4月9日至11日，第十三届中国电子信息博览会（简称“电博会”）在深圳会展中心举行。此次博览会聚焦AI数据驱动发展。

中国电子首席科学家蒋国飞在会上发表主题演讲，系统阐述了数据如何驱动人工智能发展。他强调，在算力与模型能力逐步拉平的竞争格局下，高质量数据集已成为AI发展的核心驱动力。数据基础设施建设与数据处理技术创新，对破解AI行业应用落地瓶颈至关重要。

数据流通基础设施助力数据开放共享

蒋国飞谈到，人工智能发展要素可归纳为算力、数据、模型与应用四大维度。从长期竞争来看，芯片供给能力与模型开源趋势将逐渐消除技术壁垒，数据作为具有强知识产权属性的核心要素，正成为AI竞争的关键。尤其是生成式AI的发展，对大规模高质量数据产生强烈需求。

他以历史经验为例，2009年美国通过构建大规模图像数据库，推动了从早期深度学习到当前大模型的技术演进。

在Scaling Law规则下，AI模型参数规模已突破2万亿级，理论上需要同等量级的有效数据支撑。蒋国飞强调，数据规模与质量直接决定大模型的学习精确度与泛化能力。当前大模型训练已消耗50万亿token，预计2025年将触及人类数据总量边界。

针对AI应用面临的数据困境，蒋国飞指出，互联网领域的数据积累催生了豆包、元宝、Deepseek等大模型发展，但进入垂直行业时，数据分散化、碎片化、质量不足等问题成为主要瓶颈。因此，建设数据流通基础设施，加速数据开放共享，归集数据，对推动人工智能发展至关重要。

近两年，国家高度重视数据流通基础设施建设，提出了数场、数联网、数据元件、数据空间、隐私计算和区块链六条技术路线。中国电子作为“数据元件”概念提出者，正在北京、西安等地推进国家数据基础设施试点。

高质量数据集成AI应用发展重点

数据技术归集后，更大的挑战在于如何加工高质量数据集。蒋国飞定义高质量数据集为“将分散、碎片、杂乱的数据加工为高价值、高密度、标准化的数据集合”，涵盖数据归集、清洗、标注、评测等多个环节。

在技术层面，传统数据标注正从劳动密集型向知识密集型转型。以医疗影像标注为例，只有医生能标注，难以适应AI时代对数据的要求。AI学习的本质是在高维空间学习复杂曲线，可通过任务分解技术将复杂标注拆分为普通人可完成的子任务。

真实数据的稀缺性导致模型训练难以覆盖各个场景。数据定义存在认知边界，数据分布不均匀会导致大模型在某些区域出现认知盲区。蒋国飞提出，数据合成技术可通过行业知识引导实现多样化模拟，填补数据分布盲区。

他分享了中国电子在交通物流、建筑供应链、农业等领域的实践案例，如通过处理千万级行业数据构建智能问答模型，开发供应链匹配系统，利用1TB农业数据训练图像识别模型。

蒋国飞强调，行业数据处理必须形成“数据流动-处理建设-智能应用”的完整闭环，方能释放数据要素价值。

（文章来源：21世纪经济报道）