文 | 清華大學數字政府與治理研究院 孟天廣

隨著人工智能技術快速發(fā)展，高質量數據集已成為推動生成式人工智能創(chuàng)新發(fā)展的核心稀缺要素。2017年國務院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》首次在國家層面確立人工智能發(fā)展戰(zhàn)略地位，明確提出“構筑我國人工智能發(fā)展的數據先發(fā)優(yōu)勢”。2024年《關于促進數據標注產業(yè)高質量發(fā)展的實施意見》則系統(tǒng)規(guī)劃了數據標注領域的技術創(chuàng)新、標準建設和人才培養(yǎng)等發(fā)展路徑。數據標注作為將原始數據轉化為可識別、可訓練、可計算的關鍵環(huán)節(jié)，其質量直接決定了數據集的應用價值?！吨泄仓醒?國務院關于構建數據基礎制度更好發(fā)揮數據要素作用的意見》構建了從數據確權到價值釋放的制度框架，為高質量數據集建設提供制度保障。在人工智能創(chuàng)新發(fā)展進程中，高質量數據集的關鍵性日益凸顯。國家數據局實施《“數據要素×”三年行動計劃（2024—2026年）》，為數據要素價值釋放拓寬了應用場景，進而通過數據標注基地建設、行業(yè)數據集開發(fā)應用、數據標準制定與安全保障等多項舉措加快推進數據標注產業(yè)發(fā)展，構建高效、智能、包容的數據標注新生態(tài)，為高質量數據集建設提供堅實支撐。

01

數據標注釋放數據要素價值

2021年12月，國務院印發(fā)《“十四五”數字經濟發(fā)展規(guī)劃》，強調數據要素的作用，提出“提升數據資源處理能力”和“培育壯大數據服務產業(yè)”?！?/span>“數據要素×”三年行動計劃（2024—2026年）》圍繞多領域融合應用，以技術賦能優(yōu)化數據深度加工，以場景驅動數據要素流通，共同推動數據要素市場化配置改革，為數字經濟高質量發(fā)展奠定基礎。數據作為新型生產要素，具有無形性、非消耗性和價值不確定性等特質，其價值實現高度依賴場景化應用。原始數據往往呈現無序狀態(tài)，譬如噪音數據比例高導致價值密度低、多來源數據存在異構難題、多模態(tài)數據未能得到有效挖掘等，由此難以直接用于數據挖掘和模型訓練。這種特性決定了數據必須經過標準化、結構化和場景化處理，才能轉化為高質量數據要素。數據標注正是實現這一轉化的關鍵環(huán)節(jié)，通過特征提?。ㄈ鐚嶓w識別）、分類（如圖像分割）、注釋（如語義標注）、標簽化（如情感分類）等操作，將原始數據轉化為機器可識別、可訓練、可計算的結構化數據。

數據轉換為生產要素需要加工成本與匹配成本的持續(xù)投入。在加工成本方面，數據要素的低價值密度和高異構化特征決定了必須投入大量資源進行收集、整理、清洗和標注等操作，以提升數據的有序化程度。在匹配成本方面，數據要素的高度場景化特征使其難以成為標準化產品。與土地、勞動等傳統(tǒng)生產要素不同，數據要素價值具有顯著的場景依賴性，同一數據在不同應用場景下可能產生完全不同的效用。數據需求方往往需要構建場景適配評估模型來尋找合適的供給方，產生額外的搜索與試錯成本。

數據要素的這些特性使得數據標注成為數據價值釋放的必要前提。數據標注過程將原始數據轉化為機器可理解的標準化格式，通過分類、標記等操作建立統(tǒng)一的數據語義框架，使不同來源的數據能夠在相同維度進行比較和匹配。標注規(guī)則的確立為數據質量評估提供了客觀標準，標注結果的準確率、一致性等量化指標可直接作為價值評估依據，減少交易雙方在質量驗證上的資源消耗。更重要的是，專業(yè)化的數據標注能夠針對特定應用場景進行定制化處理，通過行業(yè)專識標注或場景化標簽體系，使數據與需求場景形成精準映射，有效解決數據要素的場景適配性問題。這種基于標注的標準化和場景化改造，使原本難以匹配的非標數據轉化為可流通的數據產品，正是構建高質量數據集的關鍵路徑。

