作者：張素華、尹曉坤，分別系武漢大學法學院教授、數字法治研究院院長，中南大學法學院博士后
當前，人工智能發展邁入模型與數據協同優化的新階段，高質量數據集成為支持人工智能模型訓練與優化的核心資源。習近平總書記高度重視我國豐富數據資源在人工智能發展中的重要作用，強調要“深化數據資源開發利用和開放共享”。“十五五”規劃綱要明確提出，“面向能源、交通、制造、教育、健康、金融等領域建設高質量數據集”。2026年6月，國家數據局印發《關於推進行業高質量數據集建設行動的實施方案》，系統部署行業高質量數據集建設，推動其與“人工智能+”行動計劃同頻共振、互促共進。高質量數據集是指經過採集、加工等數據處理，可直接用於開發和訓練人工智能模型，能夠有效提升模型表現的數據的集合。隨著數據來源的廣泛化、數據集中化程度的不斷提高，我國高質量數據集建設的步伐亟待加快，以推動人工智能產業的持續健康發展。
1.加快高質量數據集建設的戰略價值
2024年12月，國家發改委、國家數據局等部門聯合印發《關於促進數據產業高質量發展的指導意見》，明確提出“高質量數據集”的概念，並將其作為人工智能與實體經濟融合的核心載體。高質量數據集既是釋放數據要素乘數效應的關鍵樞紐，也是驅動人工智能創新突破和數字產業迭代升級的核心引擎。
高質量數據集的建設是大國科技博弈的戰略制高點。從全球范圍來看，世界主要經濟體均將高質量數據集的建設提升至國家戰略高度。面對人工智能發展“以數據為中心”的戰略轉型，提高數據供給質量已經成為全球人工智能產業發展的共識，高質量數據集的建設水平關乎一國在全球人工智能產業鏈中的話語權和競爭力。隻有加快推進優質數據資源高效匯集、合規流通和廣泛應用，構建自主可控的高質量數據集管理與服務體系，才能確保我國在全球科技競爭中搶佔先機。
高質量數據集的建設是落實國家重大戰略部署的關鍵支撐。數據是新的生產要素，是基礎性資源和戰略性資源，也是重要生產力。2026年《政府工作報告》強調“深化數據資源開發利用，健全數據要素基礎制度，建設高質量數據集”，這是“高質量數據集”首次寫入政府工作報告，標志著數據要素開發利用進入精細化、標准化的新階段。從宏觀戰略布局來看，高質量數據集建設通過把分散、海量、潛在的數據資源轉化為可流通、可計算、可復用的戰略資產，為數字中國建設夯實穩定、可靠的數據底座。在此意義上，高質量數據集不僅是將人工智能轉化為現實生產力的核心驅動力，更是釋放數據要素價值，落實國家重大戰略部署的基礎性、關鍵性資源。
高質量數據集是激活產業新動能的核心要素。從人工智能發展的內在邏輯來看，算法、算力與數據構成人工智能發展的三大支柱，其中高質量數據集作為“數據口糧”，其供給質量直接決定人工智能模型的精度與運行效能，在人工智能產業發展中發揮著基礎性的支撐作用。一方面，高質量數據集建設有助於破解模型“通識有余、專識不足”的瓶頸，推動人工智能從通用能力向行業專識躍升，加速技術落地與產業智能化轉型。另一方面，高質量數據集的建設催生了數據標注、數據治理等新興業態，激活了數據要素流通市場，有力推動“場景牽引數據、數據驅動模型、模型賦能應用、應用創造價值”的“數據飛輪”加速形成。推進高質量數據集的建設，既是培育新質生產力的重要抓手，也是構筑人工智能產業競爭新優勢、贏得發展主動權的戰略支撐。
2.把握高質量數據集建設的發展態勢
目前，我國高質量數據集建設正呈現出“統籌規劃、分層推進、多元協作”的特點，即在國家數據局的統籌協調下開展區域建設試點，依托各地政策資源分層落地，推進典型行業高質量數據集建設范本，協同中央企業和科研機構參與行業高質量數據集建設。《關於推進行業高質量數據集建設行動的實施方案》緊扣“人工智能+”行動計劃部署，聚焦科學研究、工業制造、金融服務、醫療衛生等重點領域，系統推進行業高質量數據集建設。截至2026年8月，全國建設高質量數據集超12.6萬個、總量超1815PB。一方面，各地立足區域特色，積極探索高質量數據集建設創新路徑，從數據質量評價、數據產品開發、數據標准化等多方面，為數據集建設提供配套支撐。另一方面，各地聚焦重點領域、重點行業開展行業高質量數據集建設，發布相關典型案例，圍繞科學研究、工業制造、智慧能源、交通運輸、醫療衛生等重點領域以及低空經濟、具身智能、智能駕駛等創新領域，產出一批高質量數據建設優秀成果。
