作者：王曉明（中國科學院科技戰(zhàn)略咨詢研究院研究員）

當前，人工智能處在快速發(fā)展的關鍵時期，正在重塑經(jīng)濟社會發(fā)展模式。2024年中央經(jīng)濟工作會議指出，開展“人工智能+”行動，培育未來產(chǎn)業(yè)。數(shù)據(jù)作為人工智能發(fā)展的三大核心要素之一，是人工智能模型訓練的基礎要素，也是人工智能模型應用的核心資源，加快建設人工智能高質量數(shù)據(jù)集，對于推動“人工智能+”場景落地具有重要意義。

高質量數(shù)據(jù)集建設存在的問題

高質量數(shù)據(jù)供給是推動新一代人工智能加快發(fā)展的關鍵要素。當前，面向新一代人工智能的數(shù)據(jù)供給仍有不足，數(shù)據(jù)處理專用技術有待進一步突破，數(shù)據(jù)產(chǎn)業(yè)和數(shù)據(jù)生態(tài)有待豐富，高質量數(shù)據(jù)集的整體規(guī)劃和支持政策還有待完善。

首先，通用領域、垂直領域以及具身智能領域的高質量數(shù)據(jù)供給仍有不足。一方面，中文公開數(shù)據(jù)在質量和數(shù)量方面落后于英文數(shù)據(jù)。另一方面，我國公共數(shù)據(jù)開放利用程度有待提高，各地開放標準不統(tǒng)一，專門面向人工智能發(fā)展的高質量行業(yè)數(shù)據(jù)集仍較匱乏。具身智能領域真實交互數(shù)據(jù)采集不足，主要原因在于智能機器人與環(huán)境的交互數(shù)據(jù)獲取困難且成本高昂，同時，企業(yè)采集數(shù)據(jù)缺乏統(tǒng)一的參照標準。

其次，高質量數(shù)據(jù)的合成、處理和利用技術亟待提升。利用深度學習和強化學習生成高精確度、多樣化合成數(shù)據(jù)的技術在成熟度和應用范圍上急需突破。隨著社會自動化和智能化程度的不斷提高，對數(shù)據(jù)處理的要求也不斷提升，因此急需針對結構化、半結構化和非結構化數(shù)據(jù)的處理技術進行迭代優(yōu)化，進一步提高數(shù)據(jù)處理效率。

再次，數(shù)據(jù)主體和商業(yè)模式發(fā)展尚不成熟。我國缺乏類似美國Databricks和Snowflake“數(shù)據(jù)+人工智能”模式的高質量數(shù)據(jù)匯聚和治理主體，具備大規(guī)模數(shù)據(jù)匯聚管理分析能力的公司數(shù)量不足。醫(yī)療、法律、保險、金融、工業(yè)、科研等多個領域的公共數(shù)據(jù)授權運營主體目前仍在培育中，數(shù)據(jù)集構建和運營利用的商業(yè)模式發(fā)展還不夠成熟。

最后，高質量數(shù)據(jù)集的專項規(guī)劃和支持政策有待完善。我國已出臺一系列數(shù)據(jù)發(fā)展相關指引政策，但是面向新一代人工智能模型訓練和場景應用的高質量數(shù)據(jù)集專項規(guī)劃和支持政策尚未出臺，其建設、運營、流通、利用等方面舉措有待進一步細化。在數(shù)據(jù)采集方面，各領域數(shù)據(jù)缺乏適用的標準規(guī)范；在數(shù)據(jù)使用方面，缺少面向大模型和具身智能模型訓練的數(shù)據(jù)共享和流通促進機制，一定程度上限制了模型能力的快速提升。

多措并舉建設高質量數(shù)據(jù)集

針對當前存在的資源、技術、模式、制度等方面問題，結合新一代人工智能發(fā)展的需要，建議發(fā)揮政府和市場的協(xié)同作用，多措并舉推進高質量數(shù)據(jù)集建設。

