近期，国家数据局发布104个高质量数据集典型案例，标志着我国在数据要素市场化配置与深度应用方面迈出了关键一步。这一举措不仅是对深入实施《“人工智能+”行动》的率先响应与具体落实，更是将“数据”这一新型生产要素推向市场化配置改革前台的重要实践。

过去多年，人工智能的突破性进展很大程度上得益于深度学习算法的革新，“算法模型”一度成为众星捧月的焦点。然而，随着技术民主化和公开化，顶尖的开源算法和强大的算力平台逐渐成为可获取的公共资源，业界逐渐意识到高质量、大规模、专业化的数据集，是人工智能发展的关键瓶颈。

过去，全球数据资源总量呈爆炸式增长，但在数据要素的流通过程中，普遍面临着“数据孤岛”林立、标准规范缺失、质量参差不齐、可信流通渠道不畅等问题，导致模型泛化能力差，数据黑产滋生，AI技术的普及和规模化应用延缓，以及社会信任被侵蚀等诸多问题。比如由于数据训练不足，Uber自动驾驶测试车在夜间撞倒行人并致死亡； 由于训练数据大量来自合成的、虚拟的病例，IBM推出的医疗大模型Watson，多次给出不安全、不准确甚至荒谬的治疗建议。事实证明，没有高质量、专业化、无偏见的数据，再先进的算法也只是空中楼阁。

建立高质量数据集，正是直面这一核心痛点，将原始、粗糙的“数据矿石”冶炼成标准、可靠的“数据细沙”，为“人工智能+”行动的推进打好数据“地基”。此次发布的104个典型案例，通过对各行业、各领域高质量数据集的梳理与展示，为全社会树立了标杆与范本。

数据作为新型生产要素，其市场化流通绝非简单的数据交易，其背后是一整套涉及产权界定、安全合规、收益分配、技术标准的复杂制度体系。首批案例的申报单位是以央企、国企、科研院为主，整体占比超过了70%，不难看出，我国在构建数据要素基础制度、启动“人工智能+”行动过程中，优先打造数据生态的“国家队”，发挥其“顶梁柱”和“压舱石”的作用，为全国数据要素市场化和AI产业发展先行探路、奠定基石。

通过“国家队”的先行实践，数据从采集、清洗、脱敏到标注、确权、流通的全链条操作规范得以清晰化、标准化。这为后续希望进入数据要素市场的民营企业、机构乃至个人，提供了明确的“行动指南”。大家可以在一个规则清晰、标准统一的赛场内竞技，公平竞争，共同发展。

当然，“国家队”主导并非独家垄断，而是通过“多方参与、规则共建”的生态模式，实现数据要素的共享流转。比如，百度智能云参与的“自动驾驶高质量数据集”，由山西省数据局牵头，联动车企、科研院共同标注，数据使用权按“贡献度分配”。

可以预见，未来的中国数据要素市场将形成国家队、民营企业、科研机构、行业协会等“百花齐放，万马奔腾”的共建新局面。

此次发布的104个案例几乎涵盖了国民经济的所有重要领域，这不仅是对数据要素价值的认可，也明确传递出“数据驱动”与“人工智能+”二者的共生关系。

高质量数据提高AI模型的初始能力上限。一个包含数十万张精密零部件图像的工业质检数据集，能够训练出识别能力更强、更可靠的AI质检员；一个覆盖多中心、多设备的医疗影像数据集，能助力开发出诊断更精准、泛化能力更强的AI辅助诊断系统。

“人工智能+”应用反哺数据生态。当经过高质量数据训练的AI模型投入到实际应用中，其本身又会成为强大的“数据生成器”。智能网联汽车在行驶中持续收集道路信息，AI工厂在运行中不断积累生产参数，智慧医疗系统在诊断中生成新的临床关联数据，可以被合规地收集、脱敏后，反哺到原始数据集中，用于模型的迭代优化和持续学习，形成“数据飞轮”效应。

随着这个“数据→AI→新数据→更优AI”的循环持续运转，数据要素的价值在流动与使用中不断倍增，AI的能力也在持续进化中变得更加智能、更贴合产业需求。

未来智能时代，数据不再描述世界，而是在重写世界。

来源：中国信息化周报