|
中国经济网北京3月8日讯（记者 李月华 马常艳）“当前中国在人工智能领域已取得显著进展，但要实现从‘跟跑’到‘领跑’的转变，须依赖高质量的数据集来支撑算法研发和应用落地。”全国政协委员、德勤中国董事会主席蒋颖在接受中国经济网记者采访时说。
高质量数据集是推动人工智能规模化应用的关键基础，对提升国家科技创新能力、推动经济高质量发展具有重要意义。近几年，我国数据资源规模优势持续扩大，数据资源开发利用活跃度稳步提升。数据显示，2025年，我国建成高质量数据集超10万个，规模超890PB（拍字节）。
蒋颖指出，高质量数据集可直接用于人工智能模型开发训练，能有效提升模型性能。不过她在调研中发现，当前我国数据集建设仍存在标准不一、管理服务薄弱、应用导向不足等问题，导致数据集重复建设、复用率低、价值释放受限。
对此，蒋颖提出三个方面的建议：一是构建覆盖分类、元数据、质量评价等环节的统一标准体系，推动存量数据标准化改造；二是建立专项协调机制，提供标准化流程、工具模板和技术支持，通过设立财政激励来降低企业负担；三是强化应用导向，要求项目立项明确使用场景，通过评审与监督确保建设成果匹配需求，并推动成熟数据集纳入公共平台实现共享复用。
围绕以应用为导向的高质量数据集建设机制，蒋颖进一步表示，在建设过程中，要通过阶段性评审、验收和动态监督，持续校准数据集建设方向，确保建设成果与实际应用需求高度匹配，避免“为建设而建设”。
(责任编辑：王炬鹏) | 
发表于 2026-3-8 06:00:00
