【
智慧城市網(wǎng) 視點(diǎn)跟蹤】黨的十八大以來，以習(xí)近平同志為核心的黨中央高度重視我國(guó)新一代人工智能發(fā)展。習(xí)近平總書記深刻指出：“人工智能是引領(lǐng)這一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，具有溢出帶動(dòng)性很強(qiáng)的‘頭雁’效應(yīng)。”“加快發(fā)展新一代人工智能是事關(guān)我國(guó)能否抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇的戰(zhàn)略問題”。數(shù)據(jù)作為人工智能發(fā)展的三大核心要素之一，已成為人工智能大模型訓(xùn)練的核心要素資源。因此，建設(shè)高質(zhì)量數(shù)據(jù)集既是推進(jìn)人工智能產(chǎn)業(yè)發(fā)展和搶占技術(shù)制高點(diǎn)的客觀需要，也是落實(shí)黨中央“加快發(fā)展新一代人工智能”戰(zhàn)略部署的具體行動(dòng)。
建設(shè)高質(zhì)量數(shù)據(jù)集對(duì)我國(guó)發(fā)展人工智能的重大意義
(一)從國(guó)際競(jìng)爭(zhēng)看，高質(zhì)量數(shù)據(jù)集決定人工智能國(guó)家競(jìng)爭(zhēng)力
在全球人工智能競(jìng)爭(zhēng)的大格局下，大模型已成為各國(guó)爭(zhēng)奪的戰(zhàn)略制高點(diǎn)。隨著大模型在經(jīng)濟(jì)、軍事、政務(wù)、科學(xué)等諸多關(guān)鍵領(lǐng)域的廣泛應(yīng)用，其發(fā)展水平直接關(guān)系到國(guó)家的核心競(jìng)爭(zhēng)力。高質(zhì)量數(shù)據(jù)集作為人工智能發(fā)展的基礎(chǔ)，能夠?yàn)槟Ｐ陀?xùn)練提供豐富、準(zhǔn)確且具有代表性的數(shù)據(jù)資源，數(shù)據(jù)質(zhì)量已成為決定大模型性能的核心變量，直接決定人工智能“智商”。當(dāng)前，訓(xùn)練一個(gè)領(lǐng)先的大模型，需要數(shù)百萬甚至數(shù)千萬條標(biāo)注數(shù)據(jù)。從GPT-4的13萬億tokens高質(zhì)量數(shù)據(jù)(中文漢字通常每個(gè)對(duì)應(yīng)1-2個(gè)Tokens)，到Qwen2.5-Max的20萬億tokens訓(xùn)練規(guī)模，國(guó)際巨頭正以數(shù)據(jù)優(yōu)勢(shì)構(gòu)筑技術(shù)壁壘。谷歌、Meta、OpenAI等國(guó)際科技巨頭，憑借在高質(zhì)量數(shù)據(jù)集方面的長(zhǎng)期積累和持續(xù)投入，在人工智能領(lǐng)域占據(jù)了領(lǐng)先地位。我國(guó)也將高質(zhì)量數(shù)據(jù)集作為國(guó)家重大戰(zhàn)略，加快高質(zhì)量數(shù)據(jù)集建設(shè)，是落實(shí)“人工智能+”戰(zhàn)略的關(guān)鍵舉措。
(二)從技術(shù)演進(jìn)看，高質(zhì)量數(shù)據(jù)集對(duì)大模型水平至關(guān)重要
人工智能每次階段性的進(jìn)步，數(shù)據(jù)都扮演著重要角色，尤其在大模型時(shí)代，海量、高質(zhì)量、多模態(tài)的數(shù)據(jù)集，成為拉開模型能力差距的關(guān)鍵要素。隨著大模型技術(shù)應(yīng)用的快速發(fā)展，人工智能正在從“以模型為中心”轉(zhuǎn)向“以數(shù)據(jù)為中心”。人工智能模型訓(xùn)練和應(yīng)用主要包括模型預(yù)訓(xùn)練、微調(diào)和推理三個(gè)階段，無論是在預(yù)訓(xùn)練階段構(gòu)建人工智能大模型的通用語言理解能力，在微調(diào)階段優(yōu)化特定任務(wù)表現(xiàn)，還是在推理階段提高模型的輸出準(zhǔn)確性和穩(wěn)定性，高質(zhì)量數(shù)據(jù)集都發(fā)揮著至關(guān)重要的作用。