刘烈宏智博会发声：AI决胜关键不在模型而在数据质量

近期，国家数据局局长刘烈宏在2026世界智能产业博览会上揭示了一个关键趋势：未来人工智能的角逐焦点，正由“比拼模型”逐渐转向“较量数据”。

尽管大众目光多聚焦于大模型、智能体及机器人，但此次发言释放的更深信号是——国家已将“高质量数据集构建”提升至战略高度。

今日，让我们用通俗语言解析这一动向。

为何当下格外重视高质量数据集？

回顾过去两年，舆论焦点多集中于大模型。

从ChatGPT到各类行业专属模型，众多企业陷入参数、算力及模型能力的内卷。

然而随着产业演进，业界愈发认清一个现实：即便模型再强大，若缺乏优质数据，其效能也无法释放。

这好比一名优等生，若教材内容全是谬误，最终所学成果必然偏差。

因此，行业现已形成共识：制约AI天花板的因素，除模型外，更在于数据。

这正是刘烈宏在发言中反复提及高质量数据集的原因。

毕竟，数据已成为人工智能时代最核心的基础资源之一。

为何制造业对此最为迫切？

发言中特别强调了先进制造业。

不少人误以为制造业引入AI，仅是部署几台机器人或上线若干系统。

事实上，情况远非如此简单。

真正的工业智能化，需依托海量真实数据作为支撑。

例如：

设备运行数据

产品质量数据

工艺流程数据

生产管理数据

故障维修数据

这些数据的积累越完备，AI对生产逻辑的理解就越深入。

未来众多工业大模型，依赖的并非互联网公开信息，而是工厂每日产生的真实业务数据。

谁掌握高质量工业数据，谁便更易训练出真正懂行的模型。

这也是国家推动行业高质量数据集建设的核心动因。

机器人同样为何离不开数据？

此次发言中还有一个关键术语：具身智能。

通俗来说，即能进入现实场景作业的机器人。

例如：

工业机器人

服务机器人

家庭机器人

无人设备

许多人认为机器人主要依赖硬件。

实则，机器人面临的最大挑战在于“训练”。

机器人如何识别物体？

如何研判环境？

如何执行动作？

这一切背后均需海量数据支撑。

视觉、语音、动作及触觉数据越丰富，机器人便越智能。

故而未来机器人产业的演进，本质上是数据能力的竞争。

国家正引领新的发展方向

此次发言还透露一个重要信息：国家数据局将发布《关于推进行业高质量数据集建设行动的实施方案》。

从公开信息来看，未来将重点围绕六大方向推进：

强基扩容

标注攻坚

提质增效

应用赋能

管理服务

价值释放

用一句话概括：不仅要收集数据，更要让数据切实产生价值。

因为数据若仅存于数据库而缺乏流通与应用，本身无法创造价值。

唯有融入产业、嵌入场景、进入AI训练环节，数据方能真正转化为生产力。

数据产业迎来新机遇

细察近年来国家数据局的举措，可发现明显趋势。

从数据资源化迈向数据资产化；

从数据入表延伸至数据交易；

从可信数据空间拓展至模数共振；

直至如今的高质量数据集建设。

所有政策均指向同一目标：释放数据价值。

往昔，许多企业视数据为业务副产品。

未来，越来越多企业将意识到：数据本身就是资产。

甚至可能成为企业最关键的资产之一。

尤其在制造业、医疗、能源、交通及金融等领域，谁能率先完成数据治理并构建高质量数据集，谁便更有机会在AI时代抢占先机。

总 结

此次刘烈宏在天津的演讲，表面探讨的是数据集建设。

但深层含义在于：国家正推动人工智能的发展逻辑发生转变。

过去人们关注模型有多强大。

未来人们更在乎数据有多优质。

因为真正决定AI能走多远的，除算法与算力外，还有源源不断的高质量数据。

对企业而言，下一阶段最需深思的问题或许非“是否要做AI”，而是：自身手中的数据，能否成为AI时代的新生产力。