隨著大模型和人工智能技術(shù)快速演進(jìn)，人工智能產(chǎn)業(yè)范式從“以模型為中心”轉(zhuǎn)向“以數(shù)據(jù)為中心”，高質(zhì)量數(shù)據(jù)集成為人工智能能力提升和“人工智能+”場(chǎng)景落地的關(guān)鍵支撐。
 

　　早期，業(yè)界普遍認(rèn)為“數(shù)據(jù)越多越好”，數(shù)據(jù)集的概念主要圍繞數(shù)據(jù)的“大規(guī)模”特征，認(rèn)為通過(guò)海量數(shù)據(jù)就可以訓(xùn)練出更好的模型。隨著應(yīng)用實(shí)踐的深入，大規(guī)模低質(zhì)量的數(shù)據(jù)集局限性逐步顯現(xiàn)，“高質(zhì)量”數(shù)據(jù)集成為影響大模型“智商”的核心因素，數(shù)據(jù)清洗、標(biāo)注等工作受到重視。伴隨著人工智能在工業(yè)制造、醫(yī)療健康、教育教學(xué)等領(lǐng)域的應(yīng)用落地，通用高質(zhì)量數(shù)據(jù)集難以滿足細(xì)分場(chǎng)景訓(xùn)練需求，高應(yīng)用價(jià)值、高知識(shí)密度和高技術(shù)含量的行業(yè)高質(zhì)量數(shù)據(jù)集供給日趨關(guān)鍵。今年5月，國(guó)家數(shù)據(jù)局印發(fā)《數(shù)字中國(guó)建設(shè)2025年行動(dòng)方案》，明確提出“加強(qiáng)交通、醫(yī)療、金融、制造、農(nóng)業(yè)等重點(diǎn)領(lǐng)域數(shù)據(jù)標(biāo)注，建設(shè)行業(yè)高質(zhì)量數(shù)據(jù)集”，為相關(guān)工作指明了方向。
 

　　但在實(shí)際工作中，我們?nèi)悦媾R著諸多挑戰(zhàn)，制約了行業(yè)高質(zhì)量數(shù)據(jù)集的高效建設(shè)與應(yīng)用。
 

　　一是數(shù)據(jù)采集標(biāo)準(zhǔn)與轉(zhuǎn)化機(jī)制有待進(jìn)一步完善。各級(jí)公共數(shù)據(jù)平臺(tái)歸集整合能力不斷加強(qiáng)，企業(yè)數(shù)字化轉(zhuǎn)型持續(xù)加速，但受數(shù)據(jù)標(biāo)準(zhǔn)不一、采集誤差等影響，數(shù)據(jù)存在分布偏差、顆粒度不一、采集缺失等狀況，導(dǎo)致大量數(shù)據(jù)沉淀且難以直接使用。同時(shí)，為更好支持?jǐn)?shù)據(jù)資源向可供人工智能大模型使用的高質(zhì)量數(shù)據(jù)集轉(zhuǎn)化，還需進(jìn)一步完善面向應(yīng)用端的數(shù)據(jù)治理、標(biāo)注、評(píng)估和開(kāi)發(fā)利用機(jī)制。
 

　　二是數(shù)據(jù)治理技術(shù)融合創(chuàng)新有待提升。行業(yè)高質(zhì)量數(shù)據(jù)集是數(shù)據(jù)資源和專業(yè)知識(shí)的融合產(chǎn)物，現(xiàn)階段行業(yè)專識(shí)數(shù)據(jù)集主要依賴人工標(biāo)注，亟需智能化、自動(dòng)化標(biāo)注工具以及精準(zhǔn)的數(shù)據(jù)合成技術(shù)支持，以提升數(shù)據(jù)集生產(chǎn)效率，滿足專業(yè)場(chǎng)景對(duì)數(shù)據(jù)集“規(guī)模”“質(zhì)量”“附加知識(shí)”的多重需求。
 

　　三是高質(zhì)量數(shù)據(jù)集專項(xiàng)支持政策有待完善。高知識(shí)密度、高應(yīng)用價(jià)值的數(shù)據(jù)集開(kāi)發(fā)周期長(zhǎng)、成本高、復(fù)用率低，數(shù)據(jù)價(jià)值轉(zhuǎn)化路徑不清，市場(chǎng)回報(bào)機(jī)制不明，缺乏專門(mén)針對(duì)行業(yè)專識(shí)數(shù)據(jù)集的投資或補(bǔ)貼政策。同時(shí)，高質(zhì)量數(shù)據(jù)集價(jià)值實(shí)現(xiàn)面臨流通慢、責(zé)任界定不清等問(wèn)題，影響供需雙方的積極性和規(guī)?；灰祝枰M(jìn)一步構(gòu)建涵蓋高質(zhì)量數(shù)據(jù)集建設(shè)、流通交易、創(chuàng)新應(yīng)用、運(yùn)營(yíng)收益的政策體系。
 

