高 欣

    ●模型之争，表面是算法、算力之争，底层是数据之争；算力决定“跑得多快”，算法决定“跑得多远”，数据决定“跑得稳不稳、准不准”

    ●“十五五”规划纲要明确提出，面向能源、交通、制造、教育、健康、金融等领域建设高质量数据集。作为改革开放前沿和数字经济大省，广东在高质量数据集建设上肩负着走在前、作示范、挑大梁的重要使命

    当前，以大模型为代表的人工智能技术正加速迭代演进。参数规模屡创新高、算法架构日趋成熟，但一个基础性、战略性的命题日益凸显：高质量数据集，正在成为影响乃至决定人工智能能力边界与产业落地实效的核心变量。可以说，模型之争，表面是算法、算力之争，底层是数据之争；算力决定“跑得多快”，算法决定“跑得多远”，数据决定“跑得稳不稳、准不准”。

    “十五五”规划纲要明确提出，面向能源、交通、制造、教育、健康、金融等领域建设高质量数据集。作为改革开放前沿和数字经济大省，广东在高质量数据集建设上肩负着走在前、作示范、挑大梁的重要使命。如何认识其战略价值？如何突破瓶颈制约？广东应当如何先行探索？这是必须回答好的时代课题。

    高质量数据集是人工智能的“地基工程”

    所谓高质量数据集，不是海量数据的简单汇聚，而是经过采集、清洗、标注、知识注入和质量管控，可直接用于开发和训练人工智能模型，并能有效提升模型表现的数据集合。关于其战略重要性，可以从四个维度来认识。

    从技术维度看，数据质量的边际贡献正在超越参数规模。过去业界一度存在“参数崇拜”，但随着技术演进，这一认知正在被刷新。研究表明，数据质量与知识密度达到一定水平后，其对模型能力的提升作用，已经超过单纯扩大参数规模带来的边际收益。同样的模型架构，“喂”进去的数据质量不同，最终效果可能天差地别。高质量数据集，正在成为决定人工智能技术先进性的关键变量。

    从产业维度看，高质量数据集是人工智能赋能实体经济的桥梁。人工智能要真正落地到行业，就必须解决行业经验如何转化为模型能力的问题。高质量数据集打破了行业经验难以规模化复制的瓶颈——通过标准化的采集、标注和知识工程，将专家经验转化为机器可学习的数据，推动专业服务向人机协同增强的方向演进。没有高质量的行业数据集，就没有真正的产业智能化。

    从安全维度看，高质量数据集是模型行稳致远的压舱石。模型的推理可靠性、行为合规性，直接受训练数据质量影响；在模型对齐、指令遵循等核心环节，数据质量而非数量才是决定性因素。数据不真、不全、不准，模型就难以可信、可控、可靠。高质量数据集是人工智能安全治理的第一道防线。

    从竞争维度看，高质量数据集是战略突围的关键方向。面对全球人工智能领域技术博弈、供应链风险、技术壁垒等多重外部挑战，建设高质量数据集，就是我们掌握发展主动权的关键突破口。谁掌握了高质量的数据资源，谁就能在人工智能的下半场竞争中占据有利位置。

    体系化推进提速，深层瓶颈待破

    广东作为数字经济大省，在高质量数据集建设上走在全国前列。政策层面，《广东省深化数据要素市场化配置改革 培育壮大数据产业若干措施》等重磅文件相继出台，构建起系统完备的政策框架。平台层面，“湾数”高质量数据集服务平台矩阵正式发布试运行，按照“1+3+7+N”体系框架，已编目3600个数据集和20000个数据源，汇聚超290个可调用的数据服务算子。实践层面，广州、东莞入选国家数据标注先行先试城市，首期“湾数”大赛产出77个高质量数据集，在9个项目落地应用。广东已初步形成政策牵引、平台支撑、场景驱动、地市协同的高质量数据集建设格局。

    同时也要清醒地看到，高质量数据集建设仍面临不少瓶颈制约。一是供需错配问题突出。一方面是“找不到”——企业需要的行业数据散落在各个部门、各个企业手中，缺乏统一的供需对接渠道；另一方面是“供不出”——大量数据资源掌握在公共部门和龙头企业手中，但因为权属不清、安全顾虑、价值分配机制不明确等原因，不敢开放、不愿开放。

