为AI打造“数据燃料”，国家数据局发布高质量数据集建设方案

4月15日，国家数据局发布《关于推进行业高质量数据集建设行动的实施方案（征求意见稿）》（以下简称“方案”）。

方案紧扣“人工智能+”行动，顺应AI范式升级的大趋势。核心原则清晰明确：需求牵引、急用先行、应用验证、安全保障。背后的逻辑，就是打造一个闭环的“数据飞轮”：场景牵引数据建设、高质量数据驱动模型迭代、模型落地赋能产业应用、应用产生新价值与新数据需求，让数据与AI形成良性循环、相互放大的效应。

发展目标：到2028年底，建成一批覆盖重点领域、经应用验证的行业高质量数据集，打造一批数据驱动人工智能创新发展的典型应用场景，培育一批具备领先优势的创新型数据企业与专业人才，形成一批行业高质量数据集建设标准及工具。

方案围绕数据集“生产—加工—提质—应用—管理—价值释放”等链条，部署六大专项行动。

一是实施强基扩容行动，聚焦解决“数据从哪来”的问题，拓宽数据供给渠道、丰富数据类型。一方面，覆盖领域全面，既聚焦工业制造、金融、医疗等传统支柱行业，也前瞻布局低空经济、具身智能、智能驾驶、生物制造等前沿赛道，实现“当下实用、未来引领”。另一方面，强调协同共建、清单化推进，建立“数据资源清单”与“数据集需求清单”，以实际应用场景为导向倒推建设，突出产业链“链主”的带动作用，推动产业链上下游协同开展建设。同时，加大公共数据开发力度，发挥公共数据的杠杆效应，带动社会数据汇聚。更关键的是，紧跟技术趋势布局多模态，围绕预训练、微调、测评等不同阶段，推进文本、图像、视频、点云、时序等全模态数据建设；针对具身智能、智能体等新方向，加快物理交互、环境感知、真机交互数据集建设，积极布局世界模型等前沿数据集。这一行动的核心目标，是为人工智能攒足“好燃料”。

二是标注攻坚行动，从“人标为主”到“人机协同+专家深度参与”。数据标注是将知识与经验注入训练数据的过程，是行业高质量数据集建设不可或缺的关键环节，标注质量直接决定着数据集的“知识密度”。方案提出，要推动标注模式升级，向专业化、智能化、体系化方向发展。技术层面，需发展“模型预标注+人工校准”“人工标注+模型检验”等智能化模式，以提升标注效率；同时强化专家型标注，建立行业专家认证机制，推动专业人士深度参与指令微调、强化学习等高价值环节，产出逻辑推理、领域知识类的高质量数据集。产业布局上，支持首批7个数据标注先行先试城市做深做强，梯次布局一批数据标注创新试验区，进一步提升数据利用效率，降低模型训练与推理成本。

三是提质增效行动：打造“更精、更强”的高价值数据集。单纯追求数据规模远远不够，数据质量才是数据集价值的核心所在。方案提出，要聚焦数据加工全流程，着力解决“数据不精、不好用”的痛点问题。其一，攻关关键技术。重点研发数据清洗、增强、对齐、质检全流程自动化工具，突破智能过滤、数据配比等核心技术；同时，充分运用数据合成技术，有效破解稀缺场景、高成本场景的数据采集难题。其二，健全标准与测评体系。加快制定数据集格式、标注规范、质量测评等国家标准，持续完善“数据质量验证+模型应用反馈”的闭环测评方法，尤其关键的是推行“一次测评、全国互认”机制，大幅降低重复测评成本，推动优质数据集实现顺畅流通与广泛复用。

四是应用赋能行动，以用促建，转活“数据飞轮”。数据集建设的最终目标在于“用”，因此需打通“场景—数据—模型”协同发展的良性循环，实现“以模引数、用数赋模”。核心抓手是打造集数据生产、加工、流通及模型训练应用支撑于一体的“数据赋能工场”。推进“数据×智能体”示范工程，树立解决实际产业问题的标杆。同时，通过供需对接、案例遴选、创新赛事、国际合作等方式，繁荣数据与AI协同的生态，让数据在应用中迭代、在迭代中更适配模型需求。

五是管理服务行动，健全全生命周期治理，守住合规与伦理底线。数据集规模越大、应用场景越广，数据权益、伦理规范、安全防护等问题便会愈发凸显。方案提出，要加强数据集管理，完善数据伦理与治理机制，构建规范有序的治理体系。具体包括三方面：其一，建设国家数据集管理平台。通过“物理分散、逻辑集中”的模式，打通数据目录与供需信息，并运用隐私计算、区块链等技术，确保数据可管、可控、可追溯。其二，完善数据权益制度。按照数据持有权、使用权、经营权“三权”分置原则，明确产权边界；在保障相关主体合法权益的前提下，适度拓展版权合理使用范围，针对模型训练阶段探索弹性监管模式，打造权责清晰、包容创新的制度环境。其三，坚守伦理底线。着力防范数据偏见与歧视，确保数据集建设成果公平普惠、惠及各方。