　　為應(yīng)對(duì)上述挑戰(zhàn)，需要多方協(xié)同發(fā)力，推動(dòng)形成涵蓋資源匯聚、流通、應(yīng)用以及技術(shù)創(chuàng)新、制度建設(shè)的高質(zhì)量數(shù)據(jù)集建設(shè)體系，有力支撐人工智能應(yīng)用創(chuàng)新發(fā)展。
 

　　一是暢通高質(zhì)量數(shù)據(jù)集流通交易渠道。將高質(zhì)量公共數(shù)據(jù)集納入公共數(shù)據(jù)管理，實(shí)現(xiàn)集中管理、高效調(diào)用、智能應(yīng)用，提升在政府部門(mén)間的整體利用效能。進(jìn)一步完善供給渠道，打造高質(zhì)量數(shù)據(jù)集流通交易體系，一方面依托公共數(shù)據(jù)開(kāi)放平臺(tái)，打造高質(zhì)量數(shù)據(jù)集開(kāi)放專題，持續(xù)保障面向企業(yè)和社會(huì)公眾的高質(zhì)量數(shù)據(jù)集普惠供給；另一方面鼓勵(lì)公共數(shù)據(jù)專區(qū)運(yùn)營(yíng)單位，結(jié)合本領(lǐng)域市場(chǎng)需求，定向開(kāi)展高質(zhì)量數(shù)據(jù)集融合建設(shè)，提升高質(zhì)量數(shù)據(jù)集市場(chǎng)化供給能力。同時(shí)，支持相關(guān)開(kāi)源平臺(tái)等規(guī)范化、規(guī)?；\(yùn)營(yíng)，探索高質(zhì)量數(shù)據(jù)集開(kāi)源機(jī)制。支持?jǐn)?shù)據(jù)交易機(jī)構(gòu)加快構(gòu)建人工智能行業(yè)高質(zhì)量數(shù)據(jù)集供需對(duì)接能力，進(jìn)一步整合外部資源力量，引入數(shù)據(jù)集清洗、標(biāo)注、合成、質(zhì)檢等領(lǐng)域生態(tài)合作伙伴，形成高質(zhì)量數(shù)據(jù)集開(kāi)發(fā)治理、供需對(duì)接、評(píng)估定價(jià)等服務(wù)能力。
 

　　二是加大高質(zhì)量數(shù)據(jù)集相關(guān)技術(shù)攻關(guān)力度。聚焦關(guān)鍵環(huán)節(jié)突破，加大科技研發(fā)投入，鼓勵(lì)相關(guān)市場(chǎng)主體打造智能化、自動(dòng)化的行業(yè)高質(zhì)量數(shù)據(jù)集標(biāo)注工具，強(qiáng)化人機(jī)協(xié)同能力，提升標(biāo)注效率與精準(zhǔn)度。組織攻關(guān)多源異構(gòu)數(shù)據(jù)融合技術(shù)，建立統(tǒng)一跨行業(yè)數(shù)據(jù)格式標(biāo)準(zhǔn)，破解“數(shù)據(jù)孤島”難題。推動(dòng)數(shù)據(jù)合成等技術(shù)迭代，探索模擬稀缺高質(zhì)量數(shù)據(jù)集的有效路徑，通過(guò)技術(shù)創(chuàng)新夯實(shí)數(shù)據(jù)集建設(shè)根基。
 

　　三是健全數(shù)據(jù)集建設(shè)保障制度。發(fā)揮數(shù)據(jù)標(biāo)準(zhǔn)化技術(shù)委員會(huì)作用，推動(dòng)高質(zhì)量數(shù)據(jù)集格式、質(zhì)量、流通有關(guān)標(biāo)準(zhǔn)建設(shè)。探索原創(chuàng)數(shù)據(jù)集確權(quán)、價(jià)值評(píng)估、流通交易、收益分配等機(jī)制建設(shè)，培育可持續(xù)供給生態(tài)。鼓勵(lì)各類社會(huì)主體共建數(shù)據(jù)要素創(chuàng)新安全可信環(huán)境，充分利用“數(shù)據(jù)要素×”競(jìng)賽活動(dòng)等渠道，加強(qiáng)對(duì)高質(zhì)量數(shù)據(jù)集評(píng)估測(cè)試和應(yīng)用落地的全面支撐。
 

　　文 | 北京市人民政府副秘書(shū)長(zhǎng)  北京市政務(wù)服務(wù)和數(shù)據(jù)管理局黨組書(shū)記、局長(zhǎng) 沈彬華