专家解读 | 夯实高质量数据集底座：完善数据资源体系，助力“人工智能+”创新发展

抖音推荐 2025年08月23日 11:49 1 admin

文 | 北京市人民政府副秘书长北京市政务服务和数据管理局党组书记、局长沈彬华

随着大模型和人工智能技术快速演进，人工智能产业范式从“以模型为中心”转向“以数据为中心”，高质量数据集成为人工智能能力提升和“人工智能+”场景落地的关键支撑。

早期，业界普遍认为“数据越多越好”，数据集的概念主要围绕数据的“大规模”特征，认为通过海量数据就可以训练出更好的模型。随着应用实践的深入，大规模低质量的数据集局限性逐步显现，“高质量”数据集成为影响大模型“智商”的核心因素，数据清洗、标注等工作受到重视。伴随着人工智能在工业制造、医疗健康、教育教学等领域的应用落地，通用高质量数据集难以满足细分场景训练需求，高应用价值、高知识密度和高技术含量的行业高质量数据集供给日趋关键。今年5月，国家数据局印发《数字中国建设2025年行动方案》，明确提出“加强交通、医疗、金融、制造、农业等重点领域数据标注，建设行业高质量数据集”，为相关工作指明了方向。

但在实际工作中，我们仍面临着诸多挑战，制约了行业高质量数据集的高效建设与应用。

一是数据采集标准与转化机制有待进一步完善。各级公共数据平台归集整合能力不断加强，企业数字化转型持续加速，但受数据标准不一、采集误差等影响，数据存在分布偏差、颗粒度不一、采集缺失等状况，导致大量数据沉淀且难以直接使用。同时，为更好支持数据资源向可供人工智能大模型使用的高质量数据集转化，还需进一步完善面向应用端的数据治理、标注、评估和开发利用机制。

二是数据治理技术融合创新有待提升。行业高质量数据集是数据资源和专业知识的融合产物，现阶段行业专识数据集主要依赖人工标注，亟需智能化、自动化标注工具以及精准的数据合成技术支持，以提升数据集生产效率，满足专业场景对数据集“规模”“质量”“附加知识”的多重需求。

三是高质量数据集专项支持政策有待完善。高知识密度、高应用价值的数据集开发周期长、成本高、复用率低，数据价值转化路径不清，市场回报机制不明，缺乏专门针对行业专识数据集的投资或补贴政策。同时，高质量数据集价值实现面临流通慢、责任界定不清等问题，影响供需双方的积极性和规模化交易，需要进一步构建涵盖高质量数据集建设、流通交易、创新应用、运营收益的政策体系。

为应对上述挑战，需要多方协同发力，推动形成涵盖资源汇聚、流通、应用以及技术创新、制度建设的高质量数据集建设体系，有力支撑人工智能应用创新发展。

一是畅通高质量数据集流通交易渠道。将高质量公共数据集纳入公共数据管理，实现集中管理、高效调用、智能应用，提升在政府部门间的整体利用效能。进一步完善供给渠道，打造高质量数据集流通交易体系，一方面依托公共数据开放平台，打造高质量数据集开放专题，持续保障面向企业和社会公众的高质量数据集普惠供给；另一方面鼓励公共数据专区运营单位，结合本领域市场需求，定向开展高质量数据集融合建设，提升高质量数据集市场化供给能力。同时，支持相关开源平台等规范化、规模化运营，探索高质量数据集开源机制。支持数据交易机构加快构建人工智能行业高质量数据集供需对接能力，进一步整合外部资源力量，引入数据集清洗、标注、合成、质检等领域生态合作伙伴，形成高质量数据集开发治理、供需对接、评估定价等服务能力。

二是加大高质量数据集相关技术攻关力度。聚焦关键环节突破，加大科技研发投入，鼓励相关市场主体打造智能化、自动化的行业高质量数据集标注工具，强化人机协同能力，提升标注效率与精准度。组织攻关多源异构数据融合技术，建立统一跨行业数据格式标准，破解“数据孤岛”难题。推动数据合成等技术迭代，探索模拟稀缺高质量数据集的有效路径，通过技术创新夯实数据集建设根基。

三是健全数据集建设保障制度。发挥数据标准化技术委员会作用，推动高质量数据集格式、质量、流通有关标准建设。探索原创数据集确权、价值评估、流通交易、收益分配等机制建设，培育可持续供给生态。鼓励各类社会主体共建数据要素创新安全可信环境，充分利用“数据要素×”竞赛活动等渠道，加强对高质量数据集评估测试和应用落地的全面支撑。

来源：国家数据局