随着Deepseek的火爆出圈，“人工智能+”正加速渗透到产业竞技场。AI已成为生产生活中不可或缺的基础设施，如同水电一般。然而，数据作为AI发展的“燃料”，却面临高质量中文数据集供给严重不足的问题，这成为AI发展的瓶颈。

如何破解AI发展的“数据瓶颈”难题？在今年两会上，全国政协委员、工信部原副部长王江平对此高度关注。他建议，比照国家教材委员会的模式，设立人工智能国家数据集建设委员会，并引导政府部门、学术界、企业界等多主体开展高质量行业数据集建设。

高质量数据集是AI发展的关键

数据、算法和算力是AI发展的三大核心要素。其中，大规模、高质量、多样化的数据集对于大模型性能突破和落地应用至关重要。

王江平指出，当前全球积极布局人工智能产业，数据资源已成为重要战略资产。加强人工智能国家数据集建设，不仅是提升我国AI技术水平的必要举措，更是抢占国际竞争制高点的关键。

一直以来，AI大模型因数据质量问题而备受争议，常常一本正经地“胡说八道”。要避免AI大模型产生“幻觉”，确保训练数据的高质量和多样性至关重要。

王江平在接受采访时表示，AI的“补白机制”依赖于高质量的数据集。如果特定领域数据集不完整，就会降低模型的权重，导致输出结果产生“幻觉”。归根究底，这是数据集质量的问题。

加强数据集建设，有助于对数据进行严格筛选、标注和管理，保证训练数据的质量和正确价值取向，从源头上降低伦理和安全风险。

当前，AI技术正加速融入多个行业。加强数据集建设，也是AI深入赋能行业的必要举措。王江平表示，建设国家数据集能够为垂直行业提供丰富且专业的数据支撑，推动产业升级和创新发展。

据王江平介绍，美国早在2009年就启动了Data.gov平台建设，数据体量和质量领先全球。相比之下，我国在高质量中文数据集供给方面仍存在较大差距。

国内高质量数据集建设还面临规范性不足、专业性不强、数据流通不畅等挑战。王江平建议，设立国家人工智能数据集专项基金，支持国家数据集的建设、维护和更新。

推动数据自由流通与高效配置

如何破解“数据瓶颈”，促进数据自由流通与高效配置，成为AI发展的一道必答题。

王江平建议，设立人工智能国家数据集建设委员会，统筹规划国家数据集建设的战略方向。同时，加快制定通用/行业数据集质量标准，提升数据集的专业性和质量。

为支持行业数据集建设，可联合国家实验室、科研机构、高校、科技领军企业等多主体，围绕特定领域和场景，协同建设和储备一批高质量数据集。

此外，还应探索数据共享机制，鼓励龙头企业和行业协会牵头，建设行业和企业级可信数据空间，构建多方互信的数据流通利用环境。

在数据流通与使用过程中，安全问题也不容忽视。王江平建议，根据数据性质和用途，统筹好开源和闭源的关系，确保数据的充分利用和安全保护。

加快图书/期刊、视频、文献资料等高质量多模态公共数据开放，建立人大代表、政协委员监督保障机制，加强数据动态更新和安全开发利用等管理制度建设，充分释放数据要素价值。

（文章来源：南方都市报）