截至2025年三季度末，我国已建成高质量数据集总量超500PB，为人工智能性能提升和创新加速提供重要支撑。国家数据局局长刘烈宏在12月4日的2025科创大会上指出，高质量数据集是数智创新的关键资源。国家数据局联合26个部委制定政策，以场景应用为导向推动各行业数据集建设，并部署140项先行先试任务，初步实现“‘人工智能+’到哪里，数据集建设就到哪里”的目标。刘烈宏呼吁全社会加大数据领域投入，培育“为高质量数据付费”意识，助力数据要素市场化改革。

截至2025年三季度末，我国已建成高质量数据集总量超500PB，为人工智能发展提供重要支撑。国家数据局局长刘烈宏在12月4日的2025年科创大会上指出，高质量数据集是数智创新关键资源，国家数据局联合26个部委制定政策，推动各行业数据集建设，并部署140项先行先试任务，实现“‘人工智能+’到哪里，数据集就到哪里”的目标。刘烈宏呼吁全社会加大数据领域投入，培育为高质量数据付费的意识，助力数据要素市场化改革。

11月21日，睿尔曼正式开源全球首个高质量、模态数量最多的真机数据集，为机器人研发提供关键数据支撑。该数据集基于北京人形机器人数据训练中心的十大真实场景，涵盖智能生活、工业装配等领域，具备高保真度与强实用性。数据模态完整性达100%，抗噪声评分78%，平滑性超82.1%，展现卓越质量。此次开源由睿源机器人发布，采用RS-01、RS-02、RS-03三款高性能采集平台，支持多模态感知与外骨骼遥操作技术，显著提升数据采集效率与精度。睿尔曼表示将持续迭代并开源更多数据集，推动机器人技术普惠与产业化落地。

11月11日，无锡锡创鼎祺人工智能股权投资合伙企业（有限合伙）成立，出资额达5亿元。该企业经营范围涵盖以私募基金从事股权投资、投资管理及资产管理等活动。企查查股权穿透显示，其由无锡市创新投资集团有限公司与无锡数据集团有限公司等共同出资设立。这一新设合伙企业的成立，标志着无锡在人工智能领域进一步加大投资布局，展现地方资本对科技创新的强力支持。

11月6日，索尼AI发布名为“公平以人为本图像基准”（FHIBE）的新数据集，用于测试AI模型的公平性与偏见。该数据集包含来自80多个国家近2000名参与者的图像，所有图像均基于知情同意采集，并允许参与者随时撤回授权。FHIBE涵盖详细标注，包括人口统计学特征、身体特征及环境因素等，可评估计算机视觉任务中的偏见问题。索尼发现，现有AI模型在性别代词使用、职业推测及犯罪描述中存在显著偏见，例如对肤色较深或特定族裔人群强化刻板印象。此外，发型多样性被揭示为影响偏见的关键因素之一。索尼强调，FHIBE是首个公开且具全球多样性的数据集，现已向公众开放，并将持续更新。相关研究已发表于《自然》期刊。

2025年10月29日，苹果公司发布Pico-Banana-400K数据集，包含40万张图像，用于训练文本引导的AI图像编辑模型。该数据集基于谷歌Gemini-2.5模型构建，采用非商业性研究许可，供学术研究使用。苹果团队从OpenImages中选取多样化真实照片，并设计35种编辑指令，涵盖像素调整、场景编辑等八大类别。通过Nanon-Banana模型生成编辑结果后，由Gemini 2.5-Pro进行质量评估，确保数据准确性。数据集包括单轮与多轮编辑样本及偏好对比对，助力解决现有数据集领域偏移等问题。相关论文已发布于arXiv，数据集在GitHub免费开放。

10月28日，江苏数信通数据服务有限公司成立，注册资本3000万元，经营范围涵盖药品互联网信息服务、大数据服务、人工智能基础软件开发等领域。该公司由江苏省数据集团有限公司与蚂蚁集团全资子公司杭州蚂蚁未来投资咨询有限公司等共同持股。这一合作标志着数据服务领域的新布局，结合多方资源推动数字化及技术创新发展。

10月28日，青岛人工智能产业创新中心有限公司注册成立，法定代表人为张云翰，注册资本达1亿人民币。公司经营范围涵盖人工智能行业应用系统集成服务、基础软件开发、应用软件开发及通用应用系统等。股权穿透信息显示，该公司由青岛数据集团有限公司与青岛高科产业发展有限公司共同持股。这一成立标志着青岛在人工智能领域进一步拓展布局，展现区域科技发展新动向。

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。