加快构建适配人工智能发展的高质量数据供给体系

加快构建适配人工智能发展的高质量数据供给 体系 人工智能作为引领新一轮科技革命和产业变革的战略性技 术，正在深刻改变人类生产生活方式。“十五五”时期是人工智 能技术加速突破和应用广泛扩散的关键期。在人工智能发展的过 程中，数据的作用日益凸显，既是决定模型能力上限的重要因素， 也是支撑人工智能应用成效的关键变量。加快构建面向人工智能 的高质量数据供给体系，是推动我国人工智能跨越式发展和“人 工智能+”行动走深走实的关键抓手，对于加速产业智能化升级、 推进新型工业化进程具有重要支撑作用。 当前，人工智能技术的蓬勃发展对数据要素提出了一系列新 需求。近年来，我国人工智能产业发展取得显著成效，这背后离 不开数据要素的坚实支撑。国家数据局统计数据显示，截至 2026 年 3 月底，我国日均词元调用量突破 140 万亿，相比 2024 年初 增长 1000 多倍。《全国数据资源调查报告（2025 年）》显示，2025 年我国年度数据生产总量达到 52.26 泽字节（ZB），同比增长 27.28%，占全球数据生产总量的 27.44%，连续保持全球领先地 位。其中，用于人工智能训练和推理的数据总量达到 199.48 艾 字节（EB），同比增长 42.86%；推理数据量首次超过训练数据量， 反映出人工智能应用正从模型训练阶段加速迈向规模化落地阶 段。截至 2026 年 3 月底，全国已建成高质量数据集超过 11.6 万 个、规模超过 960 拍字节（PB），为我国人工智能突破性发展提 供了重要支撑。下一步，人工智能技术加速迈向通用人工智能新 阶段，对数据要素将提出新的需求。 模型迭代需要实现“数据+场景”融合。近年来，人工智能 基础模型能力快速跃升，多模态理解、复杂推理和工具调用等能 力不断增强，智能体逐渐成为主要应用形态，推动生成式人工智 能加快向现实生产力转化。前沿模型的复杂任务处理能力已逼近 甚至局部超越人类专业水平，应用重心正从“生成内容”加速转 向“执行任务”。在这种情况下，传统依赖互联网公开语料的训 练路径将难以为继，“数据墙”的制约日益凸显，单纯依靠数据 规模扩张的边际收益持续收窄，通用数据已无法支撑模型代际突 破。与此同时，人工智能应用落地与能力进化需要深度绑定垂直 场景，场景既是技术转化为生产力的载体，也是高质量垂直数据 的源头。更核心的是，数据供需的主要矛盾已从量的不足转向供 给的体系化支撑缺失。这就要求着眼于人工智能的长远发展，构 建自动化、标准化的数据工程体系，持续提升应用过程中的数据 自我造血能力。构建数据与场景双向赋能机制，形成“场景沉淀 数据、数据优化模型、模型赋能场景”的正向循环，为人工智能 持续演进提供关键支撑。 模型训练重心的变化要求更加聚焦动态交互行为。大模型的 初期发展高度依赖互联网公开的“静态语料”，以 CommonCrawl 等为代表的开源语料库汇聚了网络文本、电子书籍等多类公开资 源，是大模型预训练阶段构建知识底座的核心支撑。然而，随 着模型训练的重心从通用预训练向强化学习变迁，单纯的静态化 语料已无法满足智能体自主决策、闭环执行等的高阶需求，模型 训练数据的需求结构将随之发生重大转变。推动数据需求从静态 知识数据向动态行为数据与交互流数据倾斜，涵盖智能体调用应 用程序编程接口（API）工具、规划执行路径、试错修正以及反 馈流数据等更为丰富的现实世界数据。特别是高质量的动态交互 样本与人类对齐反馈数据，正在成为突破智能体自主性不足、运 行可靠性偏弱等瓶颈的关键要素。 通用智能演进需要进一步拓展物理空间数据。具身智能与世 界模型是人工智能迈向通用人工智能的必经之路。世界模型承担 物理世界规律建模与决策推演的“认知大脑”功能，具身智能则 是智能体与真实环境交互的“行动载体”，二者深度耦合、互为 支撑，共同推动人工智能从被动感知理解向主动具身交互、自主 决策执行的高阶阶段演进。当前，具身智能与世界模型尚未迎来 类似大语言模型的“GPT 时刻”，即出现类似 ChatGPT 发布的突 破性进展，核心瓶颈在于物理世界高质量交互数据的积累尚未跨 越能力涌现的临界阈值。据测算，支撑通用大模型实现能力跃升 的训练语料规模达万亿词元量级，而全球可用于具身智能训练的 高质量真机交互数据集，普遍处于百万级轨迹规模层级，二者在 数据体量、样本丰富度上存在好几个数量级的差距。具身智能和 世界模型的进一步发展，对数据供给范畴、形态、结构与质量 等都提出了更高要求。一方面，数据范畴从传统数字空间的静态 图文音视频内容，向物理世界的多模态交互感知、连续运动控 制、环境因果规律数据加速延伸，数据形态从离散独立的单模态 样本，转向“感知—决策—执行—反馈”全链路的闭环时序数据。 另一方面，世界模型对物理规则的学习、具身智能体对复杂环境 的适配，都亟须覆盖多元场景、多类物体、多重物理规则的大规 模连续交互数据，要求数据兼具场景丰富度、物理真实性与因果 逻辑性。 面对人工智能发展对数据要素提出的新需求，应以“人工智 能+”行动为牵引，以模数共振为关键路径，统筹推进数据扩容 提质、流通共享、治理赋能和机制创新，加快构建系统完备、安 全可控、充分激活的高质量数据供给体系。 扩充数据资源供给，筑牢要素支撑底座。紧扣大模型能力跃 升、智