我國已建設高質量數據集超3.5萬個 總量超400PB
作者: 蘇德悅 來源: 人民郵電報 編輯: 楊小婷 時間:2025-09-09 15:25:24
日前，在2025中國國際大數據產業博覽會“高質量數據集主題交流活動”上，《高質量數據集建設指引》（以下簡稱《建設指引》）正式發布。數據顯示，我國已建設高質量數據集超3.5萬個、總量超400PB。
《建設指引》指出，隨著大模型技術應用的快速發展，人工智能的研發重點正從“重點優化模型架構”轉向“模型與數據協同優化”，其中高質量數據的作用日益凸顯。數據作為人工智能發展的三大核心要素之一，已成為人工智能大模型訓練的核心要素資源，決定了大模型的性能。加快人工智能高質量數據集建設，夯實人工智能發展數據基礎，對于推動“人工智能+”場景落地具有重要意義。
2024年12月，國家發展改革委、國家數據局等部門印發《關于促進數據產業高質量發展的指導意見》，首次明確提出“高質量數據集”概念，將其作為人工智能與實體經濟融合的核心載體。隨后一系列政策相繼發布，《關于促進數據標注產業高質量發展的實施意見》《關于促進企業數據資源開發利用的意見》《國家數據基礎設施建設指引》等政策均提出建設行業“高質量數據集”。
在政策指引下，我國高質量數據集建設成效明顯。《建設指引》中發布的數據顯示，截至2025年6月，全國建設高質量數據集超3.5萬個、總量超400PB；數據交易機構掛牌高質量數據集3364個，作為交易流通中的關鍵商品，累計交易額近40億元，規模達246PB；國內多數模型訓練使用中文數據占比達到60％～80％。
國家數據局統籌建設數據標注基地，在生態構建、能力提升和場景應用等方面先行先試，集聚龍頭企業，促進區域人工智能產業生態發展，目前已建設行業高質量數據集524個，數據總規模超過29PB，賦能163個國產人工智能大模型的研發與應用，帶動數據標注行業相關產值超過83億元。與此同時，中央企業、大模型技術企業、標準化組織、科研學術機構等多方主體正協同共建行業生態體系，形成了多元聯動的發展格局。
《建設指引》指出，雖然我國高質量數據集建設在國家統籌、推進模式和應用場景方面具有獨特優勢，但在數據開放度、標準體系、關鍵技術及國際影響力等方面仍有短板，在數據供給、技術工具、標準規范、安全合規、商業模式等方面還面臨許多困難與挑戰。
《建設指引》指出，要以體系化思維優化高質量數據集建設布局，以設施化手段促進高質量數據集流通利用，以生態化環境保障高質量數據集可持續發展，構建覆蓋全流程、貫通各環節的高質量數據集格局。要針對智能化需求，搭建行業知識索引框架；錨定智能場景，繪制行業數據集資源地圖；圍繞高質量數據集建設運營環節，構建全鏈條、全行業標準體系。
與此同時，要通過構建“平臺+數據集+模型”的一體化服務設施，降低數據集應用門檻，推動數據集市場化流通和規模化應用。通過制度創新、產業協同和人才培育，構建多方共贏的生態體系，著力突破建設成本高、共享意愿低、創新動能弱等瓶頸。