尊龙凯时人生就是搏

关于推动行业高质量数据集建设行动的执行规划

行业高质量数据集是经过采集、加工等数据处置，可直接用于开发和训练人为智能模型，能有效提升模型机能的行业数据的集中，蕴含行业通识和行业专识数据集。行业高质量数据集是推动“人为智能+”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《纲领》，深刻施杏装人为智能+”行动，推动行业高质量数据集建设推广与“人为智能+”同频共振、互促共进，强化数据赋能人为智能创新发展，造订本规划。

一、总体要求

以习近平新时期中国特色社会主义思想为领导，深刻贯彻党的二十大和二十届历次全会心灵，全面落实“人为智能+”行动，自动适应人为智能发展范式跃迁，依照“需要牵引、急用先杏注利用验证、安全保险”准则，聚焦国民经济发展沉点行业和战术性新兴产业，萦绕行业高质量数据集供给、流通、利用等关键环节，部署强基扩容、标注攻坚、提质增效、利用赋能、治理服务、价值开释六个专项行动，形成“场景牵引数据、数据驱动模型、模型赋能利用、利用创造价值”的“数据飞轮”，加快构建数据身分与人为智能协同演进的共生生态。

到2028年底，建成一批覆盖沉点领域、经过利用验证的行业高质量数据集，打造一批数据驱动人为智能创新发展的典型利用场景，造就一批具备当吓着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工具和尺度。数据从供给到价值开释的良性循环根基形成，数据赋能人为智能创新发展的作用越发凸显，数据产业与人为智能深度融合，持续催生智能经济新增长点。

二、执行强基扩容行动

适应人为智能加快向行业渗入，从对话向多模态天生、决策执杏注具身智能、物理交互等范式跃迁的趋向，拓宽数据供给渠路，丰硕数据供给类型，加快建设行业高质量数据集，为人为智能发展和利用提供充足“燃料”。

（一）聚焦行业领域推动高质量数据集建设。聚焦科学钻延注工业造作、农业村落、智慧能源、交通运输、金融服务、医疗卫生、教育讲授、电子商务、人力资源、文化游览、应急治理、形象服务、绿色低碳、公共安全、城市治理、住房建设、天然资源、社会信誉等沉点领域，以及低空经济、具身智能、智能驾驶、智慧海洋、生物造作等创新领域，加快推动行业高质量数据集建设。

（二）夯尝试业高质量数据集建设基础蹊径。梳理行业数据资源底数和利用场景，成立数据资源清单和数据集需要清单。以利用为牵引，持续推动行业高质量数据集建设先行先试，加快形成一批可复造、可推广的数据驱动型示范场景。强化链主单元牵引带作为用，支持链主单元以结合体等大局推动产业链高低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，激励链主单元面向行业盛开数据集并提供数据服务，赋能产业链高低游中幼企业。激励高档院校、科研院所、行业协会、数据流通服务机构、第三方专业服务机构等各类主体参加行业高质量数据集建设。加大公共数据资源开发利使劲度，推动公共数据与行业数据融合利用，建设一批高质量数据集。

（三）面向人为智能利用需要丰硕行业高质量数据集建设状态。持续推动文本、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，赋能人为智能预训练、指令微调、强化进建、测评等各阶段。加强知识库、知识图谱、本体等数据集建设，加快复杂工作规划、长程推理、人机交互、决策执行等数据集建设，赋能智能体等新型智能利用状态。加快沉点场风物理交互、环境感知、活动节造等真机交互数据集建设，积极利用仿真仿照与合成技术扩大数据供给，赋能具身智能发展
；嫦蚴澜缒Ｐ偷惹把胤较，推动数据集建设。

（四）强化与数据基础设施建设有机联动。激励依附国度数据基础设施，充分使用隐衷
；ね扑恪⒖尚攀菘占涞饶芰，发展数据集安全存储、可信流通、高效利用，推动数据集从分散持有向集约化、尺度化供给转变。激励索求建设支持大规模、多模态数据集的数据基础设施存力中心。

三、执行标注攻坚行动

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成或缺的关键环节。疏导数据标注从“以报答主”向“人机协同、专家深度参加”的多档次标注模式转变，推动数据标注向专业化、智能化跃升。

