够更好地激励数据提供方持续更新和维护数据质量，同时也降低了数据使用方的初始投入成本。API接口调用、数据订阅服务、按效果付费等新型交易模式正在成为数据要素市场的主流。第六，流通对象扩展到“物理AI数据包”。随着具身智能、机器人、自动驾驶等技术的快速发展，数据要素的流通对象正在从纯数字数据扩展到包含物理世界信息的“物理AI数据包”。这类数据包融合了传感器数据、环境数据、行为数据等多种类型的信息，是AI系统理解和交互物理世界的基础。例如，自动驾驶数据包包含激光雷达点云、摄像头图像、GPS轨迹等多维信息；工业机器人数据包包含力矩传感、视觉识别、运动轨迹等数据。物理AI数据包的流通对数据传输带宽、存储容量、实时处理能力提出了更高要求，同时也催生了新的数据治理标准和安全规范。四、主要挑战与风险安全风险、合规风险、市场风险、人才瓶颈尽管数据要素流通取得了显著进展，但在快速发展过程中仍面临诸多挑战与风险，需要引起高度重视并采取有效措施加以应对。在安全风险方面，数据要素流通面临日益严峻的网络安全威胁。随着AI技术的普及，网络攻击的门槛大幅降低，攻击手段更加智能化和隐蔽化。据统计，2025年利用AI技术发起的钓鱼攻击同比增长135%，深度伪造（Deepfake）技术被广泛用于社会工程学攻击，给数据安全防护带来了前所未有的挑战。与此同时，中国的网络安全投入水平仍然偏低，网络安全投资占IT总投资的比例不到3%，远低于发达国家10%以上的水平。网络安全投入不足导致安全防护能力薄弱，特别是在中小型数据企业和传统行业数字化转型过程中，安全防护体系的建设严重滞后于业务数字化的发展速度。数据泄露事件频发，涉及个人隐私数据、商业秘密和国家安全信息的泄露事件呈上升趋势，给社会信任和经济发展带来了严重负面影响。在合规风险方面，数据要素流通的法律制度体系尚不完善，给市场主体带来了较大的合规不确定性。虽然《数据安全法》《个人信息保护法》等法律法规已经出台，但在数据产权界定、数据交易规则、数据跨境流通、数据资产入表等关键领域，仍然缺乏具体的实施细则和操作指引。数据产权的模糊性导致数据交易中的权属纠纷频发，数据提供方和使用方的权利义务关系不够清晰。数据跨境流通方面，安全评估、标准合同、认证等管理方式的适用范围和操作流程仍需进一步明确，企业在开展跨境数据业务时面临较大的合规成本和不确定性。此外，不同地区、不同行业之间的数据治理规则存在差异，数据要素的跨区域、跨行业流通面临规则不统一的障碍。在市场风险方面，数据要素市场仍处于发展初期，市场机制不够成熟，存在多种结构性风险。首先，数据价值易变性强，同一数据在不同场景、不同时间、不同使用主体之间的价值差异巨大，导致数据定价机制不成熟，市场价格信号失真。目前，数据定价主要依赖协商定价和评估定价两种方式，缺乏统一、透明、可量化的定价标准。其次，数据要素市场的信息不对称问题突出，数据质量参差不齐，数据买方难以准确评估数据产品的真实价值，“劣币驱逐良币”的风险不容忽视。再次，数据要素市场的垄断风险值得关注，部分头部平台凭借数据规模优势和技术优势，在数据交易中占据主导地位，中小企业获取数据的成本居高不下。数据显示，头部平台购买数据费用均值是其他企业的60倍，这种巨大的成本差距严重制约了中小企业参与数据要素市场的能力和意愿。在人才瓶颈方面，数据要素流通的快速发展对复合型人才的需求急剧增加，但人才供给严重不足。一方面，既懂技术又懂业务的数据人才稀缺，能够胜任数据治理、数据安全、数据交易等工作的专业人才缺口巨大。另一方面，网络安全人才短缺问题尤为突出，据预测，到2027年中国网络安全人员缺口将达到327万人。网络安全人才的短缺不仅制约了数据安全防护能力的提升，也影响了数据要素流通安全保障体系的建设。此外，数据要素流通涉及法律、经济、技术、管理等多个学科领域，需要大量具备跨学科知识和实践经验的复合型人才，而当前高等教育和职业培训体系在数据要素相关人才培养方面仍存在较大的滞后性。表2：数据要素流通主要挑战与风险风险类型核心问题关键数据安全风险AI降低攻击门槛，安全投入不足钓鱼攻击增长135%，安全投资占比<3%合规风险法律制度不完善，规则不统一数据产权、跨境流通细则缺失市场风险定价机制不成熟，平台垄断头部平台数据费用是中小企业60倍人才瓶颈复合型人才供给严重不足2027年网络安全人员缺口327万五、标杆案例研究三大典型案例为深入理解数据要素流通的实践路径和创新模式，本报告选取三个具有代表性的标杆案例进行深入分析。案例一：深圳数据交易所CDM模式创新。