国家数据局：已构建高质量数据集建设“3NM”工作体系

　　8月28日，在2026数博会“高质量数据集和数据标注”主题交流活动上，国家数据局副局长夏冰详细阐述了，国家数据局围绕高质量数据集建设构建的“3NM”工作体系：“3”三大支撑，包括国家数据集管理服务系统、高质量数据集开源社区、数据标注网络；“N”即n个垂类领域先行先试，包括106家链主单位、140项先行先试任务；“M”即各地立足产业基础开展的条块探索实践。

　　8月28日，2026中国国际大数据产业博览会“高质量数据集和数据标注”主题交流活动贵州贵阳举行，国家数据局副局长夏冰出席活动并致辞。

　　夏冰指出，当前，人工智能发展正从“能生成”迈向“能执行”，从模型智能迈向智能体智能。高质量数据是人工智能的知识源泉，也是智能进化的动力源泉。没有高质量数据，人工智能难以真正懂行业、懂业务、懂场景；没有持续的数据供给，人工智能就难以不断学习、持续进化。

　　活动中，夏冰进一步介绍，国家数据局紧紧围绕数据赋能人工智能发展这一主线，持续推动相关工作，主要包括以下三个方面。

　　一、体系布局，聚数有道

　　国家数据局在深入贯彻数字中国建设整体布局的过程中，围绕高质量数据集建设构建了“3NM”工作体系。

　　“3”即三大支撑：

　　一是建好一个系统，即国家数据集管理服务系统。系统上线以来，截至8月25日，已注册认证主体725家，发布数据集1721个，数据集供给规模和服务能力持续得到提升；

　　二是用好一个社区，本次活动将正式启动高质量数据集开源社区，引导优质数据集汇聚共享，促进数据开发、应用和创新协同；

　　三是织好一张网络，布局“7+32”数据标注先行先试新格局。2024年，国家数据局统一部署了7个数据标注先行先试城市，未来将新增布局第二批32  个标注先行先试城市，致力于把“7+32”打造成为国家级数据标注的全国性网络。

　　在“7+32”的基础上，重点推动形成示范引擎作用，推动数据标注产业从起步培育期迈向快速成长的新阶段。

　　这次新推荐出的32个城市作为第二批数据标注先行先试，重点布局工业制造、医疗健康、交通运输、具身智能等行业领域，着力破解数据标注产业发展的关键瓶颈，全面推动产业转型升级。

　　“N”即n个垂类领域先行先试。

　　国家数据局会同26个部门，先后遴选106家链主单位，布局140项行业高质量数据集先行先试工作，覆盖了教育、科学等重点领域。

　　“M”是地方数据条块探索实践。

　　支持和鼓励各地立足产业基础、资源禀赋和应用需求，积极探索数据集建设工作中，我们说数据集建设是要众人拾柴，所以我们依托“3NM”的体系化推进构成来推进。

　　二、需求牵引，治数问效

　　国家数据局坚持以需求为牵引、以应用为导向，推动数据集建设从“有什么、建什么”走向“需要什么、建设什么”的模式，与模型企业的数据需求紧耦合，主要有两方面的重点。

　　一方面，把需求摸清楚。

　　前期，围绕模型企业的数据集开展了专项调研，覆盖了全球开源大模型前10榜单中的9个国产大模型和有关垂域模型。调研显示，模型企业对数据集需求呈现多领域、多模态、专业化特点，既包含教育教学、科学研究、语言文化、网页代码等通识数据，更包含工业、法律、金融、政务等行业通识数据和行业专识数据。另外，面向智能体训练需求的轨迹、工具调用数据和多智能体协作、跨应用长操作链轨迹、人类示范以及仿真数据等新型数据，也是成为模型企业的刚需。

　　另一方面，把供需有效对接。

　　围绕模型企业需求，指导地方先后开展了9次供需对接活动，推动模型企业、数据集建设单位、数据标注企业、数据交易机构等加强交流，促进供需双方精准匹配和高效衔接。

　　三、产业登台，用数成环

　　高质量数据集建设，建是基础，流通应用是关键。数据只有进入产业、进入场景，才能真正释放价值。

　　一方面，以“模数共振”做实模型与数据协同的小环。今年4月份，国家数据局联合工业和信息化部启动“模数共振”行动，面向钢铁、石化化工、有色金属等重点行业，推动模型能力与数据资源深度融合，促进数据集建设与模型训练、产业应用协同推进。

　　另一方面，以开放协同打通数据流通利用的大环。进一步推动“四方面开放”：

　　开放优质数据集，让数据资源“有源可寻”；

　　开放数据标注平台，让数据加工“有力可借”；

　　开放专家网络，让数据建设“有智可用”；

　　开放产业应用场景，让数据价值“有处可落”。

　　特别是在场景开放方面，国家数据局正在推动建立“一场景、一管线”机制，对于最近非常热的“Token工厂”的概念，各个地方在推动布局的同时，既要有比较大规模、综合性服务能力提供的“Token工厂”支持，更要重视小场景，可能是一个主题数据集为所有的单点场景为关键导入的Token产线。

　　更加值得关注的，是围绕着“一场景、一管线”场景建设，围绕具体产业场景，打通从数据采集、加工标注、数据集建设到模型训练、应用验证的全流程，形成与场景相匹配的数据供给管线、模型训练管线和应用验证管线。现在大量涌现的OPC其实是Token管线的最好承载形式。