高质量数据集建到12万 国家数据局厦门布置三事

模型企业要数据,已经从“有没有”变成了“对不对、够不够”。11月10日下午,高质量数据集和数据标注先行先试建设现场会在厦门召开,国家数据局局长刘烈宏出席并讲话,副局长夏冰主持,工业和信息化部、公安部、交通运输部等12个部门派员参加。这场会想解决的就是上面那句话的问题。
一条主线、四个环节、一个闭环
刘烈宏在会上把高质量数据集的建设方法概括成这12个字:以场景牵引为主线,聚焦需求定义、数据治理、专业标注、质量测评四个环节,持续形成“数据飞轮”应用闭环。通俗地说,先用真实场景明确要什么数,再治理、标注、测评,模型用得好又反过来扩大数据需求,轮子得自己转起来。数据标注也要跟着升级,从通用标注走向专家深度参与的知识密集型,从简单标签走向过程标注,从“以人为主”转向人机协同。
半年多,从10万个到12万个
支撑这场会的是一组能对得上账的数字。3月国新办发布会上,国家数据局披露已会同26个部门遴选72家链主单位、140个先行先试工作单位和104个典型案例。截至2025年底,全国建成高质量数据集超10万个、总规模890PB;到今年6月底,这两个数字更新为12万个和超1565PB,一个季度增长超60%,体量约相当于国家图书馆数字资源总量的547倍。成都、沈阳、合肥、长沙、海口、保定、大同7个数据标注先行先试城市标注规模超119PB,从业人员14万人。
厦门的角色是行业级试点
厦门不在上述7个城市之列,它走的是另一条线:全国智慧交通数据标注先行先试六大城市之一,与武汉、北京经开区、青岛、深圳、中卫共同发布联合倡议。配套的供需对接活动上,建发股份的供应链物流、城轨运行、工业设备声纹等数据集摆上“数据集市”,宁德时代、美图公司作为需求侧发布真实用数诉求,行业标注专家结对赋能同步启动。会上作交流发言的还有数据堂、东风汽车研发总院、中国数联物流等,参会代表实地调研了厦大附属心血管病医院、金砖出海服务港等7个点位。
数据集攒到12万个之后,考核的重心正从铺量转向对不对、够不够、转不转得动。
——
本文资料来源:国家数据局官网《高质量数据集和数据标注先行先试现场会在厦门市召开》(2026-11-14)、国新办第九届数字中国建设峰会发布会实录(2026-03-24)、人民日报《全国已建成高质量数据集12万个》(2026-07-18)、厦门网(2026-11-13)
本文基于公开信息整理,仅供行业研究参考,不构成投资建议。