（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利用，发展“模型预标注+人为校准”“人为标注+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，成立行业专家认证机造，推动专家深度参加指令微调、强化进建等阶段所需的专业知识标注，出产领域知识、逻辑推理等高质量数据集，提高数据集的知始杜纂专业价值。

（六）持续推动数据标注先行先试。领导首批七个承担数据标注先行先试工作的城市，持续做强做深数据标注产业。面向创新能力强、发展基础好、产业特色优的地域，梯次布局一批数据标注创新试验区。有序疏导具备前提的地域因地造宜发展试验区建设，推进数据标注产业链高低游缜密协同，形成产业集聚效应。造就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。支持有前提的院校增设数据标注有关课程，依附产教融合、校企协一致方式，造就具备专业知识的数据标注人才。激励发展数据标注职业技术等级认定，强化持续教育与在职培训，通顺人才发展通路。美满分层分类人才评价系统，建设专职与兼职相结合的专业标注人才行列。激励高校毕业生等群体参加标注工作，通过矫捷就业、项目合作、多元岗位供给等方式，扩大就业渠路。

四、执行提质增效行动

推动构建切合结构齐全性、内容多样性、标注正确性、模型适配性等质量尺度、满足人为智能就绪（AI-Ready）的高质量数据集，降低训练推理成本，有效提升模型机能。

（八）提升行业高质量数据集建设质效。加强数据洗濯、加强、标注、对齐、质检等关键技术攻关和全过程自动化工具研发利用，支持高效能、高尺度构建行业高质量数据集。针对行业特定利用场景，激励使用数据智能过滤与配比等技术，构建更精、更强的高知始度数据集，降低训练推理成本。阐扬数据合成在数据集建设中的积极作用，利用模型、仿真系统等天生的数据，解决稀缺场景数据集机关难、真实场景数据采集成本高档问题。

（九）推动高质量数据集尺度系统建设和利用落地。加快推动高质量数据集体式、类型、标注、质量测评等有关国度尺度研造、利用验证和贯标，健全高质量数据集尺度系统。激励各行业、各处所与国度尺度联动，推动沉点行业领域高质量数据集尺度研造。加强在产业政策、当局采购、招投标中引用有关尺度，疏导产业执行高水平尺度，用好检验检测等伎俩推动尺度执行，推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了局互认。持续美满“数据质量验证+模型利用反馈”的测评步骤，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利用成效。提议高质量数据集测评结合行动建议，推动有关单元依照尺度，选取统一测评规划和工具发展测评和封装工作，实现“一次测评、全国互认”。

五、执行利用赋能行动

对峙行业高质量数据集建设与现实利用深度融合，以模引数、用数赋模，推进高质量数据集建设与“数据身分×”“人为智能+”同频共振，全面赋能产业数智化转型。

（十一）打造“数据飞轮”利用关环。以模型利用牵引数据供给、以数据赋能模型迭代，推动形成“场景—数据—模型”协同发展的良性循环。阐扬“人为智能+”场景牵引作用，推动数据供给和场景的精准匹配，以用促建，以现实需要吸引更无数据资源汇聚，推动行业高质量数据集有效供给和持续优化。结合“数据身分×”行动，深入行业高质量数据集建设，以建促用，充分利用模型利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）打造行业利用标杆和典型案例。着力打造集“数据集出产加工和流通利用、支持模型训练利用”于一体的数据赋能工厂，打造一批行业标杆，加快人为智能利用落地。打造一批数据赋能智能体解决现实问题的典型案例，推动高质量数据集规
；。

（十三）繁华数据集协同发展生态。加强两全协调，强化部门联动，分行业分领域有序推动高质量数据集建设和利用。搭建“政产学研用金”多方互换平台，形成共建共享、互利共赢的产业生态，破解“数据孤岛”“数据烟囱”。常态化进行供需对接活动，提升供需匹配效能，推进内容性合作落地。组织遴选行业高质量数据集建设和利用典型案例，阐扬行业示范引领作用。支持进行行业高质量数据集创新赛事活动，以赛促建、以赛促用。深入国际互换合作，成立健全数据集跨境安全有序流动机造，推动跨境流动规定互认，激励行业高质量数据集建设主体积极参加全球数据生态建设。