六是价值释放行动，从资源到资产，打通变现与市场化路径。解决“数据价值如何变现”的问题，让数据真正成为可交易、可融资、可增值的资产。在应用层面，建立数据集与模型的需求对接机制，鼓励“以数换数”“数模互换”，同时开放公益性数据集。在商业模式层面，从销售基础数据包升级为订阅、商城、定制等模式，拓展API调用、模型化解决方案等高阶服务，探索以Token为基础的新型交易与价值体系。在资产化路径上，推进数据集盘点、登记、评估试点，探索质押融资、作价入股、资产证券化等金融化模式。更重要的是培育“为高质量数据付费”的市场共识，政府、国企、模型企业等应带头发挥示范引领作用，把数据采买纳入预算，率先采购，带动形成健康可持续的数据市场生态。

为确保六大行动落地，方案明确了详细的保障机制：国家数据局统筹协调，形成部门协同、领域联动的工作格局；各地落实属地责任，安排专项经费；金融支撑方面，引导耐心资本、产业基金加大投入力度，鼓励地方设立专项扶持资金；制度层面，建立尽职免责、容错纠错机制，支持在风险可控前提下的创新探索；安全领域，严格落实数据安全法规，全流程防范数据投毒、泄露等风险，守牢安全底线。

附件

关于推进行业高质量数据集建设行动的实施方案

（征求意见稿）

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，并能有效提升模型、智能体、智能终端等应用效能的行业数据的集合，包含行业通识和行业专识数据集。行业高质量数据集是推动“人工智能+”赋能千行百业、实现产业落地的基础性、关键性资源。为落实国民经济和社会发展“十五五”规划纲要，深入实施“人工智能+”行动，推动行业高质量数据集建设推广与“人工智能+”同频共振、互促共进，强化数据赋能人工智能创新发展，制定本方案。

一、总体要求

以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大和历次全会精神，全面落实“人工智能+”行动，主动顺应人工智能发展范式跃迁，按照“需求牵引，急用先行，应用验证，安全保障”原则，聚焦国民经济发展重点行业和战略性新兴产业，围绕行业高质量数据集供给、流通、应用等关键环节，部署强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六个专项行动，形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的“数据飞轮”，加快构建数据要素与人工智能协同演进的共生生态。

到2028年底，建成一批覆盖重点领域、经过应用验证的行业高质量数据集，打造一批数据驱动人工智能创新发展的典型应用场景，培育一批具备领先优势的创新型数据企业和专业人才，形成一批行业高质量数据集建设标准和工具。数据从供给到价值释放的良性循环基本形成，数据赋能人工智能创新发展的作用更加凸显，数据产业与人工智能深度融合，持续催生智能经济新增长点。

二、实施强基扩容行动

顺应人工智能加速向行业渗透，从对话向多模态生成、决策执行、具身智能、物理交互等范式跃迁的趋势，拓宽数据供给渠道，丰富数据供给类型，加快建设行业高质量数据集，为人工智能发展和应用提供充足“燃料”。

（一）聚焦行业领域推进高质量数据集建设。聚焦科学研究、工业制造、农业农村、智慧能源、交通运输、金融服务、医疗卫生、教育教学、电子商务、人力资源、文化旅游、应急管理、气象服务、绿色低碳、公共安全、城市治理、住房建设、自然资源等重点领域，以及低空经济、具身智能、智能驾驶、智慧海洋、生物制造等创新领域，加快推进行业高质量数据集建设。

（二）体系化推进行业高质量数据集建设。梳理行业数据资源底数和应用场景，建立数据资源清单和数据集需求清单。以应用为牵引，持续推进行业高质量数据集建设先行先试，加快形成一批可复制、可推广的数据驱动型示范场景。强化链主单位牵引带动作用，推动产业链上下游协同共建和资源整合，持续扩大行业高质量数据集供给规模，鼓励链主单位面向行业开放数据集并提供数据服务。加大公共数据资源开发利用力度，依托公共数据建设一批高质量数据集。

（三）顺应人工智能发展推进行业高质量数据集建设。面向人工智能预训练、指令微调、强化学习、测评等各阶段，持续推进文本、代码、图像、音频、视频、点云、时序数据、科学数据等多模态高质量数据集建设。面向智能体等新型智能应用形态，加强知识库、知识图谱、本体等数据集建设，加快复杂任务规划、长程推理、人机交互、决策执行等数据集建设。面向具身智能发展需求，加快重点场景物理交互、环境感知、运动控制等真机交互数据集建设，积极应用仿真模拟与合成技术扩大数据供给。积极布局世界模型等前沿方向数据集建设。

