9月21日，青海數(shù)據(jù)要素生態(tài)大會在西寧舉行，本次大會以“激活數(shù)據(jù)要素價值，賦能青海高質(zhì)量發(fā)展”為核心主題，會聚了眾多行業(yè)領(lǐng)袖與專家，共同探討數(shù)據(jù)要素與區(qū)域經(jīng)濟的深度融合路徑。

會議期間，中國信息通信研究院人工智能研究所平臺與工程化部副主任李蓀，以“站在AI產(chǎn)業(yè)與企業(yè)端”的務(wù)實視角，結(jié)合團隊研究實踐，深入剖析了數(shù)據(jù)在人工智能領(lǐng)域的關(guān)鍵地位及未來趨勢。

近年來，人工智能的發(fā)展有目共睹，AI大模型的創(chuàng)新應(yīng)用也逐步進入日常生產(chǎn)生活。隨著人工智能的模型訓(xùn)練及可信AI的研究實踐加速深入，人工智能領(lǐng)域正在經(jīng)歷一場深刻的范式變革。

轉(zhuǎn)向“以數(shù)據(jù)為中心”

自2022年開始，人工智能研究和應(yīng)用重點逐步從“模型為中心”（Model-centricAI，MCAI）轉(zhuǎn)向“數(shù)據(jù)為中心”（Data-centricAI，DCAI）。也就是說，在模型相對固定的前提下，通過提升數(shù)據(jù)的質(zhì)量和數(shù)量來提升整個模型的訓(xùn)練效果。

“人工智能每次階段性的進步，數(shù)據(jù)都扮演著重要角色，尤其在大模型時代，海量、高質(zhì)量、多樣化的數(shù)據(jù)集，成為拉開模型能力差距的關(guān)鍵要素。”李蓀認(rèn)為，人工智能持續(xù)演進對數(shù)據(jù)集提出了新要求，而且，大模型技術(shù)對數(shù)據(jù)集質(zhì)量和工程路線也提出了更高要求。

在技術(shù)層面，大模型對數(shù)據(jù)集的要求主要體現(xiàn)在三個方面，包括規(guī)模可擴展性增強、多任務(wù)適應(yīng)性增強以及能力可塑性增強。

具體來說，參數(shù)規(guī)模和計算量的增加帶來了模型性能的持續(xù)提升，而一個模型能同時支持多種任務(wù)和多個模態(tài)，甚至實現(xiàn)跨模態(tài)，已成為新的技術(shù)追求。為了實現(xiàn)這些目標(biāo)，迫切需要強化四類數(shù)據(jù)集的供給，包括多模態(tài)數(shù)據(jù)集、具身智能數(shù)據(jù)集、推理思維鏈數(shù)據(jù)集和長視頻數(shù)據(jù)集。

李蓀表示，這些數(shù)據(jù)集將使模型更加全面和精準(zhǔn)地理解和處理任務(wù)，增強機器人在多樣化環(huán)境和任務(wù)中的適應(yīng)性和決策智能，并促進模型推理能力的大幅提升。

此外，大模型的研究訓(xùn)練中，進一步強化學(xué)習(xí)新范式聚焦于高質(zhì)量推理型數(shù)據(jù)集，通過收集大量的推理相關(guān)訓(xùn)練樣本和非推理訓(xùn)練樣本，推理訓(xùn)練監(jiān)督微調(diào)數(shù)據(jù)占比大幅減少，從而提高了模型的推理能力。

高質(zhì)量數(shù)據(jù)集建設(shè)

數(shù)據(jù)產(chǎn)業(yè)和人工智能的發(fā)展離不開政策的助力，近年來，國家部委和地方政府加大對“人工智能+高質(zhì)量數(shù)據(jù)集”的支持，政策協(xié)同效應(yīng)開始顯現(xiàn)。

作為數(shù)據(jù)要素領(lǐng)域的行動指南，《“數(shù)據(jù)要素×”三年行動計劃》，強調(diào)打造高質(zhì)量人工智能大模型訓(xùn)練數(shù)據(jù)集。2025年國務(wù)院國資委發(fā)布首批30項央企高質(zhì)量數(shù)據(jù)集，覆蓋了能源、物流等關(guān)鍵領(lǐng)域。

同時，《關(guān)于促進數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展的實施意見》的落地，提出通過提升數(shù)據(jù)集質(zhì)量、擴大應(yīng)用場景、強化技術(shù)創(chuàng)新等舉措，為人工智能產(chǎn)業(yè)發(fā)展提供關(guān)鍵支撐。截至2025年3月底，沈陽、保定等7個數(shù)據(jù)標(biāo)注基地建設(shè)高質(zhì)量數(shù)據(jù)集335個。

而且，從地方層面的實踐來看，高質(zhì)量數(shù)據(jù)集建設(shè)已經(jīng)在各地開花。比如，上海市明確“2025年形成1000個高質(zhì)量數(shù)據(jù)集”的目標(biāo)，蘇州市發(fā)布首批30個工業(yè)、交通領(lǐng)域數(shù)據(jù)集，北京市、山東省等11個地區(qū)則通過獎補政策激勵數(shù)據(jù)建設(shè)等。

李蓀提出，“AI與數(shù)據(jù)的融合，最終要形成產(chǎn)業(yè)‘飛輪’”，優(yōu)質(zhì)數(shù)據(jù)集能支撐企業(yè)研發(fā)出更優(yōu)行業(yè)大模型，而大模型應(yīng)用落地后，又會采集到更多真實場景數(shù)據(jù)，反哺數(shù)據(jù)集迭代。基于此，她認(rèn)為，未來擁有高質(zhì)量數(shù)據(jù)的企業(yè)，會持續(xù)拉開與同行的差距。

不過，在AI與數(shù)據(jù)的融合落地實踐中，仍存在一些問題。李蓀指出，當(dāng)前企業(yè)在構(gòu)建數(shù)據(jù)集時普遍面臨目標(biāo)定位模糊、實施路徑碎片化以及技術(shù)底座薄弱等挑戰(zhàn)。許多企業(yè)陷入“為數(shù)據(jù)而數(shù)據(jù)”的誤區(qū)，未能將數(shù)據(jù)工程目標(biāo)與核心業(yè)務(wù)指標(biāo)深度綁定，導(dǎo)致數(shù)據(jù)價值難以轉(zhuǎn)化為模型性能的實際提升。

展望未來，李蓀表示，隨著技術(shù)的不斷進步和應(yīng)用場景的持續(xù)拓展，數(shù)據(jù)與人工智能的深度融合將成為不可逆轉(zhuǎn)的趨勢。