隨著數智化轉型的加速推進，數據集作為人工智慧(AI)大模型的關鍵要素，其高質量建設對於推動人工智慧產業發展具有重大意義。本文從頂層設計、地方和行業三個層面分析了高質量數據集建設現狀，探討了高質量數據集在數據資源、人工智慧和應用生態三個領域的建設瓶頸，並構建了一套涵蓋技術路徑、標準路徑、供給路徑、市場路徑和存儲路徑五大路徑的系統性建設框架，提出相關對策建議，以推動人工智慧產業發展。

  一、人工智慧與數智化轉型的內在聯繫

  《2025-2030年全球及中國人工智慧行業市場現狀調研及發展前景分析報告》數智化轉型是數位化與智能化深度融合的產物，代表著數位化發展到更高階段的必然趨勢。數位化通過將信息轉化為數字形式，實現數據的採集、存儲、管理和分析，為智能化提供了必要的「原材料」。智能化則藉助人工智慧、機器學習、大數據分析等先進技術，賦予系統自主學習、預測和決策的能力，進一步提升數據的價值和應用效率。二者相輔相成，推動了各行業的轉型升級，成為現代技術發展的重要驅動力。

  二、高質量數據集對人工智慧發展的關鍵作用

  (一)數據集：人工智慧大模型的基石

  數據集是指一組用於訓練和評估人工智慧模型的數據，其質量和多樣性對人工智慧大模型的性能和效果至關重要。高質量的數據集能夠提供準確、無偏且具有代表性的數據，幫助模型學習更多的知識和規律，從而實現更強大的感知、學習、決策與推理能力。例如，像GPT、BERT、DALL·E這樣的語言和生成模型，通常需要數十億到數萬億個數據樣本進行訓練，以提升模型的性能。

  (二)人工智慧大模型：從數據中學習

  人工智慧行業數據分析顯示人工智慧大模型的主要任務是從數據集中提取有用的信息和規律。通過監督學習、無監督學習、自監督學習和生成式學習等多種方式，模型能夠學習數據中的映射關係、內在結構和生成能力。高質量的數據集為大模型提供了豐富的訓練素材，使其能夠更好地理解和生成與輸入數據相似的新數據，從而實現智能化的預測和推理能力。

  三、高質量數據集建設的現狀與挑戰

  (一)頂層設計層面

  國家高度重視高質量數據集的建設，相繼出台了一系列政策文件。例如，2024年1月，國家數據局等17部門聯合印發《「數據要素×」三年行動計劃(2024—2026年)》，聚焦十二大重點行業領域，推動數據要素高質量供給，努力建設高質量數據集，以發揮數據要素價值乘數效應。

  (二)地方層面

  各省市積極響應國家號召，積極推動高質量數據集建設。例如，湖北省發布《湖北省高質量數據集白皮書》，明確數據集標準體系、平台架構及治理流程，推動數據提質、聯創和共享;首批認證10個高質量數據集，覆蓋11個重點領域;探索數據交易平台，借鑑電商模式促進數據流通，鼓勵企業共建地方特色數據集等。

  (三)行業層面

  多個重點行業高質量數據集建設不斷突破。截至2024年底，北京國際大數據交易所累計發布約300個高質量數據集，形成10餘個應用領域數據資源地圖，對接100多個市場主體參與高質量數據集的交易，並通過動態更新的數據資產圖譜實現供需精準匹配。

  (四)建設難點

  高質量數據集建設面臨諸多挑戰，包括數據採集難題、數據治理能力不足、跨區域跨企業的數據流通與共享障礙、數據質量評價標準不健全、行業差異導致的構建難題等。這些難點制約了高質量數據集的建設，進而影響了人工智慧產業的發展。

  四、高質量數據集的建設框架與對策建議

  (一)技術路徑

  智能化技術路徑是實現數據質量提升與管理效能優化的關鍵手段。通過系統性地整合多種技術環節，逐步完善數據生態體系。例如，採用統計方法檢測異常值，結合哈希算法清除重複數據，優化多類型數據的處理流程，提升數據的一致性、適用性和標準化水平。

  (二)標準路徑

  高質量數據集的標準體系建設是數據生態中至關重要的一環。通過明確多維度的核心指標，建立綜合性的指標體系，統一行業認知，提升數據集的價值挖掘和產業轉化效率。同時，加強標準體系的宣傳和推廣，積極參與國際標準化工作，提升中國在全球數據標準化領域的貢獻率。

  (三)供給路徑

  在構建高質量數據集的過程中，上游數據供給者的作用不可替代。通過科學梳理與分類數據供給者，構建激勵機制與協作框架，形成穩定、高效的數據供給體系。例如，鼓勵行業龍頭企業共享部分非核心數據，建立合理的收益分配機制，提升數據供給者的參與意願。

  (四)市場路徑

  高質量數據集的市場路徑建設是推動數據資源價值釋放與流通的重要手段。通過完善交易規則、培育服務生態以及促進跨境數據流動，打造透明、高效且具有國際競爭力的數據市場體系。例如，建立數據交易平台，提供數據清洗、標註、脫敏等增值服務，激勵更多主體參與數據服務生態的建設。

  (五)存儲路徑

  高質量數據集的存儲路徑是數據生態建設中的基礎性環節。通過系統化布局高效、低成本的存儲與治理設施，支撐數據資源的長期保存與高效利用。例如，構建全國性的數據集「算力一張網」，實現分布式存儲與集中治理的有機結合，創新打造高質量數據集治理工具鏈，推動工具鏈在行業內的普及與共享。

  (六)對策建議

  構建體制機制：建立跨部門協同機制，促進產學研合作，形成開放共享機制，推動公共數據集和行業數據集的共享與開放。

  建立標準體系：制定行業數據集標準，推動數據質量標準化，統一隱私保護標準，確保數據集的使用符合相關法規要求。

  精進技術工具：加強數據處理技術創新，發展去中心化技術，推動數據集多樣性增強技術，提升AI大模型的多任務學習能力。

  加強人才培養：加強AI數據集相關專業教育，促進跨學科人才培養，建立行業專家隊伍，提升數據集的專業性和應用價值。

  總結

  高質量數據集是推動人工智慧產業發展的核心驅動力之一。通過構建系統化的建設框架，從技術路徑、標準路徑、供給路徑、市場路徑和存儲路徑等多個維度協同發力，可以有效解決高質量數據集建設中的難點問題。同時，通過構建體制機制、建立標準體系、精進技術工具和加強人才培養等對策建議，可以進一步推動人工智慧產業的健康發展。在數智化轉型的背景下，高質量數據集的建設將為人工智慧產業的未來發展提供堅實的基礎。