近日，北京数据集团在服贸会上正式成立，注册资本30亿并计划增至60亿，资产总额达136亿。这一事件标志着国资央企主导的数据要素市场建设浪潮席卷全国，各地已成立超100家数据集团。随着AI产业深入发展，高质量数据成为关键竞争要素，各地数据集团正致力于解决数据质量问题。专家指出，高质量数据需大规模、多样化、精准标注，对数据标注的要求大幅提升，行业进入‘重资产时代’。同时，场景实验室和数据标注基地的建设为高质量数据生产提供了支撑，如云测数据通过模拟真实场景提升标注精度至99.99%。此外，自动驾驶领域成为高质量数据应用的重要案例，数据标注企业通过精细化分工与闭环质控体系优化效率与成本。AI下半场的核心竞争力在于经得起场景验证的优质数据，其背后是国家规范、企业投入与专家知识的共同推动。

超10万亿Tokens的高质量数据集是如何炼成的？ “得数据者得天下”，中国电信天翼AI正是凭借高质量数据集在AI领域崭露头角。其打造的星辰MaaS平台，拥有超10万亿tokens的通用大模型语料和覆盖14个行业的专业数据集，总存储量高达350TB。这些数据不仅规模庞大，还经过精心标注和优化，可直接...

9月19日，交通运输部发布《交通运输行业高质量数据集建设方案》，明确以数据为核心、应用为导向，优先解决人工智能在交通领域最迫切的应用场景。方案旨在提升数据集数量与质量，完善服务体系，健全标准规范，构建高质量数据供给体系，助力智能综合立体交通网建设。目标到2030年底，建成多场景高质量数据集，形成典型案例，满足世界领先模型训练需求，推动行业新质生产力发展。

2025年，AI行业进入“数据为王”时代，高质量数据成为决定模型能力的关键。Meta豪掷143亿美元收购Scale AI部分股权，却因数据质量问题转向其他服务商，而Anthropic因版权纠纷支付15亿美元和解金，标志数据竞争进入新阶段。中国数据服务领域黑马澳鹏数据表现抢眼，2025年上半年营收达3.06亿元，预计全年突破7亿，复合增长率达90%。澳鹏依托五大技术平台和多领域专家团队，覆盖医疗、金融、自动驾驶等垂类场景，提供高质量、可追溯的数据服务。其创新的“预标注-人工修正-模型优化”闭环大幅提升了效率，并在多模态数据处理上占据优势。未来3-5年，澳鹏计划深化全球化布局，目标2030年前中国区营收超20亿元。

9月15日，国家数据局发布高质量数据集建设先行先试工作名单，确定140个单位参与试技术、试支撑、试标准、试机制等重点任务。下一步，国家数据局将联合相关方加强对试点工作的指导，定期监测调度项目进展与成效，推动问题解决。同时，将围绕高质量数据集建设组织技术交流与主题研讨活动，邀请试点单位分享经验，促进工作推进。

2025年9月11日，在2025 Inclusion・外滩大会上，蚂蚁集团CEO韩歆毅表示，AI医疗的目标是提供个性化、精准且可信的服务，但通用大模型短期内难以替代专业垂类模型。他认为，AI在相当长时间内无法取代医生，而应充当助手角色。目前，AI医疗落地面临三大难题：高质量数据获取、抑制幻觉问题以及医学伦理挑战。韩歆毅强调，专业能力与深度用户认知是医疗AI的核心壁垒，这一领域仍需持续探索。（记者 黄心怡）

9月4日，工业和信息化部与市场监督管理总局联合印发《电子信息制造业2025－2026年稳增长行动方案》。方案强调加快电子信息制造业数字化转型，推动行业全面普及新一代信息技术，强化软硬协同，赋能千行百业实现数字化、网络化、智能化。重点包括编制产业链数字化转型场景图谱及要素清单，培育典型场景的解决方案和服务商。同时，鼓励企业开展数据管理能力成熟度模型（DCMM）评估，加强人工智能高质量数据集建设，并探索数据流通激励机制，以加速释放数据要素价值，提升行业核心竞争力。

标题：大厂90%员工在做无用功？ 正文： 埃德温·陈（Edwin Chen），Surge AI创始人兼CEO，公司成立仅4年，在零外部融资的情况下营收超10亿美元，远超融资13亿美元却年营收仅8.5亿美元的竞争对手Scale AI。他曾任职于谷歌、脸书和Twitter，发现了一个残酷真相：90%...

2025中国国际大数据产业博览会上，中国科学院院士陈松蹊建议，企业可优先采用统计模型，再根据需求引入复杂AI模型如CNN，以降低高成本大模型的使用。他强调统计学是串联各领域数据应用的核心基础，并举例其团队在大气环境与医疗领域的跨学科研究。清华大学正聚焦统计与数据科学人才培养，解决数据分析人才缺口问题。此外，陈松蹊团队在西太平洋高质量海洋数据集构建上取得突破，部分指标达国际领先水平。他还提出一次性加噪算法，用于平衡隐私保护与数据可用性，为隐私计算提供新思路。

国务院新闻办公室今日举行发布会，国家数据局局长刘烈宏透露，截至2024年6月底，我国日均Token消耗量突破30万亿，较2024年初增长300多倍，展现人工智能应用规模的快速增长。同时，我国已建成超3.5万个高质量数据集，总量超400PB，累计交易额近40亿元人民币。北京数交所高质量数据集占比从去年10%提升至近80%。此外，中文数据在大模型训练中占比普遍超60%，部分达80%，对提升模型性能作用显著。