AI高质量数据短缺成行业瓶颈

随着AI产业从通用模型向垂直行业深度渗透，高质量数据短缺的问题日益突出。作为人工智能发展的三大核心要素之一，数据的质量与供给正成为制约技术落地的关键瓶颈。目前，各大模型企业对高质量数据集的需求激增，尤其在构建行业知识底座方面表现尤为迫切。据北京国际大数据交易所披露，2025年AI相关数据交易量已占整体交易近八成，显示出市场对优质训练数据的强烈渴求。

面对这一趋势，政策层面也在加快布局。国家出台《“数据要素×”三年行动计划》和《高质量数据集建设指南（征求意见稿）》，推动科研机构和龙头企业共建行业数据资源库。北数所已为171个高质量数据集完成交付，覆盖32个行业、20个应用场景。不过，当前高质量数据集的建设与流通仍面临诸多挑战：目标定位模糊、加工链条分散、技术工具匮乏等问题普遍存在。此外，数据交易所虽非主要采购渠道，但仍在供需对接、价值发现等方面发挥着重要作用。

不同行业的数据供给能力差异显著。金融、医疗等数字化程度较高的领域基础数据较完善，能较快形成可用的数据集；而农业等数字化薄弱行业则需大量前期投入。与此同时，语料获取方式多样，包括互联网公开数据、版权购买、资源置换以及自建数据生产线等。部分厂商还通过蒸馏或合成方式生成新数据，以应对未来可能出现的数据枯竭风险。

专家指出，AI发展正从“模型为中心”转向“数据为中心”，未来90%以上的从业者将集中在数据采集、治理与生产环节。然而，当前大模型语料仍面临质量不一、产权不清、成本高昂、合规性待完善等难题。尤其在法律等细分领域，交叉型人才稀缺，标注精度要求更高。政务数据方面，还存在壁垒高、标准不统一、敏感信息难处理等问题，亟待系统性突破。