2025人工智能高质量数据集建设指南.pdfVIP

人工智能高质量数据集

建设指南

中国信息通信研究院人工智能研究所

清华大学计算社会科学与国家治理实验室

中国人工智能产业发展联盟数据委员会

2025年7月

版权声明

本报告版权属于中国信息通信研究院、清华大学计算社

会科学与国家治理实验室、中国人工智能产业发展联盟，并

受法律保护。转载、摘编或利用其它方式使用本报告文字或

者观点的，应注明“来源：中国信息通信研究院、清华大学计

算社会科学与国家治理实验室、中国人工智能产业发展联

盟”。违反上述声明者，编者将追究其相关法律责任。

前言

党中央和国家高度重视推动数据赋能人工智能高质量发展。2025

年4月25日，中央政治局就加强人工智能发展和监管进行第二十次

集体学习，习近平总书记指出，要“深化数据资源开发利用和开放共

享”，要“全面推进人工智能科技创新、产业发展和赋能应用”。近

年来，国家相关部委和地方政府围绕高质量数据集建设和运营、数据

标注产业发展等出台系列政策，并通过投资奖补、标准制定和验证、

样板案例建设等举措积极推进高质量数据集政策落地。党中央和国家

的政策部署为业界推进高质量数据集建设提供了方向指引和根本遵

循。

随着大模型技术的迅猛发展，数据集作为人工智能核心三要素之

一，在算法趋同、算力普惠的竞争环境中正在构建难以复制的差异化

壁垒。人工智能发展正在进入“数据驱动”新阶段，高质量数据集的

建设不仅是提升AI模型性能的关键，也是推动“人工智能+”行动落

地的重要保障。然而现阶段，大量机构在高质量数据集建设中面临目

标定位模糊化、实施路径碎片化与技术底座薄弱化三重挑战，不知道

需要什么数据集、如何建设数据集、怎样评估数据集质量，制约了人

工智能应用落地。《人工智能高质量数据集建设指南》正是在此背景

下启动起草，旨在为业界建设高质量数据集提供有实操价值的指导和

参考。

指南从政策、技术、产业层面介绍了当前高质量数据集建设的背

景，梳理了高质量数据集的定义、特征、分类、建设主体以及“三大

建设难点”，提出了人工智能数据工程的“五大核心要素”和企业建

设高质量数据集“三步走”战略，分析了高质量数据集建设的核心技

术，展示了科学、通信、交通、铁塔、医疗、文化等领域高质量数据

集建设实践，最后从工程能力、技术创新、质量评估、版权合规、基

础制度创新等层面对未来高质量数据集建设的趋势进行了展望，并提

出了对政府部门和企业机构的建议，为业界推进高质量数据集建设提

供有力支撑。

目录

一、高质量数据集成为人工智能应用升级的核心要素1

（一）政策层面：“人工智能+数据要素”政策协同布局1

（二）技术层面：人工智能技术演进重构数据工程范式3

（三）产业层面：数据成为人工智能行业应用的护城河7

二、高质量数据集建设的现状和难点8

（一）高质量数据集的“三高”特征8

（二）高质量数据集分类维度9

（三）高质量数据集建设主体13

（四）高质量数据集建设难点14

三、搭建人工智能数据工程能力核心要素15

（一）管理体系16

（二）开发维护17

（三）质量控制18

（四）资源运营22

（五）合规可信23

四、高质量数据集建设路径设计24

（一）体系规划阶段——构建高质量数据集认知框架24

（二）工程建设阶段——打造高质量数据集生产体系26

（三）质量监测阶段——构建高质量数据集全流程管控机制27

五、高质量数据集“炼化”流程和技术29

（一）数据设计和采集29

（二）数据治理30

（三）数据标注31

（四）数据质检32

（五）数据运营33

六、总结展望和建议34

（一）建立AI数据工程体系34

（二）推动AI数据技术创新35

（三）搭建全流程AI数据质量管理体系35

（四）加快AI数据开发利用机制突破36

附件行业高质量数