贵州：做新时代的“数据摆渡人”-商讯网

算法、算力、数据是人工智能发展的三个基本要素，三者的持续演进升级推动人工智能的迭代发展。其中，高质量数据是训练高效人工智能模型的关键。当前，除了公开渠道数据外，还有大量的私有化数据的价值亟待开发。

为促进数据要素规模化流通共享使用，加快构建以数据为关键要素的数字经济，2024年年底国家数据局印发《可信数据空间发展行动计划（2024—2028 年）》，并指出数据空间的“价值共创、资源交互、可信管控”是释放数据价值的关键能力。

数据产业发展具有多重优势的贵州，不仅是“中国数谷”核心承载地，诞生了国家首个大数据综合试验区；全省数字经济增速连续9年位居全国前列；更在“东数西算”战略中成为西部算力枢纽的核心高地，全省算力规模已超过55Eflops。随着前不久国家数据局正式批复同意贵州建设数据要素综合试验区，贵州将持续在推动数据基础制度体系建设、培育数据要素市场等方面发挥示范引领作用。

通用语料资源即将耗尽，行业高质量数据亟需挖掘

大模型的精准预测能力与泛化能力，离不开海量、多样且标注准确的高质量数据集。以DeepSeek V3、GPT-4o等主流基座模型为例，其训练阶段均采用了经过严格清洗、加工和标注的约15万亿token。

随着大模型训练数据量呈指数级增长，支撑AI发展的互联网通用语料资源正面临枯竭风险。而针对多模态行业知识类、思维链等数据的开发与合成，将在人工智能纵深发展中起到关键作用。

DeepSeek R1等大模型的开源，使人工智能应用的门槛进一步降低。在行业数字化、智能化发展客观需求的牵引下，基于特定场景的行业应用开发正成为人工智能价值落地的必然路径。

“人工智能+”已经连续两年写入政府工作报告。我国的工业门类全，应用场景多，制造业、医疗、金融等领域积累了大量的高价值数据，但当前80%以上的工业数据为“暗数据”。若激活沉睡的暗数据用于大模型的开发和行业应用，将为我国人工智能产业发展提供广阔的增长空间，这也是我国在全球AI竞争中的独特优势所在。

高质量数据供给，仍有三大难题待解

挖掘行业数据已成为共识，但这些数据分散在多元主体且类型复杂，导致数据存在AI不可见、不可信、不可用痛点。

首先，数据对AI不可见。由于行业数据通常存在跨主体数据壁垒，组织间或系统间数据割裂，AI模型无法获取完整数据视图、数据目录、数据标注。多云架构下存储协议、计算框架、权限管理存在技术鸿沟，导致访问权限分散、数据格式差异、链路接口无统一标准。而大量的政府、企业、金融核心数据资产，因安全合规要求，难以被大模型实时低成本地发现，碎片化的数据输入会引发模型偏见与低效、模型决策可信度下降等，导致AI模型陷入“不可见性陷阱”。

其次，数据对AI不可信。即便数据可见，但由于多方协作对数据安全要求高，会存在技术信任鸿沟，无法进行有效协同；同时黑箱模型难以满足金融、医疗等强监管场景需求，模型可解释性缺失。公共数据则涉及到多方主体，数据产权不明确，追溯能力有限，会影响确权的实施与落地。而且数据供给和消费主体间也面临身份信任壁垒，如供数方担心数据外漏、模型厂商担心模型资产安全、用户担心个人隐私泄露等。更重要的是，由于缺少数字护照、可信机密沙箱等技术及硬件层级安全管控，难以实现AI数据集全生命周期身份认证。

最后，数据对AI不可用。即使找到可信的数据，但大模型语料也可能会因“数据分散、质量参差不齐、多样性不足、过拟合风险”等，存在数据对AI不可用困境。比如文本、视频、图片等格式差异大，若缺少统一元数据管理与跨模态对齐技术，这些语料就无法实现AI融合使用。同时，如果语料过老、语料配比不均衡，语料与理解有偏差，可能会生成大量重复回答，不仅耽误大模型训练，且会浪费算力。

业界首提可信AI数据空间，为数据要素与大模型融合创新提供新范式

面向数据与AI产业协同发展新周期，可信数据空间与大模型的融合是AI进化的核心命题。在大数据产业具有先发优势的贵州，从体系、理念和技术入手，摸索将“数”“模”协同创新。4月8日，贵州省大数据发展管理局与华为云作为主要发起单位，在会上联合中国信通院及相关企业启动“可信AI数据空间”创新探索。希望通过可信AI数据空间实现“泛在入湖、数据可信、AI可用”，提升AI数据集高质量供给，推动“人工智能+”行动赋能千行万业。