六、执行治理服务行动

加强数据集治理，美满数据伦理和治理机造，推动落实数据权利有关造度，推动数据集建设系统越发规范有序。

（十四）构建数据集全性命周期的治理系统。加强覆盖数据采集、洗濯、加工、标注、质检、测评、迭代、审计等全性命周期的数据集治理服务能力建设，依附数据基础设施，强化隐衷
；ね扑恪⑶榱吹燃际趵，确保数据可管、可控、可追忆。建设“物理分散、逻辑集钟妆的国度数据集治理服务系统，实现数据集目录、供需等信息互联互通。支持各处所、行业依附国度系统设置专区，支持已有系统与国度系统对接。

（十五）索求面向人为智能发展的数据有关造度。落实数据持有权、使用权、经营权三权分置造度。钻研合成数据等新情况新问题。两全产权
；び氪葱路⒄剐枰，美满人为智能训练阶段数据使用规定，推动版权文章数据蹬仔序用于模型训练，美满数据授权使用机造和收益分配规定，打造权责清澈、合规包涵的造度环境。

（十六）对峙伦理先行与平正普惠。钻研索求高质量数据集伦理路德规范，对峙有益社会的价值导向，严禁犯法网络或使用敏感数据。防备数据集建设全流程产生数据私见与歧视，充分思考社会各界多元需要，最大限度确保数据集建设成就惠及全民。

七、执行价值开释行动

阐扬数据集的利用价值，以行业高质量数据集赋能人为智能发展。开释数据身分价值，推动数据集贸易化、资产化，造就为数据付费的市场共识，索求以词元（Token）为基础的价值系统。

（十七）阐扬行业高质量数据集的利用价值。成立数据集和模型需要对接机造，推动行业高质量数据集和模型精准适配，提高模型质量和效能，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，激励“以数换数”“数
；セ弧薄笆萃泄堋薄笆阋惶濉钡榷嘀掷媚Ｊ
；渭涌瓷缜ㄉ，激励中介机构、公益机构将基础性、公益性数据集作为公共产品向社会公开，引发用数活力。

（十八）创新行业高质量数据集贸易模式。美满数据集长效运营机造，激励数据集在数据买卖所（中心）等数据流通服务机构挂牌买卖，发展“订阅模式”“商场模式”“定造模式”等多元服务状态，推动贸易模式从基础数据包销售向API挪用、模型化解决规划及全栈服务梯次跃升。索求词元买卖等新型买卖模式，构建以词元为基础，可量化、可定价的数据价值系统。

（十九）索求行业高质量数据集资产化创新蹊径。激励有前提的单元率先索求发展数据集资产盘点、登记、评估等试点工作，为数据资产化堆集可复造、可推广的经验。激励索求数据集质押融资、作价入股、资产证券化、数据信陀注数据保险等多元资产化创新模式，拓宽数据价值转化渠路。

（二十）造就为高质量数据付费的市场共识。成立健全市场化利益分配机造，确保数据供给、加工、流通、利用等各环节主体均能获得市场化价值回报，共享数据盈利。激励数据需要方通过采办、合作等大局加大投入，充分阐扬当部门门、国有企业、模型企业等单元的示范引领作用，推动数据采买纳入预算假造，率先发展数据采购实际，带头形成数据有偿使用市场共识，构建健全可持续的数据市场生态。

八、保险措施

国度数据局阐扬两全协调作用，会同有关部门协同推动高质量数据集建设与利用，构建“部门协同、领域联动”的工作格局。各地要落实属地治理责任，加大组织执行力度，预防一哄而上，预防同质化、低水平沉复建设，结合现实造订配套措施，两全铺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。支持各类主体以利用为牵引，积极发展和参加行业高质量数据集建设。疏导金融机构、耐心本钱、产业基金等，加大对行业高质量数据集建设的投资力度，激励处所设立专项资金，索求多元化、多渠路投入机造。激励在依法依规、风险可控前提下发展创新索求。持续跟踪行业高质量数据集建设工作，美满监测指标，评估建设和利用功效，阶段性总结经验。强化安全保险，落实数据安全有关司法律规要求，成立全流程安全治理机造，防备数据投毒与传染、数据泄露等安全风险，守牢数据安全底线。