□吴耀明
数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力。2026年6月，国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》（以下简称《方案》），这是国家层面首次对数据赋能人工智能发展作出的系统性部署。这不仅是“人工智能+”行动落地的关键一步，更标志着我国人工智能发展范式正从“以模型为中心”向“以数据为中心”深刻转型。
从“原油”到“汽油”：准确理解高质量数据集的核心内涵
高质量数据集并非简单的“数据大”，而是“数据好”。它具有三大核心特征：一是高知识密度，蕴含深厚的行业机理与专家经验，而非表面的统计信息；二是高技术含量，经过智能标注、质量检验等多道工序，满足人工智能就绪要求；三是高应用价值，能够显著降低模型训练推理成本，提升在特定场景下的适配性与准确性。
数据之于大模型，就像石油之于汽车。未经开采和炼化的原油，无法直接驱动引擎；同样，海量原始数据只有经过采集、清洗、标注、治理等系统化“炼化”，形成高价值、高密度、标准化的数据集，才能真正助力大模型精准学习规律、提升推理能力。
当前，我国高质量数据集建设已取得积极进展。截至今年一季度，全国已建成高质量数据集超过11.6万个，总体量超过960PB，日均Token调用量突破140万亿。然而，供给的结构性矛盾依然突出：公共数据开放不充分，行业标注标准不统一，企业“不知需要什么数据、不知如何建设数据、不知怎样评估数据”的三重困境仍普遍存在。《方案》的出台，正是为了破解这些瓶颈，推动我国数据资源从“分散探索”迈向“集约化、标准化、产业化”的新阶段。
从“燃料”到“引擎”：深刻把握高质量数据集对新质生产力的战略意义
高质量数据集的战略价值，不仅体现在技术层面，更在于其对产业生态和经济形态的重塑能力。可以说，高质量数据集不仅是人工智能的“燃料”，更是驱动产业深度转型升级的“引擎”。
高质量数据集是落实“人工智能+”行动的基础支撑。“人工智能+”不是简单的“加法”，而是深度的“化合反应”。没有高质量的行业数据，通用大模型在工业、医疗、农业等垂直领域就会“水土不服”，出现“AI幻觉”问题。《方案》聚焦科学研究、工业制造、低空经济、具身智能等19个重点领域以及低空经济、具身智能、智能驾驶、智慧海洋、生物制造等创新领域，明确提出加快推进行业高质量数据集建设。只有让模型“吃”进足够多、足够好的行业专识数据，它才能真正理解行业经验和专业知识的联系，进而从通用的“聊天助手”进化为专业的“行业专家”。
高质量数据集是催生数据要素价值化的核心载体。数据要素要成为资产、进入市场、创造价值，离不开标准化的产品形态。高质量数据集正是数据从资源到资产再到资本的关键一跃。《方案》提出探索以词元为基础的价值体系，推动商业模式从基础数据包销售向API调用、全栈服务梯次跃升，并鼓励数据集质押融资、作价入股等资产化创新模式。这意味着，未来企业拥有的高质量数据集，可以像专利、商标一样成为可估值、可交易的资产，真正激活数据要素市场。
高质量数据集是构建区域竞争新优势的战略抓手。在算法趋同、算力普惠的背景下，数据正在成为差异化竞争的核心“护城河”。谁掌握了某一领域最深、最全、最准的高质量数据集，谁就能训练出性能最强的行业模型，进而在该领域形成代际优势。河北作为工业大省，拥有先进钢铁、装备制造、生物医药等优势产业，海量工业场景每天都在产生蕴含丰富机理的“数据洪流”。将这些“沉睡的资源”转化为“醒来的资产”，建设具有本地特色的行业高质量数据集，是人工智能时代河北在京津冀协同发展中找准产业链和创新链定位的关键。
从“分散”到“集约”：系统探索高质量数据集赋能发展的实践路径
建设高质量数据集是一项系统工程，必须坚持“需求牵引、急用先行、应用验证、安全保障”的原则，落实《方案》部署的强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六大专项行动，加快形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的“数据飞轮”。
以场景为牵引，破解“建什么”的难题。数据集建设不能脱离实际应用、“为数据而数据”。要坚持从行业痛点出发、“以用促建”，梳理数据资源清单和数据集需求清单。对河北而言，应优先围绕算力、钢铁、医药、农业、交通等优势产业，建设一批具有区域特色的行业通识和专识数据集。同时，积极对接国家数据集管理服务系统，争取纳入国家“物理分散、逻辑集中”的资源目录体系，实现“一次测评、全国互认”。
以标注为抓手，解决“怎么建”的痛点。数据标注是将知识和经验注入训练数据的关键环节，也是当前制约数据集质量的突出短板。要推动数据标注从“以人为主”向“人机协同、专家深度参与”的多层次标注模式转变。河北要引导有条件地区建设数据标注创新试验区，发展智能化标注工具，建立行业专家认证机制，让各行各业专家深度参与专业知识标注，提升数据集的知识密度。
以流通为纽带，打通“怎么用”的堵点。高质量数据集的价值在于流通与应用。要落实数据持有权、使用权、经营权“三权分置”制度，在保护各方权益的前提下，鼓励“以数换数”“数模互换”等多元模式。要培育“为高质量数据付费”的市场共识，推动政府部门、国有企业率先将数据采买纳入预算，发挥示范引领作用。此外，要积极参与开源社区建设，推动基础性、公益性数据集向社会开放，激发全社会的用数活力。
以安全为底线，守护“可持续”的根基。高质量数据集建设决不能以牺牲安全为代价。要落实数据安全相关法律法规，建立覆盖采集、加工、标注、流通全流程的安全治理机制，防范数据投毒、隐私泄露等风险。同时，坚持伦理先行、坚守“科技向善”理念、筑牢科技安全底线，严禁非法收集或使用敏感数据，防范数据集产生偏见与歧视。
总之，要加快构建具有河北特色、服务国家大局的高质量数据集体系，为人工智能筑牢数据基石，以高质量数据集建设为支点，撬动千行百业的智能化改造和数字化转型。
（作者单位：中共河北省委党校）