7个数据标注基地的数据标注总规模达到17282TB，已形成医疗、工业、教育等行业的高质量数据集335个……国家数据局最新发布的多个方面数据显示，我国数据标注产业高质量发展取得阶段性成果。

  数据标注产业是对数据来进行筛选、清洗、分类、注释、标记和质量检验等加工处理的新兴起的产业。AI发展离不开高质量数据集，而高质量数据集建设离不开数据标注工作。加快培育和发展数据标注产业，推进数据要素市场化配置改革，对促进数据开发利用、赋能经济社会持续健康发展、着力培育数据标注新业态、布局数字科技新赛道、构建产业国际竞争新优势具备极其重大意义。

  根据国家数据局最新发布的数据，目前我国已建成7个数据标注基地，分别位于四川成都、辽宁沈阳、安徽合肥、湖南长沙、海南海口、河北保定和山西大同，数据标注总规模达到17282TB，相当于中国国家图书馆数字资源总量的6倍左右。目前已形成医疗、工业、教育等行业的高质量数据集335个，赋能121个国产人工智能大模型研发，引进和培育标注企业223家，标注从业人员达5.8万人，带动数据标注行业相关产值超过83亿元。

  数据标注是提升AI算法、模型核心能力的关键环节。工信部信息通信经济专家委员会委员盘和林在接受《人民邮电》报记者正常采访时表示，各地在数据标注规模上实现了显著增长，这显示数据标注产业在各地的快速扩展和蒸蒸日上，中国数据标注产业的规模效应正在慢慢地形成，竞争力正在逐步的提升，能预见，未来中国的数据标注产业在海外也是存在竞争力的。

  “人工智能落地最大的障碍是应用，而数据标注产业向垂直领域延伸，则带动AI产业向垂直领域融合，让AI应用和传统产业领域更好融合。”盘和林表示，高质量数据集将逐渐形成，特别是在医疗、工业、教育等多个关键行业领域，这些特色化数据标注的出现，也代表着各地数据标注产业通过多元化、垂直领域开发的方式来错开竞争，而不是单纯堆量，这更有助于AI产业多点齐发，最终有利于AI产业生态的形成。

  数据标注产业作为数字化的经济领域的新业态，是布局数字科技新赛道、构建产业竞争新优势的关键。依照国家发展改革委等部门2024年末发布的《关于促进数据标注产业高水平发展的实施建议》，到2027年，数据标注产业专业化、智能化及科学技术创新能力显著提升，产业规模大幅跃升，年均复合增长率超过20％，培育一批具有影响力的科技型数据标注企业，打造一批产学研用联动的创新载体。

  3月18日-20日，全国数据标注基地先行先试现场会在四川成都举行，会议要求，快速推进高质量数据集建设，推动工业、金融、医疗、交通、教育等领域的高质量数据集建设，为AI高水平发展夯实数据底座。同时，会议提出，因地制宜培育数据标注产业。各地要立足自身优势和资源禀赋，找准发展定位，探索特色发展路径。通过差异化定位和特色化发展，形成优势互补、协同发展的产业格局。

  加快建设高质量的数据集，对于推动人工智能深入应用，发挥AI在提升行业效率、改善服务的品质方面的巨大潜力具备极其重大意义。在医疗领域，通过收集和分析大量患者的医疗数据，人工智能大模型可以为个性化治疗提供相关建议；在金融领域，高质量数据集能够适用于风险评估、欺诈检测、智能投顾；在工业领域，高质量数据集能支持人机一体化智能系统、预测性维护、质量控制等应用。

  3月24日，国家数据局局长刘烈宏在中国发展高层论坛2025年年会上表示，国家数据局将充分调动社会各方力量，积极推动高质量数据集建设，持续增加数据供给，推动“人工智能+”行动赋能千行百业。“人工智能+行动到哪里，高质量数据集的建设和推广就要到哪里。”刘烈宏说，将强化公共数据资源登记管理，规范公共数据资源授权运营实施，建立授权运营价格形成机制，积极引导做好高质量数据集建设工作。

  “从当地已形成的产业和数据格局出发，找到具有优势数据资源的领域，有明确的目的性地开发这一些数据，继而由这一些数据带动相关产业实现AI+。”盘和林表示，对于拥有丰富医疗资源和数据的地区，可以重点发展医疗领域的数据标注产业，专注于医疗影像、病历文本等数据的标注；对于工业基础雄厚、制造业发达的地区，可以重点发展工业领域的数据标注产业，专注于工业设施状态监测、生产线优化等数据的标注，为工业人工智能的研发提供有力支撑。

  高质量的数据标注是训练高性能人工智能模型的基础，只有准确、全面地标注数据，才能训练出可靠、可用的人工智能大模型。数据标注产业也需要紧密配合人工智能技术的研发和应用需求，提供定制化的数据标注服务，为人工智能技术的创新和应用提供有力支持。

  “数据标注产业会朝着更专业化、规模化、智能化的方向发展。”盘和林表示，一方面，随着人工智能技术的慢慢的提升和应用场景的不断拓展，对数据标注的需求将会慢慢的大，对数据标注的质量和效率也会提出更高的要求。另一方面，人工智能技术也将对数据标注产业产生一定的影响，很多数据标注可能不再是由人来标注，而是由算法标注，不仅如此，数据本身可能就是由AI生成的，这又会给数据标注产业带来颠覆性的影响。