一是加快公共數(shù)據(jù)開放和企業(yè)數(shù)據(jù)流通，建設面向新一代人工智能的高質量數(shù)據(jù)集。建議形成部門、行業(yè)、地區(qū)共同參與的協(xié)同機制，圍繞高質量數(shù)據(jù)集建設，擴大數(shù)據(jù)供給范圍和規(guī)模，完善公共及行業(yè)數(shù)據(jù)標準，加速可信數(shù)據(jù)空間建設。面向醫(yī)療、教育、科研、法律、工業(yè)、農(nóng)業(yè)、物流、金融、能源、交通等重點領域建設大數(shù)據(jù)中心及大模型行業(yè)應用創(chuàng)新（工程）中心，打破信息孤島，構建完備數(shù)據(jù)生態(tài)，構建高質量數(shù)據(jù)集，提升垂直領域人工智能模型能力。著眼自動駕駛、具身智能等未來產(chǎn)業(yè)需求，開放相關公共數(shù)據(jù)，制定行業(yè)數(shù)據(jù)標準，探索企業(yè)間數(shù)據(jù)流通機制，鼓勵企業(yè)和研究機構創(chuàng)建高質量行業(yè)數(shù)據(jù)集。

二是圍繞建設行業(yè)高質量數(shù)據(jù)集關鍵技術問題加大攻關力度。面向數(shù)據(jù)合成和處理，加快開發(fā)數(shù)據(jù)合成、數(shù)據(jù)治理的關鍵共性技術；面向數(shù)據(jù)流通匯聚，大力推廣隱私計算、區(qū)塊鏈等技術；面向“數(shù)據(jù)+人工智能”應用模式，著力開發(fā)數(shù)據(jù)管理技術，探索新型模型結構和訓練架構。鼓勵面向人工智能的數(shù)據(jù)產(chǎn)品、數(shù)據(jù)服務企業(yè)牽頭承擔國家重大項目，開展應用基礎研究和關鍵核心技術攻關。推動產(chǎn)學研合作和創(chuàng)新聯(lián)合體建設，打造數(shù)據(jù)技術、產(chǎn)品和服務深度融合的新型合作模式。面向重點場景，打造數(shù)據(jù)技術“測試場”，提供真實數(shù)據(jù)環(huán)境、模擬應用場景，建設中試基地，吸引企業(yè)、高校和科研機構參與數(shù)據(jù)技術的創(chuàng)新和驗證，加速新技術推廣和應用。

三是引導企業(yè)和商業(yè)模式創(chuàng)新，構建人工智能數(shù)據(jù)產(chǎn)業(yè)生態(tài)。大力培育人工智能數(shù)據(jù)資源、技術、服務、應用、安全、基礎設施等多領域企業(yè)，重點建設面向人工智能行業(yè)的數(shù)據(jù)產(chǎn)業(yè)創(chuàng)新平臺。鼓勵企業(yè)基于“數(shù)據(jù)+人工智能”探索多領域商業(yè)模式，支持企業(yè)與各方合作，打造基于高質量數(shù)據(jù)集的產(chǎn)業(yè)創(chuàng)新鏈和生態(tài)系統(tǒng)。鼓勵企業(yè)探索大模型和具身智能應用場景，驅動數(shù)據(jù)產(chǎn)業(yè)發(fā)展。支持模型應用、模型開發(fā)、數(shù)據(jù)服務、數(shù)據(jù)產(chǎn)品等相關企業(yè)組建創(chuàng)新聯(lián)合體，開發(fā)高質量數(shù)據(jù)集，發(fā)展“數(shù)據(jù)即服務”“知識即服務”“模型即服務”等新業(yè)態(tài)。

四是加大人工智能高質量數(shù)據(jù)集建設政策支持力度。面向新一代人工智能技術開發(fā)和應用發(fā)展需求，完善數(shù)據(jù)資源構建體系，培育數(shù)據(jù)產(chǎn)業(yè)，支持數(shù)據(jù)技術發(fā)展，系統(tǒng)推進高質量數(shù)據(jù)集建設，強化行業(yè)應用。統(tǒng)籌中央和地方財政資金、產(chǎn)業(yè)引導基金和各類政策性投資，加大對高質量數(shù)據(jù)集建設的投入。鼓勵金融機構創(chuàng)新產(chǎn)品和服務，增加對數(shù)據(jù)相關企業(yè)的融資支持。引導社會資本有序參與人工智能高質量數(shù)據(jù)集的開發(fā)利用。