1月13日，国家发展改革委、国家数据局、财政部、人力资源社会保障部四部门联合发布了《关于促进数据标注产业高质量发展的实施意见》（以下简称《实施意见》）。

《实施意见》明确指出，至2027年，我国数据标注产业将迎来专业化、智能化及科技创新能力的显著提升，产业规模有望实现大幅跃升，年均复合增长率预计将超过20%。在此期间，将培育出一批具有影响力的科技型数据标注企业，打造产学研用联动的创新载体，建设特色鲜明的数据标注基地，并形成相对完善的数据标注产业生态。该计划旨在构建创新要素聚集、产业链上下游联动、区域协同发展的新格局。

《实施意见》由总体要求、主要任务和保障措施三部分组成。其中，主要任务围绕深化需求牵引、增强创新驱动、繁荣产业生态、优化产业支撑四个方面，提出了一系列具体政策举措。

赛智产业研究院副院长邓道正接受采访时表示，数据标注是人工智能大模型训练不可或缺的环节。通过为数据添加标签或注释，可以显著提升大模型对信息的识别、分类及理解能力。全面且准确的数据标注能显著提高大模型的准确性和可靠性，而多样化的标注数据则能增强大模型在不同场景下的泛化能力。

为深化需求牵引，《实施意见》提出释放公共数据标注需求，推动人工智能在政务服务、城市治理、乡村振兴等领域的广泛应用。编制公共数据标注目录，有序推动公共数据的标注与开发利用，支持公共数据赋能实体经济发展。同时，鼓励跨部门、跨地区、跨层级的公共数据融合应用，推动政府部门与企业协同开展政务大模型所需数据的标注与训练，并将数据标注服务纳入政府采购范畴。

在挖掘企业数据标注需求方面，《实施意见》提出支持数据要素赋能产业转型升级，深挖企业生产管理全流程的数据标注需求。实施“国有企业数据效能提升行动”，加大企业数据开发利用力度。加强交通、医疗、金融、科学、制造、农业等重点行业领域的数据标注，建设高质量数据集，以支撑人工智能在行业领域的应用。

邓道正指出，目前市场上大规模的数据标注应用主要集中在自然语言处理、自动驾驶、医学影像、智能安防、数字金融等人工智能应用广泛的领域。在自然语言处理领域，高质量标注的数据用于训练机器学习模型，实现机器翻译、语音识别等应用；在自动驾驶领域，精准标注的数据使自动驾驶汽车能够准确理解和预测道路情况，避免交通事故。

此外，《实施意见》还强调健全数据标注标准，围绕数据标注关键环节，结合多模态数据标注需求，建立数据标注标准体系框架，并加快制定相关行业数据标注标准，以促进协同创新。

邓道正表示，当前数据标注行业仍面临数据标注标准缺乏、专业人才短缺、标注效率低及数据安全风险等方面的挑战。缺乏统一的行业标准与规范导致标注结果难以保证一致性，专业人才短缺制约了行业的健康发展，而数据安全风险则成为行业面临的一大挑战。