8月28日，2025数博会高质量数据集主题交流活动在贵阳国际生态会议中心举行。本次交流活动由国家数据局主办，中国信息通信研究院、中国移动通信集团承办，以“数据要素赋能人工智能创新发展”为主题，共同见证高质量数据集建设和发展的新成果，探讨数据产业发展新实践和新机遇。
中国工程院吴世忠研究员：
高质量推进数据集建设
“当前，全球人工智能正从感知智能向认知智能跃迁，大模型作为核心载体，其能力边界由数据的质量、规模和安全性定义，是模型训练基础与性能优化支撑，关乎社会伦理与文化传承。”吴世忠说。
从重要意义看，大模型时代数据集被提到新高度。国家政策层面，数据集建设已纳入我国人工智能发展战略规划。现实情况中，我国大模型发展有独特场景与文化需求，中文数据丰富多元，同时对人工智能治理审慎，需在数据集源头融入安全与文化元素，数据集建设是战略工程。
然而，数据集建设面临诸多现实困难，需从多方面加强工作：要完善分级分类数据安全制度，制定安全指南，实施分级分类管理，建立资源目录。要强化全流程技术防护手段，加强采集阶段合规性验证与敏感信息检测，提升标注环节质量控制，部署数据沙箱环境。要创新多方协同治理模式，政府发挥统筹作用，企业落实主体责任，科研机构推进技术攻关。要培育安全向善行业生态，融入优秀传统文化与价值观，鼓励企业发布白皮书，支持行业协会制定公约。
性能安全是大模型核心领域，数据集是关键。“我们既是建设者、把关者，也是守门人，唯有敬畏数据，才能让大模型更好服务社会与国家发展。”吴世忠说。
清华大学数字政府与治理研究院院长张小劲：
数据标注迈向“AI自驱”
“早期文本投喂已进化为机器学习的通识大模型，再升级为面向场景的专项大模型；数据抓取变为自我学习……”张小劲说，国家数据局、央企、国企齐推高质量数据集，恰好契合这一规律。
张小劲介绍，国家数据局刚发布的数据标注产业实施意见，把数据正式认定为生产要素，没有高质量标注就没有可交易、可应用的数据，也就没有行业驱动力。标注行业已成熟，催生新职业与技能标准。
技术层面，人工标注正被AI颠覆。合成数据弥补真实样本不足，大模型自标注、智能质检、工具链优化成为核心竞争力。企业可划为四类：技术场景双强（具身机器人）、技术强场景弱（前沿实验）、技术弱场景强（垂直采集）、技术弱场景弱（众包外包）。
面向未来，需要推进AI辅助与全自动标注，让标注从劳动密集转向知识密集；建立多轮质监与反馈机制，剔除低质数据，抑制大模型幻觉；开发行业靶向标注体系，把中国海量小众场景做成差异化优势；深化校企合作，加速技术转化与标准迭代；强化技能培训，优化人力配置与质量追踪。
中国移动通信集团数智化部党委委员、副总经理陶涛：
数据供给从“大而全”走向“优而精”
“ChatGPT、DeepSeek引爆全球AI新浪潮，算力、算法、数据三要素中，数据已成决定模型性能的天花板，AI落地到哪里，高质量数据集就必须同步到哪里。”陶涛说。
陶涛认为，当前，数据供给正从“大而全”转向“优而精”，追求高精度、多模态、严治理；从“烟囱孤岛”走向“可信共享”，构建隐私保护、流通有序的开放体系；从“支撑应用”升级为“驱动智能”，让数据成为模型持续进化的核心引擎。
面向高质量的数据供给，中国移动提出并实践了“5个1”的高质量数据集质量体系。一是高质量数据集的治理方案，包括体系化、工程化、场景化的生产流程；二是建立一支数据标注力量；三是自主研发了一套高质量数据供给管理平台，包括汇聚、清洗、管理的供应链；四是产出高质量的数据集，包括通识、行业专识不同层次的高质量数据集；五是建立跨域共建的产业生态，希望产业各方共同建立高质量数据集。
中科闻歌联合创始人兼首席执行官罗引：
驱动AI从可用到可靠
“当下，人工智能产业可从算力、模型、数据三层剖析。”罗引介绍，算力层，我们处于追赶态势，实现自主可控尚需时日，不过在数学、逻辑、创新方面，我们以更低算力消耗和优秀用户体验占据优势。数据层，则是未来最大的机遇与变量，我国拥有完整产业链，是巨大数据金矿，数据要素行动正唤醒沉睡的行业数据，使其成为驱动AI的高质量燃料，当垂直行业提炼出高质量数据与专属模型时，AI将迎来真正爆发。
罗引认为，在企业微观层面，推动AI落地时，模型工作量仅占项目的10%，90%的挑战来自工程架构。当前，学界和产业界行动变化可总结为六点：数据质量从量到质转变；基座模型能力同质化，高质量数据成为差异化竞争壁垒；流动鲜活数据资产更重要；合成数据提供稳定来源；多模态数据依赖高质量标注；AI数据治理需兼顾技术、商业与社会。
“技术环节上，解决思路是以AI体系平台化，构建从算力、数据、模型到决策的平台。”罗引说，如数据底座让AI更理解数据，发布“磐石科学大模型”萃取科学知识，通过智能体技术实现业务流程自主规划。实践中，该平台在金融、政务、媒体等行业实现价值赋能。展望未来，以高质量数据为燃料、一体化架构为引擎，AI将从可用走向可靠。
数据堂公司董事长、CEO齐红威：
大模型下数据已经开始分层
“大模型基本颠覆了传统人工智能开发体系。”齐红威介绍，未来众多传统行业将快速应用大模型，其中90%的工作与数据相关，这凸显了高质量数据集的重要性。
当下，大模型下数据已经开始分层，而当前制约大模型高质量数据集最核心的问题包括版权、标注成本、领域数据封闭等。
那么，高质量数据集应该如何建设？齐红威认为，建设技术体系包括从业务系统提取数据至大模型；数据标注生产环节，含标准制定、人员培训、质量控制与生产管理；数据集管理；服务体系构建；利用高质量数据集为传统行业赋能，快速生成领域大模型；评测模型效果，高质量数据集核心是质量。
记者 钱丽 章婧