深圳数据交易所（SDE）作为全国领先的数据交易机构，在数据交易模式创新方面进行了积极探索。CDM（CreditDataModel）模式是深圳数据交易所首创的一种数据交易新模式，其核心创新在于将传统的“数据买断”模式转变为“数据信用+数据模型”的融合交易模式。在CDM模式下，数据提供方不再直接出售原始数据，而是将数据封装为标准化的数据信用模型，数据使用方通过调用模型接口获取数据分析结果，而非获取原始数据本身。这种模式有效解决了数据流通中的隐私保护和安全顾虑问题，实现了“数据可用不可见”的安全流通目标。CDM模式已在金融风控、信用评估、反欺诈等领域得到广泛应用，服务金融机构超过200家，累计调用量超过10亿次。深圳数据交易所还建立了完善的数据产品质量评估体系和交易争议解决机制，为数据交易双方提供了可靠的制度保障。截至2025年底，深圳数据交易所累计挂牌数据产品超过3000个，年度交易额突破100亿元，位居全国前列。案例二：全国数据基础设施互联互通覆盖20省。全国数据基础设施互联互通工程是国家数据局主导推进的重大基础设施建设项目，旨在打通各地区、各行业之间的数据流通通道，构建全国一体化的数据要素流通网络。截至2025年底，该工程已覆盖全国20个省份，连接了超过200个数据平台和系统，实现了跨区域数据共享交换的标准化和规范化。互联互通工程采用“统一标准、分级建设、协同运营”的建设模式，制定了统一的数据接口规范、数据格式标准、安全传输协议和身份认证机制，确保不同地区、不同系统之间的数据能够安全、高效地流通。在技术架构上，采用了分布式数据网关、隐私计算中间件、区块链存证等技术手段，构建了多层次的安全防护体系。在运营管理上，建立了国家和省级两级运营管理中心，负责数据流通的监控、调度和应急处理。互联互通工程的实施显著降低了跨区域数据流通的成本和时间，跨省数据流通效率提升了约40%，为全国统一数据要素大市场的建设奠定了坚实的技术基础。案例三：保定市国家数据标注基地。保定市作为国家首批数据标注基地之一，在数据标注产业发展方面取得了显著成效。数据标注是AI产业链中的关键环节，为AI模型训练提供高质量的标注数据，是数据要素价值释放的重要途径。保定市依托本地丰富的高校资源和人力资源优势，制定了数据标注产业发展专项规划，建设了集数据采集、数据清洗、数据标注、数据质检于一体的全链条数据标注产业体系。基地引入了多家头部AI企业和数据服务企业，形成了良好的产业集聚效应。在人才培养方面，保定市与驻保高校合作开设数据标注相关专业和培训课程，建立了“学历教育+职业培训+在岗实训”的多层次人才培养体系，每年培养数据标注专业人才超过5000人。在技术创新方面，基地积极推进AI辅助标注技术的应用，通过预标注、智能质检等技术手段，将标注效率提升了3倍以上，标注准确率保持在98%以上。截至2025年底，保定数据标注基地已累计完成各类数据标注项目超过10万个，标注数据量超过500亿条，服务AI企业超过100家，成为华北地区最大的数据标注产业集群。六、未来趋势展望2025-2030年趋势预判展望2025年至2030年，数据要素流通将进入全面深化和加速发展的新阶段，呈现出以下重要趋势。趋势一：数据要素市场体系日趋成熟。预计到2028年，全国统一数据要素大市场将基本建成，数据产权制度、数据交易规则、数据定价机制、数据安全治理等核心制度框架将全面落地。数据交易所（中心）将经历一轮整合和优化，形成以3至5家国家级交易所为核心、若干区域性交易所为补充的“多中心”市场格局。数据交易产品将从以数据集为主向数据API、数据模型、数据应用、数据服务等多元化方向演进，交易模式将从一次性买断向订阅制、按需调用、效果分成等灵活方式转变。数据交易规模预计将以年均30%以上的速度增长，到2030年有望突破万亿元规模。趋势二：技术驱动数据流通范式变革。隐私计算、联邦学习、区块链、数据沙箱等新一代技术将大规模应用于数据流通场景，推动数据流通从“信任依赖”向“技术保障”转变。零知识证明、同态加密等前沿技术的成熟将使“数据可用不可见”从理念变为现实，彻底解决数据流通中的隐私保护难题。AI技术将在数据治理、数据质量评估、数据安全检测等环节发挥越来越重要的作用，大幅提升数据流通的自动化和智能化水平。量子计算技术的突破可能对现有数据加密体系产生颠覆性影响，数据安全防护体系需要提前布局和升级。趋势三：数据跨境流通规则加速重构。随着DEPA、CPTPP等国际数字贸易协定的深入推进，以及欧盟《数据法案》等区域性法规的实施，全球数据跨境流通规则将加速重构。