整體來看，我國高質量數據集建設雖呈現規模快速增長、投入持續加碼的態勢，但仍面臨以下問題：一是在建設思路上，目前大多是採取“自上而下”的推動模式，即國家數據局會同多個部委統一部署建設任務，自上而下推進數據匯聚和加工，形成高質量數據集。二是在建設路徑上，我國高質量數據開放不足，重點領域的高質量數據存在供給性矛盾，數據孤島現象仍在一定范圍內存在。在“先開發后開放”的建設路徑下，數據開發利用面臨的潛在風險敞口較大。三是在平台建設上，盡管近年來部分地方和行業探索建設了區域性、領域性的數據開放門戶，但整體上仍然存在碎片化、分散化的現象，缺乏能夠實現數據統一發現、便捷訪問與協同開發的基礎設施。這使得高質量數據集建設缺乏統一的標准規范與跨系統集成渠道，數據壁壘難以有效破除。另外，由於缺乏統一平台提供的數據治理工具、質量評估體系、開發環境及配套資源，數據開發主體不得不從零開始進行數據清洗、標注、對齊等基礎性工作，重復投入現象較為普遍，開發效率不高且質量參差不齊。
總體來看，我國高質量數據集建設整體仍處於初期階段。一方面，高質量語料庫短缺，特別是專業領域和公共領域的高價值數據的開放和儲備不足，導致真正具備直接可用性的高質量數據集相對有限。另一方面，我國高質量數據集的建設缺乏統一標准和規范體系，導致重復建設、權責不清等矛盾，制約了數據要素的高效流通與深度應用。
3.促進高質量數據集建設的系統治理
針對上述問題與風險，我國在高質量數據集建設中應當樹立全流程的風險防控觀念，建立覆蓋數據採集、存儲、處理、傳輸及銷毀等各環節的全生命周期安全管理體系，將治理措施貫穿於數據集來源獲取、匯聚加工、使用全流程之中。
在高質量數據集來源層，應將目光聚焦於准入機制的構建，建立以市場機制為主導、以政府引導為支撐的市場准入機制，強化數據來源合法與數據標准化獲取。具體包括：一是機構與人員准入。對從事數據集建設的人員進行資質技能評估與篩選，同時結合數據類別差異化設置相應的市場准入機制。對涉及國家安全、政治安全、經濟安全的重要數據以及核心數據等關鍵領域數據集，實施嚴格的市場准入制度，形成全過程、可追溯的源頭管理能力。二是數據准入。一方面，以平衡數據保護與利用為基本理念，探索構建數據合理使用制度。對用於人工智能訓練的高質量數據集，可在一定范圍內予以豁免，推動數據合理使用與個人信息保護、著作權保護制度的有效銜接，確保數據來源合法合規。另一方面，應強化數據供應鏈安全管理，規范數據源頭。設置可信度高、導向正確、質量可靠的數據來源“白名單”，明確要求進入白名單的數據須對標“標准元數據”，以便數據集建設方能夠以統一標准獲取數據，從源頭保障訓練數據的可信度與質量水平。
在高質量數據集匯聚加工層，應重點應對因數據高度集中所引發的安全隱患與質量風險。一是構建分級分類的安全保護機制。根據數據影響度與損害程度，建立精細化的分級分類制度，為不同層級數據匹配差異化的安全防護技術與隱私增強技術，逐步推動實現“數據可用不可見”，在保障安全的前提下釋放數據價值。二是推進高質量數據集建設的一體化與標准化，降低匯聚環節的合規與技術風險。可借鑒國外相關經驗，加快制定數據集質量評估指南、數據治理手冊及標准化數據工具，以統一規范促進安全風險的系統性降低。三是綜合運用技術手段賦能數據安全防護。部署數據安全監測與審計系統，實時檢測異常訪問、數據外傳等行為，留存完整操作日志﹔同步開展數據質量與安全雙重檢測，降低數據集運用中的數據偏見風險。此外，在數據清洗、標注等環節也可嵌入惡意樣本檢測與隱私泄露風險評估，形成覆蓋加工全過程的技術防護能力。四是強化主體責任與監管機制建設。明確數據控制者、處理者的安全保護義務及責任配置，建立數據安全事件應急響應與報告機制，同步加強行業自律與政府監督檢查。
在高質量數據集使用層，應當完善數據集調用的追蹤溯源制度，切實防范數據集濫用風險。可通過高質量數據集調用平台化的方式，使得數據集的每一次調用均能通過平台予以記錄，進而實現數據的追蹤溯源。加快推進構建可用於人工智能訓練的高質量數據公共服務平台，通過數字基礎設施一體化建設，利用開源框架，實現數據格式、數據接口、授權協議、運維管理的統一技術標准，明確平台高質量數據集應用需求發現和確認機制、高質量數據集合作處理機制以及多層次訓練數據集供給機制。在此基礎之上，以該平台為建設基點，通過平台內的規則建構，完善覆蓋數據調用全流程的追蹤溯源機制。一是建立數據調用全程日志記錄制度。對數據調用主體、時間、頻次、用途等信息進行實時記錄與留存，確保每一次調用行為可追溯、可審計。二是完善權限管理與授權驗証機制。根據應用場景與數據敏感度，實施動態差異化的調用授權，配套身份認証與權限核驗手段，防止越權訪問與違規使用。三是探索運用數字水印、區塊鏈等技術手段，對高價值訓練數據集進行調用留痕與流轉標記，提升溯源能力與防篡改水平。四是建立數據調用安全審計與責任追溯制度。定期開展調用行為合規性審查，對異常調用進行風險預警與溯源分析，對違規行為依法依規追究責任，切實筑牢數據使用環節的安全防線。
