国家层面首次系统部署，六大行动引爆行业高质量数据集建设

　　国家数据局8日印发

　　国家数据发展研究院院长胡坚波表示，

　　今年政府工作报告首次点名“建设高质量数据集”。行业高质量数据集是经过采集、加工等数据处理，可直接用于开发和训练人工智能模型，能有效提升模型性能的行业数据的集合，包含行业通识和行业专识数据集。

　　国家数据局局长刘烈宏此前公开表示，高质量数据集成为数智化转型的“新型燃料”，就像经过精炼加工的“高标号燃油”，在很大程度上，决定着人工智能技术在制造业应用中能否跑得稳、跑得远、跑出效益。

　　中国信息通信研究院副院长魏亮认为，数据之于大模型，就像石油之于汽车。原油只有经过一系列复杂的过程炼化成汽油后，才能供汽车使用。同样，海量原始数据需要经过“炼化”形成高质量数据集，才能助力大模型精准学习数据特征与规律，有效提升其对不同场景和任务的适应能力。数据集的质量影响人工智能的“智商”。

　　魏亮分析，行业大模型对数据的需求多样，不同行业部门对模型场景数据的需求各不相同，增加了数据处理和管理的复杂度。在行业大模型的实际建设中，对于构建和采买的数据没有统一衡量标准，不同行业、不同数据源的数据完整性和准确性可能参差不齐，影响了大模型的训练效果和预测准确性，造成训练资源浪费。

　　在强基扩容行动中，

　　数据标注是对原始数据进行采集、清洗、分类、标记、质量检验等专业数据治理活动，能有效提升数据供给质量，是人工智能发展的关键环节。

　　2024年4月，全国数据工作会议首次提出“探索建设国家级数据标注基地”，同年5月，国家数据局公布了首批7个国家级数据标注基地名单。12月，国家发展改革委、国家数据局等联合发布

　　在价值释放方面，

　　词元是大模型处理文本、代码、图像、音频、等所有信息时采用的最小运算单元。AI应用落地的每一个场景，背后都是词元的海量调用。今年3月，我国日均词元的调用量，已经超过了140万亿，相比2024年初的1000亿增长了1000多倍；相比2025年底的100万亿，三个月时间又增长了40%多。

　　国家数据局日前召开词元经济座谈会，明确将把推动词元经济发展纳入工作体系，以行业高质量数据集建设和全国一体化算力网建设为着力点，深入推进数据要素市场化配置改革，推动词元经济高质量发展。

　　中国工业互联网研究院政策研究所高级工程师朱光认为，词元串联起智能经济的核心要素——数据、算法、算力“铁三角”，把算力消耗、模型运算、服务供给统一转化为可度量、可流通的价值单元，支撑智能服务从定制化“奢侈品”转变为普惠化“必需品”，并催生出模型服务、算力调度、数据运营、智能体应用等一系列原生新业态，将成为智能经济价值转化与商业闭环的核心纽带。