打造人工智能高质量数据供给体系
人工智能作为引领新一轮科技革命和产业变革的战略性技术，正在深刻重塑人类的生产生活模式。“十五五”时期是人工智能技术加速突破与应用广泛渗透的关键节点。在AI发展进程中，数据要素的地位愈发关键，既是决定模型能力上限的核心因素，也是支撑应用成效的重要变量。加快构建面向人工智能的高质量数据供给体系，是推动我国AI实现跨越式发展、深化“人工智能+”行动的关键举措，对于加速产业智能化升级、推进新型工业化进程具有不可替代的支撑作用。
当前，人工智能技术的迅猛发展对数据要素提出了诸多新挑战。近年来，我国AI产业取得显著成就，这背后离不开数据要素的有力支撑。据国家数据局统计，截至2026年3月底，我国日均词元调用量已突破140万亿，较2024年初增长了1000多倍。《全国数据资源调查报告（2025年）》显示，2025年我国年度数据生产总量达到52.26泽字节，同比增长27.28%，占全球总量的27.44%，连续保持全球领先。其中，用于AI训练和推理的数据总量达199.48艾字节，同比增长42.86%；推理数据量首次超越训练数据，反映出AI应用正加速从模型训练阶段迈向规模化落地阶段。截至2026年3月底，全国已建成高质量数据集超过11.6万个、规模逾960拍字节，为AI突破性发展提供了坚实保障。下一步，AI技术加速迈向通用人工智能新阶段，对数据要素的需求也将随之升级。
模型迭代亟需实现“数据+场景”的深度融合。近年来，AI基础模型能力快速跃升，多模态理解、复杂推理及工具调用等能力持续增强，智能体逐渐成为主流应用形态，推动生成式AI加快向现实生产力转化。前沿模型的复杂任务处理能力已逼近甚至局部超越人类专业水平，应用重心正从“生成内容”加速转向“执行任务”。在此背景下，单纯依赖互联网公开语料的传统训练路径难以为继，“数据墙”的制约日益突出，依靠数据规模扩张的边际收益不断递减，通用数据已无法支撑模型代际突破。与此同时，AI应用落地与能力进化需深度绑定垂直场景，场景既是技术转化为生产力的载体，也是高质量垂直数据的源头。更关键的是，数据供需的主要矛盾已从数量不足转向供给体系化支撑缺失。这要求着眼AI长远发展，构建自动化、标准化的数据工程体系，持续提升应用过程中的数据自我造血能力。构建数据与场景双向赋能机制，形成“场景沉淀数据、数据优化模型、模型赋能场景”的正向循环，为AI持续演进提供关键支撑。
模型训练重心的转移要求更加聚焦动态交互行为。大模型初期发展高度依赖互联网公开的“静态语料”，CommonCrawl等开源库汇聚了网络文本、电子书籍等资源，是大模型预训练构建知识底座的核心支撑。然而，随着训练重心从通用预训练向强化学习变迁，单一的静态语料已无法满足智能体自主决策、闭环执行等高阶需求，模型训练数据需求结构发生重大转变。推动数据需求从静态知识数据向动态行为数据与交互流数据倾斜，涵盖智能体调用API工具、规划执行路径、试错修正及反馈流数据等更丰富的现实世界数据。特别是高质量的动态交互样本与人类对齐反馈数据，正成为突破智能体自主性不足、运行可靠性偏弱等瓶颈的关键要素。
通用智能演进需要进一步拓展物理空间数据。具身智能与世界模型是迈向通用人工智能的必经之路。世界模型承担物理世界规律建模与决策推演的“认知大脑”功能，具身智能则是智能体与真实环境交互的“行动载体”，二者深度耦合、互为支撑，共同推动AI从被动感知理解向主动具身交互、自主决策执行的高阶阶段演进。当前，具身智能与世界模型尚未迎来类似大语言模型的“GPT时刻”，即出现类似ChatGPT发布的突破性进展，核心瓶颈在于物理世界高质量交互数据的积累尚未跨越能力涌现的临界阈值。据测算，支撑通用大模型实现能力跃升的训练语料规模达万亿词元量级，而全球可用于具身智能训练的高质量真机交互数据集，普遍处于百万级轨迹规模层级，二者在数据体量、样本丰富度上存在显著差距。具身智能和世界模型的进一步发展，对数据供给范畴、形态、结构与质量均提出更高要求。一方面，数据范畴从传统数字空间的静态图文音视频内容，向物理世界的多模态交互感知、连续运动控制、环境因果规律数据加速延伸，数据形态从离散独立的单模态样本，转向“感知—决策—执行—反馈”全链路的闭环时序数据。另一方面，世界模型对物理规则的学习、具身智能体对复杂环境的适配，都亟须覆盖多元场景、多类物体、多重物理规则的大规模连续交互数据，要求数据兼具场景丰富度、物理真实性与因果逻辑性。
面对人工智能发展对数据要素提出的新需求，应以“人工智能+”行动为牵引，以模数共振为关键路径，统筹推进数据扩容提质、流通共享、治理赋能和机制创新，加快构建系统完备、安全可控、充分激活的高质量数据供给体系。