它不僅決定了模型的性能上限，更直接影響著人工智能技術(shù)在實(shí)際場(chǎng)景中的落地效果和可信度。大模型參數(shù)規(guī)模指數(shù)級(jí)增長(zhǎng)與多模態(tài)能力的拓展，促使數(shù)據(jù)需求從量級(jí)積累轉(zhuǎn)向質(zhì)量提升。當(dāng)前大模型逐漸向推理和多模態(tài)大模型演進(jìn)，要求很強(qiáng)的推理能力和通用泛化能力，要求的數(shù)據(jù)集具有高技術(shù)含量、高知識(shí)密度、高價(jià)值應(yīng)用的“三高”特征，成為當(dāng)前高質(zhì)量數(shù)據(jù)集建設(shè)的核心特征。
(三)從產(chǎn)業(yè)層面看，高質(zhì)量數(shù)據(jù)集是行業(yè)智能應(yīng)用的核心支撐
通用大模型具有很強(qiáng)的泛化能力，隨著模型參數(shù)規(guī)模和數(shù)據(jù)集質(zhì)量改善，其邏輯、推理、寫作、數(shù)學(xué)等通用能力快速提升，但行業(yè)知識(shí)方面則顯不足。當(dāng)前，行業(yè)大模型是支撐行業(yè)智能化的關(guān)鍵，各行各業(yè)智能化要求建設(shè)行業(yè)高質(zhì)量數(shù)據(jù)集。大模型行業(yè)應(yīng)用正成為AI產(chǎn)業(yè)應(yīng)用和價(jià)值創(chuàng)造的主戰(zhàn)場(chǎng)，也是企業(yè)競(jìng)爭(zhēng)的行業(yè)壁壘。Anthropic Claude大模型，靠其在編程領(lǐng)域的優(yōu)勢(shì)，年收入至50億美元，凸顯了其巨大的商業(yè)價(jià)值。目前，智能制造、金融投顧、醫(yī)療健康、政務(wù)服務(wù)、交通物流、教育科研等領(lǐng)域的行業(yè)大模型不斷涌現(xiàn)，AI產(chǎn)業(yè)已從通用大模型競(jìng)爭(zhēng)轉(zhuǎn)向“行業(yè)大模型+垂直場(chǎng)景”的深水區(qū)。行業(yè)大模型的價(jià)值創(chuàng)造依托“數(shù)據(jù)飛輪”形成閉環(huán)：采集行業(yè)數(shù)據(jù)→標(biāo)注生成高質(zhì)量數(shù)據(jù)集→訓(xùn)練優(yōu)化模型→反哺業(yè)務(wù)場(chǎng)景→產(chǎn)生新數(shù)據(jù)。
我國(guó)高質(zhì)量數(shù)據(jù)集建設(shè)邁入快車道
(一)從政策設(shè)計(jì)看，我國(guó)高質(zhì)量數(shù)據(jù)集建設(shè)的“四梁八柱”逐步確立
黨中央、國(guó)務(wù)院高度重視數(shù)據(jù)資源的開發(fā)利用與高質(zhì)量發(fā)展，陸續(xù)出臺(tái)多項(xiàng)綱領(lǐng)性政策文件，為高質(zhì)量數(shù)據(jù)資源體系建設(shè)提供了頂層設(shè)計(jì)和制度保障。2022年12月，中共中央、國(guó)務(wù)院印發(fā)《關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》，明確提出探索開展數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)化體系建設(shè)。2023年12月，國(guó)家數(shù)據(jù)局等17部門聯(lián)合印發(fā)《“數(shù)據(jù)要素×”三年行動(dòng)計(jì)劃(2024—2026年)》，強(qiáng)調(diào)數(shù)據(jù)要素高質(zhì)量供給與合規(guī)高效流通，提出打造高質(zhì)量人工智能大模型訓(xùn)練數(shù)據(jù)集。