    二是质量参差不齐。当前数据集建设存在“重数量、轻质量”的倾向，不少数据集只是简单的数据堆砌，缺乏专业标注、知识注入和质量管控。特别是在垂直行业领域，真正经过专家标注、符合AI训练要求的“AI-Ready”数据集仍然稀缺。

    三是流通机制尚不健全。数据产权和版权保护制度还在探索中，定价机制不清晰，付费使用的市场共识尚未形成。很多高质量数据集还停留在企业内部资源层面，没有转化为可流通、可运营的数据产品。“数据孤岛”现象依然存在，跨行业数据融合面临标准不统一、安全难保障、价值分配难等多重障碍。

    这些问题相互交织，根源是制度供给、技术供给、生态供给尚未形成合力。破解之道不能靠单点突破，必须靠系统创新。

    多点突破，构建高质量数据集“广东集群”

    面对高质量数据集建设的重要机遇与现实挑战，广东立足自身产业优势和制度优势，正在探索一条具有自身特色的高质量数据集建设之路。

    比如，广州立足医疗健康、自动驾驶、生物医药等前沿领域，着力打造高质量数据集的“生产中枢”。广州入选全国数据标注先行先试城市（医疗健康领域），重点攻关智能标注、人机协同标注、跨模态语义对齐标注等关键技术。其中，广州天河区作为国家数据产业集聚区，已集聚7200多家数据企业，打造25个高质量数据集，占全市的36%。

    再如，深圳则发挥科技产业优势，在医疗、交通、金融等垂直领域布局高质量数据集建设。其中，深圳罗湖区首发体检健康、体重管理、超声医学影像三大临床级专项语料库，累计完成隐私脱敏数据超4000万条；深圳南山区上线数据产业服务平台，提供确权、评估、交易一站式服务；深圳前海率先探索动力电池全生命周期数据的跨境流动规则。

    与此同时，广东在省级层面强化统筹机制。广东省政务服务和数据管理局启动全省行业高质量数据集摸底调研，动态建立资源库、需求库、供给库与应用场景库，为常态化供需对接和产业应用提供科学依据。这种“地市特色突破+省级统筹联动”的格局，正在使珠三角各市各展所长、协同并进，形成高质量数据集建设的“广东集群”。

    以“四个转变”推动高质量数据集建设走深走实

    高质量数据集建设是一项系统工程，需要政府、企业、科研机构等多方协同、共同发力。结合广东实际，建议以“四个转变”推动高质量数据集建设走深走实。

    一是坚持需求牵引，推动从“有什么供什么”向“要什么建什么”转变。要紧扣行业最迫切的智能化场景，强化链主企业的牵引作用，支持链主企业开放自身积累的行业数据，联合上下游企业共建行业数据集。加大公共数据资源开发利用力度，推动公共数据授权运营。把需求摸查做深做实，真正实现供需精准匹配。

    二是推进工程化生产，推动从“分散加工”向“流水线运营”转变。要鼓励发展人机协同标注模式，加快数据合成、自动化清洗、智能质检等工具研发应用，推动高质量数据集生产从分散加工向流水线化、集中化运营转变。充分发挥广州、东莞两个国家数据标注先行先试城市的作用，形成规模效应。重点关注智能体、具身智能等新兴方向的数据工程方法，提前布局、抢占先机。

    三是健全标准与测评体系，推动从“内部资源”向“可流通产品”转变。标准是行业发展的基础设施，要加快完善覆盖格式、分类、标注、质量测评的标准体系，推动“一次测评、多方互认”。要加快健全高质量数据集的产权和版权保护制度，发展订阅、定制等多元商业模式，培育为高质量数据付费的市场共识。充分发挥广州、深圳数据交易所作用，推动高质量数据集向可流通、可运营的数据产品转化。

    四是强化安全治理，推动从“单点探索”向“生态协同”转变。要健全高质量数据集全生命周期安全管理和伦理治理机制，在促进发展的同时守住安全底线。培育兼具数据工程、行业知识与人工智能能力的复合型人才，推动产学研用协同创新，形成安全有序、多方共赢的发展生态。大湾区数据特区要在数据跨境流动规则上大胆探索，为全国提供可复制可推广的经验。

    作者单位：中国信通院工业互联网与物联网研究所南部运营中心