扩充数据资源供给，筑牢要素支撑底座。紧扣大模型能力跃升、智能体落地应用、具身智能技术攻关的核心需求，聚焦科研、制造、医疗、交通等AI应用主战场，以及低空经济、生物制造、生物医药等新兴产业和未来产业重点领域，针对性布局多类型数据集。围绕智能体自主决策与任务执行需求，积累任务规划、工具调用、多轮交互等决策轨迹类数据；围绕具身智能研发落地，搭建机器人操作、多模态感知、人机协同等真机数据集；围绕世界模型训练推演，探索构建数字环境交互数据和仿真生成数据体系，充分发挥行业龙头企业、科研机构和公共数据资源作用，形成多主体参与的数据供给格局。同步发挥合成数据作用弥补物理场景数据短板，依托仿真引擎生成符合物理规律的三维交互数据，填补高危、小众场景数据缺口；建立覆盖生成、标注、入库全流程的数据质量评估机制，打通仿真生成、加工标注、模型验证、迭代优化的数据闭环。
升级数据加工能力，培育专业服务体系。数据工程体系是破解作坊式治理、实现数据自主供给的根本抓手。需适配大模型、具身智能等AI训练的高标准数据需求，顺应数据标注从劳动密集型向知识密集型、技术密集型转型趋势，大力发展大模型驱动的人机协同数据加工模式，推广智能标注、自动质检、辅助审核等新技术，提升数据处理效率与质量。面向医疗、工业、法律等专业领域，培育兼具行业认知与技术能力的数据服务机构，推动数据加工从简单标注向知识提炼、逻辑组织和价值挖掘升级，完善多层次专业人才培养体系。同步推动标注范式从二维平面向三维空间、多模态时序升级，拓展三维点云、关节位姿、动作序列、因果关系等标注维度，做好多源感知数据的时空对齐，采用仿真预标注加人工精细化校验模式提升具身数据精度。把构建标准化数据工程体系作为提升数据自我造血能力的根本路径，布局AI数据工程技术基础设施，攻关多模态数据高效清洗、大规模向量数据库检索、合成数据生成流等核心技术，打造可复用的数据工程工具链，探索“云—边—端”协同的数据处理架构；加快研制与AI数据相关的国家标准和评估体系，形成“需求—采集—治理—应用—迭代”的全周期数据工程闭环。
构建可信流通体系，释放数据要素价值。围绕AI跨主体协同创新需求，推动数据流通利用设施建设，并充分运用隐私计算、区块链、数据沙箱、可信执行环境等技术，实现数据价值共享和安全流通，破解AI创新中的数据共享顾虑。完善数据产权登记、价值评估、收益分配等制度安排，形成技术与制度协同的保障体系，为跨主体数据协作提供规则支撑。推动行业数据从分散化、封闭式管理向标准化、服务化供给转变，依托统一标准推进各部门、各区域数据资源整合，搭建逻辑统一、物理分布的数据供给网络，破除跨主体、跨行业、跨区域的数据流通壁垒，形成支撑AI创新发展的数据资源循环体系。打造公共数据服务平台，将隐私计算、合规脱敏、数据治理等共性能力封装为普惠型公共服务，降低中小企业、科研机构的人工智能创新数据门槛，持续盘活存量数据价值，赋能人工智能全域创新。
完善价值激励机制，激发数据供给内生动力。遵循AI产业发展规律，探索建立适配AI发展的数据价值实现机制，完善数据资源托管、收益分配和权益保护制度，切实保障数据提供者的合法权益。按照“谁贡献、谁受益”的原则，建立科学合理的数据收益分配体系，增强经营主体参与高质量数据供给的积极性。引导模型企业、行业企业和数据服务机构加大数据领域的投入，推动AI产业竞争从单纯比拼算力、模型参数，向提升数据质量、释放数据价值转变，形成“优质数据支撑模型迭代、模型价值反哺数据供给”的良性循环。坚持鼓励创新与规范发展并重，建立适应AI发展的数据分级分类监管体系，对不同类型数据实施差异化管理。在守住安全底线前提下，为AI数据领域的新技术、新模式预留发展空间，健全容错纠错机制，支持地方和企业开展探索实践，营造包容审慎的发展环境。
强化产业协同联动，构建数据飞轮生态。聚焦AI全链条创新生态构建，充分发挥行业组织、龙头企业的桥梁纽带和引领带动作用，构建跨企业、跨领域、产学研用深度融合的协同推进机制。鼓励行业标杆企业、数据服务商、模型研发企业结成创新联合体，通过场景开放、数据共享、联合攻关等方式，实现场景牵引、数据驱动和模型迭代的良性互动。统筹用好政策与市场工具，积极对接国家和地方相关产业政策，引导社会资本参与数据要素市场建设，形成多元化、可持续的投入格局。聚焦行业核心痛点打造标杆数据集，持续赋能AI与实体经济深度融合。加大对高价值中文开源数据集的扶持力度，以开源生态带动数据标准统一，降低全行业AI创新成本。依托行业智库、科研院所与龙头企业共建共性技术平台，积极参与全球AI数据治理规则制定，牢牢把握AI发展的战略主动权。
人工智能时代的竞争，不仅是模型和算力的竞争，更是高质量数据供给体系的竞争。谁能够率先构建覆盖数据生产、治理、流通、利用和价值实现的完整体系，谁就能够在新一轮智能化发展中掌握主动权。对此，要坚持自主创新、应用牵引、生态协同、开放共享、安全可控的发展路径，以高质量数据供给支撑AI高质量发展，为加快发展新质生产力，建设制造强国、网络强国和数字中国，推进中国式现代化作出新的更大贡献。
作者系中国信息通信研究院院长余晓晖