2024年12月，國(guó)家發(fā)展改革委、國(guó)家數(shù)據(jù)局等部門印發(fā)《關(guān)于促進(jìn)數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見》，首次明確提出“高質(zhì)量數(shù)據(jù)集”概念，將其作為人工智能與實(shí)體經(jīng)濟(jì)融合的核心載體，并對(duì)行業(yè)數(shù)據(jù)集建設(shè)提出具體要求。隨后一系列政策相繼發(fā)布，《關(guān)于促進(jìn)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展的實(shí)施意見》《關(guān)于促進(jìn)企業(yè)數(shù)據(jù)資源開發(fā)利用的意見》以及《國(guó)家數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)指引》等政策均提出建設(shè)“行業(yè)高質(zhì)量數(shù)據(jù)集”，由此數(shù)據(jù)集高質(zhì)量發(fā)展成為行業(yè)發(fā)展的重要目標(biāo)。2025年2月，國(guó)家數(shù)據(jù)局組織27個(gè)部委召開高質(zhì)量數(shù)據(jù)集建設(shè)工作啟動(dòng)會(huì)，全力推動(dòng)高質(zhì)量數(shù)據(jù)集建設(shè)，高效賦能行業(yè)發(fā)展，標(biāo)志著高質(zhì)量數(shù)據(jù)集建設(shè)進(jìn)入系統(tǒng)化、規(guī)?；七M(jìn)階段。
(二)從產(chǎn)業(yè)布局看，以數(shù)據(jù)標(biāo)注為牽引驅(qū)動(dòng)的產(chǎn)業(yè)鏈條不斷形成
數(shù)據(jù)標(biāo)注是對(duì)原始數(shù)據(jù)進(jìn)行采集、清洗、分類、標(biāo)記、質(zhì)量檢驗(yàn)等專業(yè)數(shù)據(jù)治理活動(dòng)，能有效提升數(shù)據(jù)供給質(zhì)量，是人工智能發(fā)展的關(guān)鍵環(huán)節(jié)。數(shù)據(jù)標(biāo)注產(chǎn)業(yè)鏈上游是人工智能數(shù)據(jù)提供方和應(yīng)用需求方，主要從事人工智能研究、技術(shù)開發(fā)與服務(wù)，根據(jù)自身業(yè)務(wù)提出數(shù)據(jù)需求，作為數(shù)據(jù)智能化應(yīng)用需求的源頭驅(qū)動(dòng)產(chǎn)業(yè)發(fā)展；中游是數(shù)據(jù)標(biāo)注平臺(tái)公司，主要依據(jù)需求開展數(shù)據(jù)標(biāo)注技術(shù)研發(fā)、制定加工實(shí)施方案和交付，眾包、分包給第三方數(shù)據(jù)標(biāo)注服務(wù)方，通過標(biāo)準(zhǔn)化流程連接供需兩端；下游服務(wù)商依托人力資源優(yōu)勢(shì)完成具體標(biāo)注任務(wù)，形成產(chǎn)業(yè)閉環(huán)。當(dāng)前，我國(guó)人工智能產(chǎn)業(yè)快速發(fā)展，帶動(dòng)了數(shù)據(jù)標(biāo)注產(chǎn)業(yè)迅速壯大。
(三)從建設(shè)圖景看，區(qū)域和行業(yè)高質(zhì)量數(shù)據(jù)集呈現(xiàn)良好發(fā)展態(tài)勢(shì)
在地方層面，國(guó)家數(shù)據(jù)局統(tǒng)籌建設(shè)成都、沈陽、合肥、長(zhǎng)沙、?？?、保定和大同七
大數(shù)據(jù)標(biāo)注基地，已建設(shè)行業(yè)高質(zhì)量數(shù)據(jù)集524個(gè)，數(shù)據(jù)總規(guī)模超過29PB，賦能163個(gè)國(guó)產(chǎn)人工智能大模型研發(fā)與應(yīng)用，帶動(dòng)數(shù)據(jù)標(biāo)注行業(yè)相關(guān)產(chǎn)值超過83億元。在行業(yè)層面，中央企業(yè)和大模型技術(shù)企業(yè)成為行業(yè)高質(zhì)量數(shù)據(jù)建設(shè)的主力軍。