全国建成高质量数据集目标：最新成果与政策详解

截至2026年6月底，全国已建成高质量数据集12万个，覆盖工业制造、医疗、教育、科研、农业、金融、城市治理等20余个重点行业领域。数据总规模超1565PB，体量约等于国家图书馆数字资源总量的547倍；7大国家级数据标注基地标注总量超119PB，从业人员14万人；已建成行业数据集524个，支撑163款国产大模型训练，带动标注产业产值83亿元。

一、当前最新建成成果（2026年7月官方发布）

• 数据总规模：超1565PB，体量约等于国家图书馆数字资源总量的547倍；
• 7大国家级数据标注基地（成都、沈阳、合肥、长沙、海口、保定、大同）标注总量超119PB，从业人员14万人；
• 已建成行业数据集524个，支撑163款国产大模型训练，带动标注产业产值83亿元。

二、分阶段量化建设目标（两大核心文件）

1. 短期目标：《“数据要素×”三年行动计划（2024—2026年）》

2026年底总量目标：20万个高质量数据集；配套目标：培育10家以上具备全球竞争力的数据要素龙头企业。配套机制：建立数据集动态准入、退出清退机制，常态化淘汰低质失效数据，保障数据集持续高质量。

2. 中长期目标：《关于推进行业高质量数据集建设行动的实施方案》（国家数据局2026年6月印发，十五五配套顶层文件）

到2028年底总体建设目标：

• 数据集供给：建成一大批覆盖国民经济重点领域、经过真实场景应用验证的标准化行业高质量数据集；完善通识数据集+细分行业专识数据集供给体系；
• 产业与应用：打造一批数据驱动AI落地标杆场景；培育一批专业数据服务企业、复合型数据人才；
• 标准工具：形成完整数据集建设、质量评测、合规流通国家标准与配套自动化工具链；
• 生态闭环：构建“场景牵引数据、数据训练模型、模型赋能产业、应用释放价值”的数据飞轮，数据供给—加工—流通—应用—价值转化全链条良性循环基本成型。

3. 远景导向（至2030年）

配合数据产业高质量发展指导意见，实现我国数据领域关键技术国际领先，建成全球规模最大、品类最全、质量最优的行业数据集资源池，完成从数据资源大国向高质量数据供给强国转型，全面支撑通用人工智能、行业大模型自主可控发展。

三、建设核心原则与六大专项行动（落地路径）

核心建设原则

需求牵引、急用先行、应用验证、安全保障，优先布局工业、医疗、能源、农业、政务、多语种语料等刚需领域。

六大专项行动（支撑目标落地）

• 强基扩容：整合公共数据授权运营、企业行业数据、开源数据，扩充多模态原始数据底座；
• 标注攻坚：做强7大国家级标注基地，发展自动化标注、合成数据技术，提升数据精细度；
• 提质增效：统一数据质量评测标准，建立“采集—清洗—标注—校验”闭环质控；
• 应用赋能：推动数据集直接供给国产大模型、行业智能化改造，以应用反向验证数据价值；
• 管理服务：完善数据分类分级、个人信息保护、知识产权合规体系，搭建全国数据集统一登记平台；
• 价值释放：依托数据交易所、可信数据空间，建立合规流通、交易、授权运营机制，激活数据要素市场价值。

四、重点覆盖数据集领域

• 基础通用类：多语种中文语料、多模态图文音视频、地理空间、基础科研通用数据集；
• 实体经济行业：工业制造、现代农业、能源电力、交通运输、建筑、商贸流通；
• 民生公共领域：医疗卫生、基础教育、社会保障、生态环保、应急治理；
• 数字科创领域：人工智能、芯片、生物医药、航天、新材料、金融风控；
• 城市治理类：智慧城市、政务服务、信用、公共安全数据集。

五、建设配套支撑体系

• 空间载体：国家统筹7大数据标注基地，各地建设行业可信数据空间、城市数据空间；
• 市场载体：全国一体化数据交易市场，北京、上海、广东等大数据交易所上架标准化数据集产品；
• 标准体系：出台《高质量数据集建设指引》《AI高质量数据集建设指南》，统一元数据、质量、安全规范；
• 政策保障：地方专项资金扶持、公共数据开放激励、数据企业税收与产业扶持政策。

六、建设核心意义

破解我国大模型发展“高质量中文行业数据短缺”短板，摆脱海外数据集依赖；打通数据要素市场化关键底座，为“人工智能+”行动、数字中国、十五五数字经济发展提供核心生产资料，提升我国人工智能产业全球竞争优势。