国家信息中心联合GOMAX LAB启动人工智能数据语料课题研究

　　7月19日下午，在上海举行的2026年世界人工智能大会“人工智能高质量语料生态论坛”上，国家信息中心联合GOMAX LAB启动《面向人工智能的数据语料构建生态路线图》研究工作。课题负责人国家信息中心信息化和产业发展部主任、智慧城市与智能经济研究中心主任单志广研究员介绍了课题研究背景、思路框架与路径设计。
 

　　高质量语料是服务于人工智能技术变革、产业升级和场景拓展的基础性、战略性资源，是国际人工智能竞争的关键资源。本次世界人工智能大会上，国家发展改革委发布的《人工智能合作发展行动计划》，在优质数据供给行动中专门提出“要协同构建高质量语料库和行业高质量数据集，推动多语种语料共建共享，为全球人工智能创新筑牢坚实基础”。 在此背景下，聚焦面向人工智能的数据语料生态构建开展研究恰逢其时。
 

　　单志广指出，面向人工智能的数据语料是AI大模型的核心“生产原料”，决定着模型知识储备、推理能力、输出质量与场景适配能力上限。高质量数据语料已成为智能涌现的前提、产业落地的基石、自主可控的关键。当前，全球主要国家和经济体都在加速布局数据语料。我国在政策体系构建、数据总量、“人工智能+”场景落地、产业体系构架方面具备优势，但也面临数据语料质量不优、中文语料国际占比偏低、语料加工能力不足、行业同质化竞争严重等突出问题，因此，推进构建数据语料生态具有重要的现实意义。
 

　　单志广认为，构建面向人工智能的数据生态是系统化、长期性工程，需要立足全球人工智能产业竞争新需求，顺应数据语料作为大模型研发、技术创新与产业赋能的战略性资源新趋势，联合“政产学研用”等多元主体力量，加速构建“共生、共建、共享、共治”的面向人工智能的数据语料生态，创新探索中文语料生产范式，系统布局通用型基础语料与垂直行业专业语料建设，遵照“行业专家经验-高质量数据语料库构建-标准化测试-模型能力测试-应用验证”的五步走技术路线，打通从高质量语料到高可靠模型的技术通道，持续提升中文语料在全球数据资源市场的供给占比与品牌影响力。生态建设过程中，需要加快探索形成标准化的技术路线，加强数据资源、标准规范、基础设施、安全保障、人才队伍、运营机制等要素保障。
 

　　单志广指出，通过生态体系构建，有助于实现夯实AI发展底座、破解中文语料瓶颈、赋能大模型迭代、深化“AI+”赋能等四大核心价值。他提出下一步研究的方向是推动实现6个生态共建目标：构建一个高质量数据语料平台、共建一个产学研联合实验室、打造一批行业AI语料库、建立一套行业级评测认证体系、推出一批高质量语料评价标准、落地一批场景化示范应用。
 

　　下一步，国家信息中心将联合GOMAX LAB，发挥双方在产业研究与技术落地方面的优势，以课题研究为起点，持续扩大数据语料生态圈、加强产业策略与平台工具研究，打造采集、清洗、标注全链条智能化工具链，助力夯实数据语料库，搭建通用AI Benchmark公共平台与重点领域专属行业评测基准，研制分层分级、全域覆盖的评价标准体系，形成通用基础标准、细分行业专项标准、全流程技术操作标准、合规安全标准等，锚定国家战略性新兴产业、未来产业、关键安全领域与前沿科学智能赛道，推动高质量数据语料与真实产业场景深度融合，围绕高端制造、生命健康、能源安全、农业育种、网络安全、航空航天等国家重点领域产业需求，打造可复制可推广标杆案例，推动人工智能高质量发展。
 

　　图灵奖得主约翰·霍普克罗夫特，航空制造、多语言交互、临床医疗、丝路多模态、信息智能、网络内生安全领域等垂类领域十余位两院院士参加了本次论坛。