例如今年4月，國(guó)務(wù)院國(guó)資委發(fā)布首批10余個(gè)行業(yè)30項(xiàng)央企人工智能行業(yè)高質(zhì)量數(shù)據(jù)集優(yōu)秀建設(shè)成果。在企業(yè)層面，大模型企業(yè)紛紛建設(shè)高質(zhì)量數(shù)據(jù)集，并增大了中文數(shù)據(jù)的使用比例。例如阿里巴巴發(fā)布中文問答數(shù)據(jù)集，為智能問答系統(tǒng)的研發(fā)提供了高質(zhì)量的訓(xùn)練數(shù)據(jù)。智源研究院發(fā)布中英雙語數(shù)據(jù)集IndustryCorpus1.0包含3.4TB開源行業(yè)預(yù)訓(xùn)練數(shù)據(jù)，覆蓋18類行業(yè)。鵬城國(guó)家實(shí)驗(yàn)室開源百萬規(guī)模標(biāo)準(zhǔn)化具身智能數(shù)據(jù)集，超過300萬樣本，覆蓋258個(gè)系列任務(wù)和321064個(gè)具體任務(wù)實(shí)例。上海人工智能實(shí)驗(yàn)室開源數(shù)據(jù)平臺(tái)OpenDataLab提供5500多個(gè)數(shù)據(jù)集，涵蓋1500多種任務(wù)類型，總數(shù)據(jù)量達(dá)到80TB。另外，國(guó)內(nèi)多數(shù)模型使用的中文數(shù)據(jù)占比已經(jīng)超過了60%，如中國(guó)移動(dòng)的九天、中國(guó)聯(lián)通元景、月之暗面的Kimi 1.5、DeepSeek等，文心一言占比高達(dá)75%~85%。
發(fā)展數(shù)據(jù)標(biāo)注產(chǎn)業(yè)支撐高質(zhì)量數(shù)據(jù)集建設(shè)的路徑
(一)需求牽引：釋放場(chǎng)景標(biāo)注需求
通過挖掘人工智能場(chǎng)景釋放標(biāo)注需求，包括釋放公共數(shù)據(jù)標(biāo)注需求、挖掘企業(yè)數(shù)據(jù)標(biāo)注需求，以開放場(chǎng)景牽引企業(yè)發(fā)展。我國(guó)大力實(shí)施“人工智能+”行動(dòng)計(jì)劃，推動(dòng)工業(yè)制造、文化旅游、現(xiàn)代農(nóng)業(yè)、商貿(mào)流通、交通運(yùn)輸?shù)刃袠I(yè)成為產(chǎn)業(yè)智能化主戰(zhàn)場(chǎng)。這一戰(zhàn)略將釋放海量數(shù)據(jù)標(biāo)注需求，例如成都發(fā)揮人工智能1079億核心產(chǎn)業(yè)產(chǎn)值、1006家企業(yè)的規(guī)模優(yōu)勢(shì)，成立人工智能和數(shù)據(jù)標(biāo)注產(chǎn)業(yè)聯(lián)盟，組織產(chǎn)業(yè)對(duì)接活動(dòng)，發(fā)掘數(shù)據(jù)標(biāo)注年需求超3000TB。
(二)因地制宜：發(fā)展地方特色產(chǎn)業(yè)
各地結(jié)合自身產(chǎn)業(yè)特色，因地制宜發(fā)展數(shù)據(jù)標(biāo)注產(chǎn)業(yè)。比如，山西大同重點(diǎn)結(jié)合能源、文化旅游、交通運(yùn)輸?shù)忍厣a(chǎn)業(yè)，發(fā)展數(shù)據(jù)標(biāo)注產(chǎn)業(yè)。遼寧沈陽重點(diǎn)賦能工業(yè)制造、交通運(yùn)輸?shù)葍?yōu)勢(shì)產(chǎn)業(yè)。安徽合肥重點(diǎn)在芯片制造、自動(dòng)駕駛等領(lǐng)域釋放數(shù)據(jù)標(biāo)注需求。湖南長(zhǎng)沙數(shù)據(jù)標(biāo)注基地與文化娛樂、醫(yī)療健康、旅游服務(wù)等特色產(chǎn)業(yè)深度融合。四川成都重點(diǎn)在交通運(yùn)輸、醫(yī)療健康、普惠金融等產(chǎn)業(yè)發(fā)力。海南?？跀?shù)據(jù)標(biāo)注服務(wù)于金融服務(wù)、教育教學(xué)、互聯(lián)網(wǎng)安全等特色產(chǎn)業(yè)。
(三)基礎(chǔ)支撐：建設(shè)可信數(shù)據(jù)空間
