随着智能网联汽车加速从试点测试迈向规模化应用，数据成为产业发展的关键“底座”。
一方面，自动驾驶系统对高质量数据依赖度高，涵盖车辆运行状态、道路环境、交通参与者行为等多维信息；另一方面，数据采集、使用、流转牵涉公共安全、个人信息保护、商业秘密与监管合规等多重边界，若管理机制不完善，既可能制约产业创新，也可能带来安全风险与社会治理压力。
在此背景下，上海联合发布《上海高级别自动驾驶引领区“模速智行”行动计划》，把“完善数据采集管理机制、推动数据协同互信”和“构建全链条安全保障体系”作为重要抓手，释放出以制度供给护航产业升级的明确信号。
问题在于，当前智能网联汽车从“能跑”到“跑得稳、跑得安全、跑得可复制”，仍面临几类共性挑战：其一，数据标准与口径不一，不同企业、不同区域在采集频率、标注规则、脱敏方式等方面存在差异，导致跨主体数据难以互认、难以融合；其二，数据流通缺乏足够的安全与责任边界，事故追溯、权责划分、应急联动等机制若不健全，容易形成“技术跑得快、治理跟不上”的矛盾；其三，应用宣传与用户认知存在偏差，若对能力边界表述不清，可能诱发误用、滥用，影响行业健康发展与公众信任。
原因分析显示，上述问题既有技术层面的复杂性，也有制度层面的不确定性。
自动驾驶技术涉及车端、路端、云端协同，数据链条长、参与主体多，任何一环规则不清都可能放大风险。
同时，跨企业、跨区域、跨行业的数据协同，本质上是对规则、标准、信任机制与利益关系的再平衡：企业需要创新空间与商业保护，监管需要安全可控与可追溯，公众需要知情与权益保障。
只有形成可操作、可验证、可追责的制度框架，数据要素才能在“可用”与“安全”之间实现动态均衡。
从影响看，“数据协同互信”与“全链条安全保障”的强化，有望带来多重效应。
首先，将促进测试与应用效率提升。
统一的采集管理与协同机制，有助于减少重复采集、降低合规成本，加快形成可复用的数据资产与评测体系。
其次，将推动产业化能力建设。
行动计划提出引导企业加强产业化能力建设，并推动本市测试应用管理政策与国家准入试点政策有效衔接，有利于打通“地方试点—规模应用—准入落地”的通道，提升产品从试验到商业化的转化效率。
再次，将提升城市交通治理韧性。
通过安全员培训、车辆监管、应急响应等事前事中事后联动机制，可以增强对风险的提前识别与处置能力，为公众出行安全和道路秩序提供更坚实保障。
围绕对策安排，行动计划释放出三方面重点方向：一是加大政策支持，完善智能网联汽车数据采集管理机制，推动跨企业、跨区域、跨行业的数据协同和互信。
这意味着未来在数据标准、共享规则、合规审查、使用边界等方面将更加清晰，促进数据在合规前提下“流得动、用得好”。
二是优化完善相关政策措施和管理制度，建立覆盖安全员培训、车辆监管、应急响应等环节的全链条安全保障体系。
全链条治理强调“预防为主、闭环管理”，既要把风险关口前移，也要实现事故复盘、责任认定与机制改进的持续迭代。
三是优先支持经测试评估的自动驾驶大模型搭载上车应用。
该表述体现出“先评估、再上车”的导向，有助于推动技术创新与安全合规同频共振，避免“未充分验证即快速扩张”的隐患。
前景判断上，随着国家层面准入试点与地方先行先试相互衔接，自动驾驶有望进入“规范化竞争”新阶段：竞争不再仅比拼功能堆叠与营销声量，更要比拼安全体系、合规能力、数据治理能力与持续运营能力。
对企业而言，应在数据合规、模型评测、系统冗余、应急处置与用户告知等方面建立可审计、可追溯的管理体系，既守住安全底线，也增强市场信任。
对城市治理而言，推进跨区域、跨行业协同将是重要趋势，交通管理、公安监管、产业主管部门与基础设施运营方之间的机制联动越顺畅，越能形成可复制、可推广的经验，为更大范围的应用拓展奠定基础。
智能网联汽车产业的健康发展需要技术创新与制度创新的双轮驱动。
上海的"模速智行"行动计划正是这一理念的具体体现，通过完善数据管理机制、建立安全保障体系、推进政策协同等举措，为自动驾驶产业创造了更加成熟、更加规范的发展环境。
这不仅对上海本地产业具有重要意义，也为全国自动驾驶产业的高质量发展提供了有益借鉴。
可以预见，在政府引导、企业参与、社会监督的共同作用下，我国自动驾驶产业将逐步走向理性繁荣，更好地服务于经济社会发展大局。