2025年4月30日，全国数标委发布《高质量数据集建设指南（征求意见稿）》，这是国内首个国家层面的高质量数据集建设指南【8†L9】。人工智能预训练面临可用数据资源即将用尽与低质量数据导致“模型幻觉”的双重挑战，特定领域的高质量数据注入成为AI模型训练的关键支撑【8†L9】。中邮证券认为，医疗、交通、教育、金融等垂直行业“场景数据集”有望赋能大模型与AI Agent发展【9†L9】。本报告系统梳理高质量数据集建设标准、地方补贴政策及产业链投资机会。
高质量数据集建设指南发布背景与核心内容
2025年4月30日，全国数据标准化技术委员会秘书处发布《高质量数据集建设指南（征求意见稿）》技术文件，配套出台格式要求、分类指南、质量评测规范等标准草案。文件规定了高质量数据集建设的全生命周期要求，涵盖数据需求、数据规划、数据采集、数据预处理、数据标注、模型验证等阶段。该指南适用于指导组织机构开展高质量数据集建设工作，标志着我国高质量数据集建设进入标准化新阶段。
生成式人工智能所采用的预训练方法是通过海量数据的累积效应实现模型的智能涌现与能力迁移【8†L9】。然而预训练模式对于模型专业领域的性能提升效果欠佳，未经筛选的低质量数据容易导致专业性问题的“模型幻觉”【8†L9】。与此同时，预训练所需的可用数据资源即将被用尽【8†L9】。在双重挑战的协同作用下，针对特定场景的高质量数据集成为人工智能模型训练的关键支撑。
高质量数据集建设全生命周期方法论
《高质量数据集建设指南》提出了覆盖数据全生命周期的建设方法论。在数据需求阶段，需明确数据集的建设目标、应用场景和质量要求。数据规划阶段需制定采集方案、标注规范和验收标准。数据采集阶段需确保数据的合法性、代表性和多样性。数据预处理阶段涉及数据清洗、去重、格式转换等操作。数据标注阶段需建立标注规范和质量控制机制。模型验证阶段则通过实际模型训练检验数据集的有效性。
特定领域的高质量数据注入能够推动人工智能掌握对应领域的关键特征与独有规律【8†L9】。通过垂直场景的上下文关系，可增强模型训练的精准性与针对性，实现高度专业化与个性化的人工智能解决方案【8†L9】。未来更多专业维度的高质量场景数据集将助推人工智能于更宽广的重点领域展现“专家级”能力【8†L9】。
高质量数据集建设全生命周期各阶段要点| 建设阶段 | 核心工作内容 | 质量把控关键 |
|---|
| 数据需求 | 明确建设目标、应用场景、质量要求 | 需求与AI模型训练目标对齐 |
| 数据规划 | 制定采集方案、标注规范、验收标准 | 规划方案的可执行性 |
| 数据采集 | 确保数据合法性、代表性、多样性 | 数据来源合规与覆盖面 |
| 数据预处理 | 数据清洗、去重、格式转换 | 数据质量与一致性 |
| 数据标注 | 建立标注规范和质量控制机制 | 标注准确率与一致性 |
| 模型验证 | 通过实际模型训练检验数据集有效性 | 模型性能提升效果 |
各地高质量数据集建设补贴政策全景
地方层面积极进行数据要素市场化探索，全国各省市纷纷出台高质量数据集建设相关扶持和补贴政策【9†L9】。武汉对完成高质量数据集建设任务的企业单位按建设投入成本的30%给予最高200万元奖励【9†L9】。厦门支持建设行业高质量数据集，对每个项目补助最高500万元，最多连续补贴三年【9†L9】。南宁对企业、高校、科研机构建设包括语料库在内的高质量数据集，最高给予100万元奖励【9†L9】。
无锡对企业购买非关联方数据开展大模型研发应用的，给予不超过合同金额30%的补助最高200万元【9†L9】。南京支持高质量数据集建设，鼓励企业开发自然语言处理、多模态等行业数据集及语料库，评选出高质量数据集每款最高按5万元给予开发奖励【9†L9】。杭州萧山区鼓励企业或机构的高质量数据集开展交易，按该数据集年度流通收益的10%给予资助，每家每年最高不超过50万元【9†L9】。
广东省将高质量数据集定位为“核心燃料”，致力于打造高质量数据集资源高地【9†L9】。江苏省计划面向制造、教育、建筑、交通、文旅、医疗、金融、政务等重点领域，建设50个以上行业高质量数据集【9†L9】。河南省提出到2027年打造一批特色高质量数据集【9†L9】。
垂直行业场景数据集赋能AI产业链
国家数据局局长刘烈宏在2025年中国发展高层论坛上表示，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【9†L9】。高质量数据与人工智能的结合，将进一步发挥数据和人工智能的倍增效应【9†L9】。
中邮证券认为，未来医疗、交通、教育、金融等特定垂直行业“场景数据集”有望赋能大模型、AI Agent发展【9†L9】。产业链相关个股方面，高质量数据集方向包括海天瑞声、三维天地、上海钢联、中远海科、信息发展、浩瀚深度、千方科技等【19†L9】。这些企业覆盖了从数据采集、标注到行业应用的全链条，有望受益于高质量数据集建设的加速推进。
