在当今数字化日益加深的时代，数据已成为推动经济增长的重要动力。中国在国家层面积极推进高质量数据集的建设，以期为人工智能（AI）的迅猛发展提供强有力的支撑。在近日的发布会上，国家发展改革委党组成员、国家数据局局长刘烈宏透露，截至2023年6月底，我国已建成高质量数据集超过3.5万个，数据总量达到400PB，这一成果在多个领域展现出巨大的潜力，推动了AI的发展与应用。
数据集建设的规模和力度
根据刘烈宏的介绍，这些高质量数据集的构建，标志着我国在数据资源的获取与利用上，已经形成了一套系统化的机制。为了便于理解，400PB的存储容量可容纳约5亿张2MB大小的高清照片，这一数据量甚至相当于中国国家图书馆数字资源总量的140倍之多。如此庞大的数据基础，将为各类人工智能应用提供源源不断的养分，推动技术的优化和迭代。
交易市场的蓬勃发展
伴随着数据集的不断增加，数据交易的需求也在逐步上升。根据统计，截至2023年6月底，我国各地高质量数据集的累计交易额接近40亿元，体现出市场对高质量数据的迫切需求。这一增长趋势在数据交易机构中明显。例如，在北京数据交易所，高质量数据集占交易总量的比例已经从去年的10%飙升至近80%，极大地提升了市场对优质数据的认可。
诸如上海、天津、安徽等地开始试点“数据语料作价入股”等创新模式，鼓励企业将掌握的优质数据集合并计算为股权，从而为企业的发展注入新活力。这一举措不仅为企业提供了新的融资渠道，也进一步激活了市场的流动性。
数据标注产业的支撑作用
高质量数据集的建设离不开强大的数据标注产业支撑。刘烈宏表示，国家数据局已在全国范围内布局了成都、沈阳、合肥等七个数据标注基地，通过专业化的标注服务，提升数据质量，推动高质量数据集的有效形成。这些基地不仅为企业提供新鲜的数据源，也促进了技术的交流与合作，为数据集的建设提供了可靠的保障。
在数据使用方面，刘烈宏还特别提到中文数据在模型训练中的重要性。经过多方努力，目前国内大部分模型训练中使用的中文数据占比已超过60%，个别模型甚至达到了80%。这一进展为中文语境下的AI应用奠定了基础，使其在多个行业中创造出更多的实际价值。
未来展望：继续推动高质量数据集建设
展望未来，刘烈宏强调国家将持续通过体系化的布局加强高质量数据集的建设，尤其是在具身智能、低空经济和生物制造等重点领域，力争打造数据高地，以进一步推动技术的创新与应用。国家还将倡导全社会增强数据要素的价值认同，加快推进数据要素的共创，培育“为优质数据买单”的市场共识。这一系列措施的实施，有望为中国的数字经济发展提供更加坚实的基础。
我国高质量数据集的建设与发展，不仅是人工智能技术进步的重要基石，更是数字经济时代深层次变革的动因。在未来的日子里，我们期待看到这些数据如何助力各行各业的创新，推动经济的持续增长，同时在数据的应用和交易中，形成更加健康和合理的市场生态。