（四）强化与数据基础设施建设有机联动。鼓励依托国家数据基础设施，充分运用隐私保护计算、可信数据空间等能力，开展数据集安全存储、可信流通、高效应用，推动数据集从分散持有向集约化、标准化供给转变。鼓励探索建设支撑大规模、多模态数据集的数据基础设施存力中心。

三、实施标注攻坚行动

数据标注是将知识和经验注入到训练数据的过程，是行业高质量数据集建设不可或缺的关键环节。引导数据标注从以人为主向人机协同、专家深度参与的多层次标注模式转变，推动数据标注向专业化、智能化、体系化跃升。

（五）推动数据标注转型升级。加强数据标注领域科技创新，强化自动化工具和平台的研发与应用，发展“模型预标注+人工校准”、“人工标注+模型检验”、“模型预标注+模型检验”等智能化标注服务，全面提升数据标注水平。发展专家型数据标注服务，建立行业专家认证注册机制，推动专家深度参与指令微调、强化学习等阶段所需的专业知识标注，生产逻辑推理、领域知识等高质量数据集，提高数据集的知识密度与专业价值。

（六）持续推动数据标注先行先试。指导首批七个承担数据标注先行先试任务的城市，持续做强做深数据标注产业。面向创新能力强、发展基础好、产业特色优的地区，梯次布局一批数据标注创新试验区。有序引导具备条件的地区因地制宜开展试验区建设，避免一哄而上，防止同质化、低水平重复建设，促进数据标注产业链上下游紧密协同，形成产业集聚效应。培育一批数据标注龙头企业、独角兽企业、瞪羚企业，壮大数据标注产业。

（七）扩大数据标注人才供给。支持有条件的院校增设数据标注相关课程，依托产教融合、校企协同等方式，培育具备专业知识的数据标注人才。鼓励开展数据标注职业技能等级认定，强化继续教育与在职培训，畅通人才发展通道。完善分层分类人才评价体系，建设专职与兼职相结合的专业标注人才队伍。鼓励高校毕业生等群体参与标注工作，通过灵活就业、项目协作、多元岗位供给等，扩展就业渠道。

四、实施提质增效行动

推动构建符合结构完整性、内容多样性、标注准确性、模型适配性等质量标准、满足人工智能就绪（AI-Ready）的高质量数据集，降低训练推理成本，有效提升模型性能。

（八）提升行业高质量数据集建设质效。加强数据清洗、增强、标注、对齐、质检等关键技术攻关和全过程自动化工具研发应用，支撑高效率、高标准构建行业高质量数据集。针对行业特定应用场景，鼓励运用数据智能过滤与配比等技术，构建更精、更强的高知识密度数据集，降低训练推理成本。发挥数据合成在数据集建设中的积极作用，利用模型、仿真系统等生成的数据，解决稀缺场景数据集构造难、真实场景数据采集成本高等问题。

（九）推动高质量数据集标准体系建设和应用落地。加快推进高质量数据集格式、类型、标注、质量测评等相关国家标准研制，健全高质量数据集标准体系。鼓励各行业、各地方与国家标准联动，推动重点行业领域高质量数据集标准研制。加强标准应用验证和贯标，促进高质量数据集规范化建设。

（十）强化高质量数据集质量测评和结果互认。持续完善“数据质量验证+模型应用反馈”的测评方法，加快建设覆盖多行业、多场景、多模态的测评数据集，有效评估高质量数据集应用效果。发起高质量数据集测评联合行动倡议，推动相关单位按照标准，采用统一测评方案和工具开展测评和封装工作，实现“一次测评、全国互认”。

五、实施应用赋能行动

坚持行业高质量数据集建设与实际应用深度融合，以模引数、用数赋模，促进高质量数据集建设与“数据要素×”“人工智能+”同频共振，全面赋能产业数智化转型。

（十一）打造“数据飞轮”应用闭环。以模型应用牵引数据供给、以数据驱动模型迭代，打造“场景—数据—模型”协同发展的良性循环。发挥“人工智能+”场景牵引作用，推动数据供给和场景的精准匹配，以用促建，以实际需求吸引更多数据资源汇聚，推动行业高质量数据集有效供给和持续优化。结合“数据要素×”行动，深化行业高质量数据集建设，以建促用，充分利用模型应用产生的动态交互数据等，驱动行业模型能力持续提升。

（十二）打造行业应用标杆和示范工程。着力打造集“数据集生产加工和流通利用、支撑模型训练应用”于一体的数据赋能工场，打造一批行业标杆，加速人工智能应用落地。打造一批“数据×智能体”示范工程，树立高质量数据集成功驱动智能体解决实际问题的样板，引领带动规模化应用。

