全国高质量数据集已超12.6万个

在近日于贵州贵阳举行的2026中国国际大数据产业博览会上，国家数据局披露了我国高质量数据集建设的最新进展。数据显示，截至今年8月，全国已建成高质量数据集超过12.6万个，总体量超过1815PB（1PB等于1024TB），较今年一季度末大幅增长超过89%。这一数据表明，我国人工智能发展的数据底座正在加速夯实。

所谓高质量数据集，是指经过采集、加工等一系列数据处理流程后，能够直接用于开发和训练人工智能模型，并能有效提升模型性能的数据集合。与普通的原始数据不同，高质量数据集在准确性、完整性、一致性和标注质量等方面都有更高要求，是训练大模型、优化算法效果的关键资源。

从供给端来看，我国数据供给规模正在持续攀升。国家数据集管理服务系统自今年4月上线以来，已发布数据集超过1700个。该系统的运行，为数据集的登记、管理和发布提供了规范化的统一入口，有助于解决过去数据资源分散、标准不一、流通不畅等问题，进一步推动数据要素的高效汇聚与复用。

值得注意的是，本届数博会首次设立了“数据集市”板块，共有95家数据企业带来了253个精品数据产品。数据集市的出现，为供需双方搭建了更直接的对接平台，一方面帮助数据供给方展示和销售其高质量数据集，另一方面也让模型开发者和研究机构能够更便捷地找到符合需求的数据资源，从而降低数据获取门槛，提升数据使用效率。

高质量数据集的规模化增长，对于人工智能产业发展具有重要意义。随着大模型训练对数据数量和质量要求的不断提升，高质量数据集已成为制约模型能力上限的关键因素之一。全国范围内超1815PB的高质量数据储备，叠加管理服务系统和数据集市等流通机制的完善，正在为各类AI模型的研发与迭代提供更为充沛的“原料”，有望加速推动人工智能技术在千行百业的落地应用。