中国将更加积极地参与国际数字治理规则的制定，推动建立更加公平、合理、包容的全球数据治理体系。预计到2027年，中国将与主要贸易伙伴建立更加便利化的数据跨境流通机制，数据跨境流通的合规成本将显著降低。同时，数据主权和数据安全的考量将始终是数据跨境流通的核心议题，安全评估、保护认证、标准合同等管理工具将更加精细化和智能化。趋势四：数据要素与实体经济深度融合。数据要素将深度融入农业、制造业、服务业等实体经济的各个环节，成为推动产业转型升级的核心驱动力。在制造业领域，工业数据要素的流通和应用将推动智能制造从单点应用向全链条协同演进，数字孪生、预测性维护、柔性生产等应用场景将大规模落地。在农业领域，农业数据要素的流通将支撑精准农业、智慧供应链、农产品溯源等应用的发展，助力乡村振兴战略的实施。在服务业领域，数据要素将推动金融、医疗、教育、文旅等行业的数字化、智能化转型，催生新的商业模式和服务形态。趋势五：数据安全治理体系全面升级。面对日益复杂的数据安全威胁，数据安全治理将从被动防御向主动防护、从边界安全向数据安全、从合规驱动向风险驱动转变。AI驱动的安全防护体系将成为主流，自动化威胁检测、智能安全编排、自适应安全响应等技术将大幅提升安全防护的效率和精准度。数据安全分类分级保护制度将全面实施，针对不同类型、不同级别的数据实施差异化的安全防护策略。数据安全人才培养将得到前所未有的重视，高校、企业、社会机构将形成多层次、多渠道的数据安全人才培养体系，逐步缓解人才短缺问题。趋势六：数据要素赋能社会治理创新。数据要素流通将在智慧城市、数字政府、公共安全、应急管理等领域发挥越来越重要的作用。城市级数据要素流通平台将实现政务数据、社会数据、商业数据的融合应用，支撑城市精细化管理和精准化服务。公共数据开放共享将从“能开放尽开放”向“按需开放、精准开放”升级，公共数据的价值释放效率将显著提升。数据要素在公共卫生、防灾减灾、社会保障等领域的应用将更加深入，为构建更加安全、韧性的社会提供有力支撑。七、战略建议五条可落地建议基于上述分析，本报告从技术、制度、生态、企业和区域五个层面提出以下战略建议。建议一（技术层面）：构建自主可控的底层技术防护体系，以AI驱动安全能力升级。首先，加大对隐私计算、联邦学习、区块链等关键核心技术的研发投入，突破“卡脖子”技术瓶颈，建立自主可控的数据流通技术底座。建议国家设立数据流通技术专项基金，支持科研院所和企业开展联合攻关，力争在零知识证明、同态加密、安全多方计算等前沿领域取得突破。其次，加快AI安全技术的研发和应用，构建AI驱动的数据安全防护体系。利用AI技术实现自动化威胁检测、智能安全编排和自适应安全响应，提升安全防护的效率和精准度。建议建立国家级AI安全评测中心，对AI安全产品和服务进行权威认证。再次，前瞻布局量子安全加密技术，防范量子计算对现有数据加密体系的潜在威胁，确保数据流通的长期安全性。建议二（制度层面）：加快数据确权立法进程，完善数据流通负面清单制度。首先，推动数据产权立法，明确数据持有权、加工使用权、产品经营权的具体内涵、行使方式和保护机制，为数据要素流通提供清晰的法律基础。建议在《民法典》框架下，制定专门的数据产权条例或实施细则，解决数据产权“界定难、保护难、流转难”的问题。其次，建立并完善数据流通负面清单制度，明确禁止流通和限制流通的数据类型、场景和条件，为市场主体提供明确的合规指引。负面清单应根据数据安全形势和产业发展需要动态调整，在保障安全的前提下最大限度促进数据流通。再次，完善数据交易监管制度，建立数据交易事前备案、事中监控、事后追溯的全链条监管体系，防范数据交易中的违法违规行为，维护健康有序的市场秩序。建议三（生态层面）：建立数字信任框架，大力培育网络安全和数据治理人才。首先，构建覆盖技术、制度、文化三个维度的数字信任框架。在技术维度，推广可信数据空间、数据沙箱、区块链存证等信任增强技术；在制度维度，建立数据质量认证、数据安全评估、数据合规审计等信任保障机制；在文化维度，倡导数据伦理和负责任的数据使用理念，培育全社会的数字信任文化。其次，将网络安全人才培养纳入国家人才发展战略，建立“学历教育+职业培训+继续教育”的多层次人才培养体系。建议在高校增设网络安全和数据治理相关专业，扩大招生规模；鼓励企业与高校联合建立实训基地，培养实战型人才；建立网络安全职业资格认证体系，提升从业人员的专业水平。力争到2030年，将网络安全人才缺口缩小至100万人以内。建议四