当人工智能的浪潮席卷全球，其背后的“燃料”——数据，正成为竞相争夺的战略资源。然而，并非所有数据都能加速AI的发展。一场从“海量数据”向“高质量数据集”的变革正在发生。

何为高质量数据集？

2024年12月，国家发展改革委、国家数据局等部门印发《关于促进数据产业高质量发展的指导意见》，首次明确提出“高质量数据集”概念，支持企业面向人工智能应用创新，开发高质量数据集，大力发展“数据即服务”“知识即服务”“模型即服务”等新业态。

近日发布的《高质量数据集建设指引》指出，大模型参数规模指数级增长与多模态能力的拓展，数据需求从“量级积累”转向“量质并重”。

官方数据显示，截至2025年6月，全国建设高质量数据集超3.5万个、总量超400PB；数据交易机构挂牌高质量数据集3364个，作为交易流通中的关键商品，累计交易额近40亿元，规模达246PB。

在近日举行的一场论坛上，中国信息通信研究院院长余晓晖表示，放眼全球，有大量的私域数据，在场景、行业、政府中，这部分数据能够释放出来，是构成高质量数据集非常重要的一个方向。

高质量数据集和AI发展相辅相成

因为AI大模型的训练会用到海量数据，所以，市场一直有观点认为，未来将无数据可用，或者不得不用大量的合成数据。在这种情况下，高质量数据集无疑成为数据流通的“硬通货”。

清华大学数字政府与治理研究院院长、教授张小劲表示，人工智能大模型走到哪里，高质量数据集就走到哪里，反之，高质量数据集走到哪里，人工智能就走到哪里，这是相辅相成的，是双轮驱动的格局。

中国工程院院士吴世忠指出，数据集建设的质量和安全，是大模型发展的生命线，要完善分级分类的数据安全制度，强化全流程的技术防护手段，筑牢防篡改的底层技术能力。在数据集建设中，还要主动融入中华优秀传统文化，避免模型成为利己主义的工具。

目前高质量数据集建设如火如荼，深圳市政务服务和数据管理局党组书记、局长周剑明在国家数据局官网发文分享，深圳市结合公共数据资源授权运营和可信数据空间建设探索，支持高质量公共数据和企业数据等融合应用，已在征信金融、气象、商保理赔等领域开展试点，取得较好成效。

记者 吴涛