中新網(wǎng)北京9月2日電(記者 吳濤)當(dāng)人工智能的浪潮席卷全球，其背后的“燃料”——數(shù)據(jù)，正成為競相爭奪的戰(zhàn)略資源。然而，并非所有數(shù)據(jù)都能加速AI的發(fā)展。一場從“海量數(shù)據(jù)”向“高質(zhì)量數(shù)據(jù)集”的變革正在發(fā)生。
何為高質(zhì)量數(shù)據(jù)集？
2024年12月，國家發(fā)展改革委、國家數(shù)據(jù)局等部門印發(fā)《關(guān)于促進數(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，支持企業(yè)面向人工智能應(yīng)用創(chuàng)新，開發(fā)高質(zhì)量數(shù)據(jù)集，大力發(fā)展“數(shù)據(jù)即服務(wù)”“知識即服務(wù)”“模型即服務(wù)”等新業(yè)態(tài)。
近日發(fā)布的《高質(zhì)量數(shù)據(jù)集建設(shè)指引》指出，大模型參數(shù)規(guī)模指數(shù)級增長與多模態(tài)能力的拓展，數(shù)據(jù)需求從“量級積累”轉(zhuǎn)向“量質(zhì)并重”。
官方數(shù)據(jù)顯示，截至2025年6月，全國建設(shè)高質(zhì)量數(shù)據(jù)集超3.5萬個、總量超400PB；數(shù)據(jù)交易機構(gòu)掛牌高質(zhì)量數(shù)據(jù)集3364個，作為交易流通中的關(guān)鍵商品，累計交易額近40億元，規(guī)模達246PB。
在近日舉行的一場論壇上，中國信息通信研究院院長余曉暉表示，放眼全球，有大量的私域數(shù)據(jù)，在場景、行業(yè)、政府中，這部分數(shù)據(jù)能夠釋放出來，是構(gòu)成高質(zhì)量數(shù)據(jù)集非常重要的一個方向。
高質(zhì)量數(shù)據(jù)集和AI發(fā)展相輔相成
因為AI大模型的訓(xùn)練會用到海量數(shù)據(jù)，所以，市場一直有觀點認為，未來將無數(shù)據(jù)可用，或者不得不用大量的合成數(shù)據(jù)。在這種情況下，高質(zhì)量數(shù)據(jù)集無疑成為數(shù)據(jù)流通的“硬通貨”。
清華大學(xué)數(shù)字政府與治理研究院院長、教授張小勁表示，人工智能大模型走到哪里，高質(zhì)量數(shù)據(jù)集就走到哪里，反之，高質(zhì)量數(shù)據(jù)集走到哪里，人工智能就走到哪里，這是相輔相成的，是雙輪驅(qū)動的格局。
中國工程院院士吳世忠指出，數(shù)據(jù)集建設(shè)的質(zhì)量和安全，是大模型發(fā)展的生命線，要完善分級分類的數(shù)據(jù)安全制度，強化全流程的技術(shù)防護手段，筑牢防篡改的底層技術(shù)能力。在數(shù)據(jù)集建設(shè)中，還要主動融入中華優(yōu)秀傳統(tǒng)文化，避免模型成為利己主義的工具。
目前高質(zhì)量數(shù)據(jù)集建設(shè)如火如荼，深圳市政務(wù)服務(wù)和數(shù)據(jù)管理局黨組書記、局長周劍明在國家數(shù)據(jù)局官網(wǎng)發(fā)文分享，深圳市結(jié)合公共數(shù)據(jù)資源授權(quán)運營和可信數(shù)據(jù)空間建設(shè)探索，支持高質(zhì)量公共數(shù)據(jù)和企業(yè)數(shù)據(jù)等融合應(yīng)用，已在征信金融、氣象、商保理賠等領(lǐng)域開展試點，取得較好成效。(完)