（十三）繁荣数据集协同发展生态。加强统筹协调，强化部门联动，分行业分领域有序推进高质量数据集建设和应用。搭建企业、高校院所、科研机构、行业协会、金融机构等多方交流平台，形成共建共享、互利共赢的产业生态。常态化举办供需对接活动，提升供需匹配效率，促进实质性合作落地。组织遴选行业高质量数据集建设和应用典型案例，发挥行业示范引领作用。支持举办行业高质量数据集创新赛事活动，以赛促建、以赛促用。深化国际交流合作，鼓励行业高质量数据集建设主体积极参与全球数据生态建设。

六、实施管理服务行动

加强数据集管理，完善数据伦理和治理机制，推动落实数据权益相关制度，推进数据集建设体系更加规范有序。

（十四）构建数据集全生命周期的管理体系。加强覆盖数据采集、处理、标注、质检、测评、迭代、审计等全生命周期的数据集管理服务能力建设，依托数据基础设施，强化隐私保护计算、区块链等技术应用，确保数据可管、可控、可追溯。建设“物理分散、逻辑集中”的国家数据集管理平台，实现数据集目录、供需等信息互联互通。支持各地方、行业依托国家平台设置专区，支持已有平台与国家平台对接。

（十五）探索面向人工智能发展的数据权益相关制度。按照数据持有权、使用权、经营权三权分置原则，明确数据集产权配置方案。在保障合法权益的前提下，适度拓展版权合理使用边界。兼顾产权保护与创新发展需求，在人工智能训练阶段探索弹性监管体系，打造权责清晰、合规包容的制度环境。

（十六）坚持伦理先行与公平普惠。研究探索高质量数据集伦理道德规范，坚持有益社会的价值导向，严禁非法收集或使用敏感数据。防范数据集建设全流程产生数据偏见与歧视，充分考虑社会各界多元需求，最大限度确保数据集建设成果惠及全民。

七、实施价值释放行动

发挥数据集的应用价值，以行业高质量数据集赋能人工智能发展。释放数据集的要素价值，推动数据集商业化、资产化，培育为数据付费的市场共识，探索以词元（Token）为基础的价值体系。

（十七）发挥行业高质量数据集的应用价值。建立数据集和模型需求对接机制，推动行业高质量数据集和模型精准适配，提高模型质量和效率，深度赋能行业发展。推动行业高质量数据集跨行业、跨领域、跨场景融合利用，鼓励“以数换数”、“数模互换”、“数据托管”、“数算一体”等多种应用模式。积极参与开源社区建设，鼓励中介机构、公益机构将具有基础性、公益性数据集作为公共产品向社会公开，激发用数活力。

（十八）创新行业高质量数据集商业模式。完善数据集长效运营机制，鼓励数据集在数据交易所等数据流通服务机构挂牌交易，发展“订阅模式”、“商场模式”、“定制模式”等多元服务形态，推动商业模式从基础数据包销售向应用程序接口（API）调用、模型化解决方案及全栈服务梯次跃升。探索词元交易等新型交易模式，构建以词元为基础，可量化、可定价的数据集价值体系。

（十九）探索行业高质量数据集资产化创新路径。鼓励有条件的单位率先探索开展数据集资产盘点、登记、评估等试点工作，为数据资产化积累可复制、可推广的经验。鼓励探索数据集质押融资、作价入股、资产证券化、数据信托、数据保险等多元化资产化创新模式，拓宽数据价值转化渠道。

（二十）培育为高质量数据付费的市场共识。建立健全市场化利益分配机制，确保数据供给、加工、流通、应用等各环节主体均能获得市场化价值回报，共享数据红利。鼓励数据需求方通过购买、合作等形式加大投入，充分发挥政府部门、国有企业、模型企业等单位的示范引领作用，推动数据采买纳入预算编制，率先开展数据采购实践，带动形成数据有偿使用市场共识，构建健康可持续的数据市场生态。

八、保障措施

国家数据局发挥统筹协调作用，会同有关部门协同推进高质量数据集建设与应用，构建“部门协同、领域联动”的工作格局。各地要落实属地管理责任，加大组织实施力度，结合实际制定配套措施，统筹安排数据产品和服务采购经费，用于支持行业高质量数据集建设。支持各类主体以应用为牵引，积极开展和参与行业高质量数据集建设。引导金融机构、耐心资本、产业基金等，加大对行业高质量数据集建设的投资力度，鼓励地方设立专项资金，探索多元化、多渠道投入机制。建立健全尽职免责机制，完善试错容错管理制度，鼓励在依法依规、风险可控前提下开展创新探索。持续跟踪行业高质量数据集建设工作，完善监测指标，评估建设和应用成效，阶段性总结经验。强化安全保障，落实数据安全相关法律法规要求，建立全流程安全治理机制，防范数据投毒、数据篡改、数据泄露等安全风险，守牢数据安全底线。

文章参考来源｜国家数据局、互联网公开信息