各地通過建設(shè)可信數(shù)據(jù)空間，為數(shù)據(jù)標(biāo)注提供可信的數(shù)據(jù)采集、傳輸、歸集、處理、加工利用的基礎(chǔ)設(shè)施，支撐數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展。2025年1月，中國(guó)聯(lián)通聯(lián)合成都、沈陽、合肥、長(zhǎng)沙、?？?、保定、大同等發(fā)起共建數(shù)據(jù)標(biāo)注產(chǎn)業(yè)可信數(shù)據(jù)空間倡議，將運(yùn)營(yíng)商網(wǎng)絡(luò)優(yōu)勢(shì)與大數(shù)據(jù)存算、區(qū)塊鏈可信憑證、隱私計(jì)算及大模型智能分析等技術(shù)融合，從網(wǎng)絡(luò)支撐、數(shù)據(jù)存儲(chǔ)計(jì)算、信任保障、隱私保護(hù)及智能標(biāo)注等方面創(chuàng)新，打造集可信管控、資源互聯(lián)、聯(lián)合標(biāo)注、高質(zhì)量數(shù)據(jù)集流通、價(jià)值共創(chuàng)于一體的產(chǎn)業(yè)空間。
(四)產(chǎn)業(yè)聚集：推動(dòng)園區(qū)集群發(fā)展
據(jù)中國(guó)信通院數(shù)據(jù)顯示，全國(guó)有55個(gè)城市已經(jīng)建設(shè)67個(gè)數(shù)字標(biāo)注基地項(xiàng)目，主要重點(diǎn)一、二線城市占比達(dá)到60%以上，普通地級(jí)市占30%左右。四川、北京、浙江、山西等多個(gè)省份擁有多個(gè)數(shù)據(jù)標(biāo)注基地，形成規(guī)?；臄?shù)據(jù)產(chǎn)業(yè)發(fā)展。成都市數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展初見成效，引進(jìn)和培育標(biāo)注企業(yè)45家，帶動(dòng)數(shù)據(jù)標(biāo)注相關(guān)產(chǎn)值14億元，形成各行業(yè)領(lǐng)域的高質(zhì)量數(shù)據(jù)集56個(gè)，賦能行業(yè)大模型等30個(gè)。沈陽基地標(biāo)注數(shù)據(jù)超過2384TB，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)產(chǎn)值達(dá)到17.8億元。
(五)營(yíng)造環(huán)境：完善標(biāo)準(zhǔn)與服務(wù)平臺(tái)
各地通過建立公共服務(wù)平臺(tái)、制定國(guó)標(biāo)地標(biāo)、建立人才實(shí)訓(xùn)基地等營(yíng)造發(fā)展環(huán)境。例如，沈陽成立推進(jìn)國(guó)家級(jí)數(shù)據(jù)標(biāo)注基地工作專班，由市委、市政府主要領(lǐng)導(dǎo)任組長(zhǎng)，統(tǒng)籌高位推進(jìn)建設(shè)；保定市每年投放2000萬元“數(shù)智券”支持?jǐn)?shù)據(jù)普惠供給，對(duì)參與國(guó)際、國(guó)家、行業(yè)標(biāo)準(zhǔn)制定的單位最高資助30萬元；貴州按實(shí)訓(xùn)學(xué)生每人每月不超1000元、補(bǔ)助時(shí)間不超3個(gè)月、每家基地每年補(bǔ)助不超300萬元的標(biāo)準(zhǔn)，支持人才實(shí)訓(xùn)基地建設(shè)；成都建設(shè)城市級(jí)智能數(shù)據(jù)標(biāo)注生成管理平臺(tái)，集成需求歸集、任務(wù)發(fā)布、數(shù)據(jù)供給、環(huán)境搭建、服務(wù)管控等全鏈功能，推動(dòng)公共數(shù)據(jù)合法合規(guī)投放，提供共性服務(wù)能力。
移動(dòng)版
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號(hào)
