在当今数字经济飞速发展的背景下，人工智能（AI）技术已成为推动各行业创新和发展的核心驱动力。2024年中央经济工作会议明确指出，要开展“人工智能+”行动，培育未来产业，而数据则是实现这一目标的基石。然而，当前高质量数据集建设依旧面临诸多挑战，这不仅影响着AI技术的应用落地，也关系到整个产业链的健康发展。该如何加快高质量数据集的建设，成为亟待解决的问题。

　　首先，当前我国在高质量数据供给上仍显不足。具体而言，通用领域、垂直领域以及具身智能领域的高质量数据日益匮乏。尤其是在中文公开数据方面，其质量和数量远远落后于英文数据，显著制约了中文AI模型的训练和应用。这种不平衡还表现为各地公共数据开放利用程度参差不齐，缺乏统一标准，使得专门面向AI发展的高质量行业数据集难以形成。此外，具身智能领域的数据采集面临高成本与技术门槛，实质上加剧了数据资源的短缺。

　　其次，高质量数据的合成、处理和利用技术亟待提高。尽管深度学习和强化学习等生成技术在理论上具备生成高精度、多样化合成数据的潜力，但在实际应用中仍显得相对薄弱。随着社会的自动化和智能化进程不断加快，企业对数据处理的需求愈发严苛，特别是在对结构化、非结构化和半结构化数据的处理效率上。因此，相关技术需快速迭代优化，以满足不断变化的市场需求，推动数据产业健康发展。

　　第三，数据主体和商业模式的发展亟待深化。目前，我国在高质量数据汇聚和治理主体建设方面明显滞后，缺乏能够与美国Databricks和Snowflake等企业相提并论的高效数据监管和运营管理能力。各领域公共数据授权运营主体的缺乏导致了数据集构建利用方式的单一化，难以形成商业化和可持续的发展模式。这对于各行业的AI应用而言，无疑是一大障碍，限制了其成长和拓展的空间。

　　最后，高质量数据集的专项规划及政策支持也亟需完善。尽管我国已出台相关数据发展指引政策，但针对新一代人工智能模型训练与应用的高质量数据集专项政策尚待制定。无论是在数据采集、利用还是流通过程中，标准和机制的缺乏都在一定程度上限制了模型能力的提升。只有通过有效的政策引导，才能确保高质量数据集建设的顺利进行。

　　针对上述问题，建议采取多项措施协同推进高质量数据集的建设。作为首要任务，政府应加快公共数据开放和企业数据流通的步伐，建立高质量数据集的协同机制。这不仅包括扩大数据供给范围及规模，还需提升数据整合能力，打破各领域信息孤岛，从而构建完备的数据生态。重点行业如医疗、金融、法律等领域需联合建立大数据中心，并明确相关的数据标准，进而推动新技术的应用落地。

　　在技术层面，进一步加大对数据合成与处理技术的攻关力度。同样重要的是，企业应探索基于高质量数据集的商业模式创新，尤其是通过“数据+人工智能”的方式，推动产业链的发展。支持数据服务公司和产业链上下游的相互合作，将成为提升市场竞争力的关键。

　　最后，加大对于人工智能高质量数据集建设的政策支持力度是推动产业发展的重要保障。通过统筹资源，加大对数据技术开发与应用的投资，才能在激烈的国际竞争中占据先机。若能有效整合社会资本与公共数据资源，推动全社会在高质量数据集建设上的共同努力，必将为我国的人工智能产业发展注入强大的推动力。未来，随着技术的不断突破和政策的持续支持，人工智能的应用场景将更加广泛，数据技术的价值也将愈加凸显。返回搜狐，查看更多