专家解析：夯实数据根基，促进“人工智能+”创新发展

文 |上海阶跃星辰智能科技股份有限公司创始人、CEO 姜大昕

数据作为人工智能发展的三大核心要素之一，是支撑大模型训练、应用的关键基础。高质量数据集直接影响模型的“智商与品性”，也是制约“人工智能+”落地见效的基础性、关键性问题。

习近平主席在向世界数据组织成立致贺信中指出，当今世界正在加速迈入智能时代，数据的基础资源作用和创新引擎作用日渐显现。国务院《关于深入实施“人工智能+”行动的意见》也明确提出要加强数据供给创新，以应用为导向，持续加强人工智能高质量数据集建设。国家发展改革委等部门也联合印发《关于促进数据产业高质量发展的指导意见》，加快深化数据要素市场化配置改革、构建以数据为关键要素的数字经济。近期国家数据局印发的《关于推进行业高质量数据集建设行动的实施方案》，充分回应了产业发展的迫切需求，非常及时、很有必要，必将为行业发展奠定更加坚实的基础。

一、直击供给、质量的痛点：高质量数据“量质齐缺”

从当前技术演进路线看，“缩放定律”（Scaling Law）依然是决定模型能力上限的核心逻辑，模型的综合性能、泛化能力，很大程度取决于训练数据的规模够不够大、质量够不够高、覆盖场景够不够多元。海量、高质量的数据是AI技术迭代的核心“燃料”，没有充足合规的数据供给，再顶尖的算法都难以突破能力瓶颈，大模型也将面临无米之炊：从“量”看，全球高质量中文语料占比严重偏低。中国工程院研究表明，全球通用的50亿大模型数据训练集里，中文语料占比仅为1.3%。同时，西方国家类似Common crawl、开源数据集、素材网站相对比较健全，我国在数据开放度与多样性上还处于发展期，总体开源规模和应用广度有限；从“质”看，原始数据治理能力尚存短板，充斥着大量噪声、冗余和偏见，需要经过复杂的清洗、标注和治理才能用于模型训练。此外，还存在行业细分场景覆盖不足，长尾场景缺数据，专业领域（如法律、医学等）语料数字化进展缓慢、数据清洗难度大、标注成本高等问题。

针对上述问题，《实施方案》打出三大行动组合拳。强基扩容行动聚焦国民经济主干道和未来竞争新赛道两大主战场，支持链主单位牵头组建产业链联合体共建数据集，明确要求链主单位面向行业开放数据集、赋能上下游中小企业，既解决了中小主体“建不起、建不全”的资源短板，也打破了公共数据“沉睡在库里出不来”的困局。标注攻坚行动将数据标注从“拉框工人”升级为“专家深度参与”的知识密集型产业，建立“行业专家认证注册机制”，让专业人士参与指令微调、强化学习等标注工作，解决了行业数据“标不准、专业度低”的短板。提质增效行动明确提出构建“人工智能就绪”（AI-Ready）的高质量数据集，推动“一次测评、全国互认”，让大模型企业不再需要在数据清洗上消耗大量精力。三大行动形成完整供给链路：强基扩容保