国家数据局日前印发的《关于推进行业高质量数据集建设的行动实施方案》（以下简称《方案》）提出，到2028年底建成一批覆盖重点领域、经过应用验证的行业高质量数据集，打造一批数据驱动人工智能创新发展的典型应用场景。国家数据局的这份《方案》，给AI发展备足了“燃料”。但燃料堆在仓库里不会自动产生动力，还需要产业端的“发动机”来点燃。当数据集建设从政策文件变成车间里的生产力、从实验室的指标变成市场上的现金流，中国AI才算真正跑完了产业化的“最后一公里”。
截至2026年第一季度，全国已建成高质量数据集超过11.6万个，总体量超过960PB，日均词元调用量突破140万亿。这组数字放在全球AI竞赛的背景下看，传递的信号很清晰：中国AI的发展逻辑正在发生一次关键转向。过去两三年，业界热衷于比拼模型参数、算力规模和通用对话能力，某种程度上是一场“大力出奇迹”的竞赛。而如今，11.6万个行业数据集的布局，意味着竞争重心从“谁能聊天更溜”转向“谁能真正扎进产业里干活”。
这种转向有其必然性。通用大模型再聪明，进了工厂、农田、医院、驾驶舱，面对的都是高度专业化的场景。没有经行业数据“喂养”的模型，就像拿着百科全书去修发动机，知识渊博却无从下手。《方案》聚焦工业制造、智慧能源、交通运输，乃至低空经济、具身智能、智能驾驶等创新领域，正是因为看到了这一点——AI的下半场，比的不是“懂多少”，而是“能干啥”。
不过，数据集建起来只是第一步。960PB的数据体量已经相当可观，但真正的瓶颈不在于“有没有”，而在于“转不转得起来”。《方案》提出要形成“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，这个表述值得细品。飞轮要转起来，靠的不是一次性把燃料堆满，而是每个环节都能持续产生动力。眼下行业数据分散沉淀、标准不一、模型适配不强，本质上就是飞轮的齿轮还没咬合好。
更深层的变化藏在“词元交易”这个提法里。《方案》提出探索词元交易等新型交易模式，构建可量化、可定价的数据价值体系。这意味着数据正从传统的“生产资料”变成可流通的“数字资产”。一旦数据的价值可以被精确计量和顺畅流通，整个AI产业的协作方式都将被重塑。数据标注企业、模型开发商、行业应用方之间的关系，将从松散的合作变成紧密的价值链条。
当然，从文件到现实还有距离。低空经济需要多模态的物理交互数据，具身智能需要高精度的仿真数据，智能驾驶需要海量的场景测试数据，这些都不是靠行政命令就能快速催生的，需要企业在真实场景中反复试错、持续回流。换句话说，高质量数据集不是“建”出来的，而是“用”出来的。只有让数据在产业应用里不断打磨、迭代、验证，才能真正称得上“高质量”。
（作者：吴霞）
【责任编辑:朱家齐】