□ 本报记者 聂 伟
“火了！”
11月5日，“2025全国高质量数据集和数据标注产业供需对接大会”在南京成功举办。大会围绕大模型训练、行业智能化转型中的数据需求，设置了医疗健康等5个行业供需对接专场，吸引国内500余家企业参与，现场达成合作90余项，交易额超9亿元。
作为全国首个高质量数据集和数据标注产业供需对接大会，首次试水即“火热出圈”的背后，不少与会专家、学者、企业家代表也提出了“冷”思考：数据标注和高质量数据集建设领域，眼下还存在怎样的卡点堵点亟待破解？如何更好地助推江苏人工智能+千行百业？
江苏是数据要素资源大省
江苏作为数据要素资源大省，想要抢抓人工智能发展机遇，高质量数据集建设势在必行、必须先行。
会上发布了一组最新数据：截至今年10月底，我省在医疗、交通、工业、能源、文旅等重点领域形成高质量数据集321个，数据总规模超93PB。
93PB是一个什么概念呢？专家解释说，PB是一个数据存储单位，用于描述如大型数据库、科研机构或企业的数据存储中心等场景中的非常大数据量。以电影为例，一部时长2小时的高清电影约1GB，93PB相当于9300万部电影。
什么样的数据集，才称得上高质量数据集呢？“数据量不一定很大，但一定要精！”出门问问创新科技有限公司是AI语音交互行业先行者、国内“AIGC（人工智能生成内容）第一股”，该公司研发负责人孙鹏飞告诉记者，高质量数据集在不同行业里，定义标准是不一样的；但关键的一点，数据是为AI大模型服务的，符合大模型训练需要的数据集才是高质量的。
高质量数据集的茁壮生长，离不开一块阳光、水肥充足的“数据田”。省数据局副局长王万军娓娓道来：在政策环境优化上，我省构建“1+N”的人工智能高质量发展政策体系，在算力、算法、数据和人工智能应用上系统发力。作为其中关键一环，今年8月，省数据局等八部门联合印发《江苏省发展数据标注产业建设高质量数据集实施方案（2025—2027年）》，把数据标注和高质量数据集一体统筹，聚焦江苏数据资源富集、场景应用丰富的17个领域，引导供需企业协同推进高质量数据集建设。还会同八部门印发《江苏省培育壮大数据企业行动方案（2025—2027年）》，开展涵盖数据资源等6类数商引育工作，抓住企业这一关键力量，加快高质量数据集生态圈建设。
数据标注有专业门槛
“人工智能，不是凭空产生的，也不是凭空进化的，你可以理解为一个小朋友从幼儿园到上大学。”苏州柏川数据科技有限公司副总经理朱丹给记者打起了比方。
要上好大学，就得不断学习。应试教育和素质教育两手都要硬。先要“填鸭式”学习人类的知识积累，没有海量、全面的学习，它可能会“偏科”；再学方法，从量变引发质变。“当个机器人，也不容易呀！”朱丹笑着说。
这当中，数据标注至关重要。“标注就是找特征、找意外情况。以智能驾驶为例，智驾第一追求就是安全性。所以，我们要把马路上有一块滚石或有抛洒物等风险点都标出来，这就是人工智能最应该学的知识点！”朱丹说。
数据标注，看上去简单，其实有行业门槛。很多视频、2D照片等，普通老百姓看得懂，很快就能上手，但一些鸟瞰图、三维图，就需要一些数学知识积累；对医学类数据进行标注，就需要有较高水平的专业知识。
眼下，困扰数据标注的问题正在于此。“一些细分领域、垂类领域的大模型进展缓慢，主要有两个原因，一个是数据供给不足，很多原始数据没有采集上来；第二个就是加工能力不足，需要人工标注。”有位与会专家坦言道。
随着人工智能领域越来越细分、水平越来越高，不是每个数据标注师都能跨界其他领域，行业渴盼一支高水平、专业性强的数据标注师队伍。
高质量数据集建设要“算好账”
“我们交流发现，有一些前景很好的高质量数据集，被供数方忍痛舍弃了！以后一旦需要了，就得重新花成本去采集、加工。”有专家告诉记者，一面是持续增长的数据采集总数，另一面是居高不下的存储成本。
记者从一些数据企业了解到，很多人工智能暂时用不到的高质量数据，“需要找个仓库存放起来，租仓库、自建仓库以及仓库保管运行费，都是成本！”有些企业自建存储中心，或是租赁第三方存储，像华为、阿里可提供云存储服务。
但随着各行各业都重视数据，数据大潮会持续汹涌而来。作为基础和底座，如何降低数据存储成本，已成为整个行业重要课题。“是否可以像建设算力中心一样，在我国中西部地区，建一些冷存储中心，把暂时用不到的数据，低成本保存，等到合适时，再拿出来。”一些企业代表吐露心声。
数据行业，是一个知识密集型叠加资金密集型的行业，除了存储成本，还有融资成本，也制约了不少企业的做大做强。“一个价值100元的数据集，80元是采买原始数据的成本。”为此，不少企业呼吁，金融机构能否加大对数据采集端、标注端的扶持力度，对有切实市场价值的高质量数据集，以类似于“订单贷”或“信用贷”等形式介入，为企业发放启动资金，让企业可以从从容容采集、加工数据，完成交易，形成良性产业循环。
高质量数据集“如何建”？中国电子技术标准化研究院副院长范科峰表示，为加快推进行业高质量数据集建设，在国家数据局指导下，全国数标委积极推动高质量数据集建设指南、格式要求、分类指南、质量评测规范等标准研制工作，不久前正式发布了4项高质量数据集系列技术文件。通过“标准化”方式解决高质量数据集建设目前所面临的突出问题。
国家数据发展研究院院长胡坚波表示，我国正按照“1+3+5+N”的思路，依托1个高质量数据集管理服务平台，从3个层次推进高质量数据集基础设施化，通过5类建设主体，以N个典型应用场景为牵引，聚焦重点行业领域和创新领域，建设高质量数据集，服务人工智能模型开发和应用。
聚焦企业痛点难点，江苏将围绕高质量数据集的价值实现，从高质量数据集建设供需两侧发力，编制数据富集领域建设指南和数据标注产业图谱，加快数联网、可信数据空间试点以及高质量数据集公共服务平台建设，夯实高质量数据集建设、流通和交易、应用基础；强化高质量数据集建设相关中小企业培育，支持企业做大做强；促供需，推动省级资源与地方需求精准匹配，组织数据集建设供需双方、专业化第三方的供需对接会，支持先行先试企业加速高质量数据集构建和应用转化。
