行业高质量数据集建设的主要方法和关键路径

国家工业信息安全发展研究中心主任

蒋艳

尊敬的领导、专家和同仁们，我深感荣幸能与大家共同探讨关于高质量数据集建设以及数据标注产业发展的策略。刚才，我聆听了夏冰局长、黄玲副主席的致辞以及郑庆华书记的主题演讲，这些都极大地鼓舞了我，并给了我许多启发。

作为国家工业信息安全领域的重要服务保障机构，国家工业信息安全发展研究中心一直在持续跟踪研究行业数据集的开发利用，并致力于实施国家数据集工作部署。我们全力支持行业高质量数据集的建设，参与数据标注产业发展政策文件的编制和实践。同时，我们也很荣幸地承担了国家数据局颁布的2023、2024全国数据资源调查工作组的工作任务，并承办了数据要素传播大赛，这不仅锻炼了我们的团队，也提升了我们的能力。借此机会，我要向国家数据局的信任和支持表示衷心的感谢！

接下来，我将简要汇报几个关键部分。首先是关于行业高质量数据集建设的背景（需求）。众所周知，自今年2月DeepSeek发布以来，在全球范围内持续关注生成式人工智能研发和应用的新范式，这同时也推高了对行业高质量数据集的需求。一方面，大模型围绕工程实现需求不断加速迭代，对数据集的质量要求也在不断提高。研究显示，数据集的质量对模型性能的提升起着至关重要的作用。随着推理大模型成为主流，对高质量思维链数据集的数量和质量要求也随之提升。同时，训练所使用的数据集质量越高，达到特定模型性能所需的数据集规模就越小。研究还表明，使用更高质量的数据集进行训练，可以使20亿参数级的模型表现超过100亿个参数级的模型，这是我们能够实际感受到的。

另一方面，各行业基于基础大模型正在加速智能体的研发和应用。行业高质量数据集建设的需求不断增强。我们发现，大模型已经开始向工业制造、文化旅游、交通运输、医疗卫生等行业不断渗透和延伸。从收集到的1450个工业领域的人工智能案例来看，有66%的案例集中在行业应用上。未来，大模型将加速赋能行业场景，行业高质量数据集需求将迎来爆发式的增长。这是我们观察和研究得出的结论。

关于行业高质量数据集建设的现状。在国家数据局的高度重视和大力推动下，行业高质量数据集建设已经取得了显著进展。据我们中心的观察和研究，全国7个承担数据标注基地建设任务的城市认真贯彻落实国家数据局的要求，加快行业数据标注开发，先后发布了300余个高质量的数据集。

在2024年，国家数据局出台了《关于促进数据标注产业高质量发展的实施意见》，以及支持高质量数据集的相关文件。一系列政策文件，包括公共数据、企业数据、个人数据以及算力建设、可信空间的建设等，陆续出台，为加快我国数据资源开发利用和行业高质量数据集的建设提供了方向指引和政策支持。

当然，我们也必须正视所面临的挑战。在企业和行业建设高质量数据集的过程中，我们梳理出了三个主要挑战：

1.数据的家底尚不清晰

2.数据集加工的路径尚不明确

3.数据集质量还不够高

因此，我们当前面临的困境可以概括为“不清、不明、不高”。

那么，建设高质量数据集的路径是什么呢？为了进一步支撑和服务行业高质量数据集建设，结合前期的研究和实践基础，我们中心提出了行业高质量数据集标准化建设的路径。这个路径涵盖了数据的采集、预处理、数据标注、数据增强和产品化全环节，目的是为业界建设高质量数据集提供参考。

这个路径我们已经在实践中得到验证，在新能源装备、石油化工、绿色低碳等行业取得了良好的效果。同时，我们自身也在体系建设、能力建设、标准化建设、评估认证方面不断提升中心的能力。同时，我们也服务了东方电器、中国节能集团和国家能源集团等行业龙头企业，有力地促进了通用基础大模型跨行业、跨领域、跨场景的深入应用。

接下来，我们将在国家数据局的指导和支持下，继续加强理论研究、技术标准研制、检验检测等能力建设，更好地支持各级行业主管部门，积极加强与中央企业和各级数据主管部门的合作，高质量地服务人工智能的快速发展。

尊敬的领导、专家和同仁们，面对人工智能带来的前所未有的发展机遇，同时也带来了前所未有的风险挑战，我们愿意并期待与各位携手并进，共同推动行业高质量数据集建设和应用，加速人工智能赋能千行百业，在“数字中国”建设的新征程上不断赢得主动、赢得优势、赢得未来。谢谢大家！

（以上内容根据嘉宾发言速记整理）