02

人工智能驅動數據標注模式轉型

高質量數據集的核心價值在于其能夠精準匹配模型訓練需求，而這一目標的實現高度依賴于數據標注的專業(yè)化。人工智能模型性能的提升與標注數據質量呈現強正相關性，這種依賴關系隨著模型復雜度的增加而愈發(fā)顯著。數據標注質量與模型性能之間存在非線性傳導機制，細微的標注偏差通過模型訓練過程中的誤差累積效應，可能導致輸出結果的顯著偏移。

人工智能發(fā)展對標注工作的新要求，本質上是對高質量數據集建設標準的提升。數據集的質量不僅體現在基礎標注的準確性，更需要適應技術演進的前瞻性設計。當前人工智能的快速迭代推動數據標注需求的結構性升級：首先是應用場景的多元化，從通用領域向醫(yī)療、金融等專業(yè)領域延伸，要求標注工作具備跨行業(yè)的專業(yè)知識整合能力；其次是數據類型的復雜化，多模態(tài)數據的融合應用需要建立標準化的協同標注機制；最后是性能要求的精細化，模型調優(yōu)需要多維度的細粒度標注來支撐。這些發(fā)展趨勢使得傳統(tǒng)標注方式在效率、精度和一致性等方面都面臨系統(tǒng)性挑戰(zhàn)，亟需建立更加體系化、專業(yè)化的標注生態(tài)體系。

當前數據標注產業(yè)正處于轉型升級的關鍵時期，呈現出高技術含量、高知識密度、高價值應用協同發(fā)展的新特征，這一轉型發(fā)展主要受到國家戰(zhàn)略布局和大模型技術突破的雙重驅動。從政策層面來看，《關于促進數據標注產業(yè)高質量發(fā)展的實施意見》等政策文件將數據標注納入國家數據要素市場建設體系，明確提出要構建覆蓋技術創(chuàng)新、標準制定、人才培養(yǎng)的產業(yè)生態(tài)，為產業(yè)發(fā)展提供了頂層設計。與此同時，以DeepSeek、通義千問等為代表的大模型技術的快速發(fā)展對數據標注提出了高階要求：監(jiān)督微調階段要求指令數據的精準標注，強化學習階段依賴人類偏好反饋的復雜標注機制。這些技術需求都推動著數據標注產業(yè)必須向工程化、標準化、體系化發(fā)展。

03

數據標注產業(yè)轉型升級路徑

在國家戰(zhàn)略布局和大模型技術突破的雙重驅動下，數據標注產業(yè)正在經歷從勞動密集型向知識密集型的深刻轉型。這一轉型過程呈現出高技術含量、高知識密度特征：首先，標注工具從簡單的人工操作向智能化輔助標注平臺轉變，預訓練模型的應用顯著提升了基礎標注效率；其次，質量控制從人工抽檢向動態(tài)評估體系轉變，通過數據質量看板實現全流程監(jiān)測；最后，數據處理從單一模態(tài)向多模態(tài)協同標注轉變，以滿足復雜場景下的數據融合需求。這種產業(yè)生態(tài)的重構為標注產業(yè)邁向高質量發(fā)展奠定了基礎，但轉型過程中的系統(tǒng)性挑戰(zhàn)也日益凸顯。例如在市場競爭中，部分企業(yè)缺乏核心技術競爭力，陷入同質化價格戰(zhàn)的惡性循環(huán)；在業(yè)務模式上，眾包標注模式雖降低成本，卻導致標注質量不穩(wěn)定、人員流動性大等問題。

破解種種挑戰(zhàn)的關鍵在于把握智能化與專業(yè)化協同發(fā)展的內在規(guī)律。數據標注產業(yè)智能化聚焦技術層面的革新，旨在通過關鍵技術攻關和工具研發(fā)，提升數據標注的效率與精準度。數據標注產業(yè)專業(yè)化側重于產業(yè)整體的規(guī)范與深度發(fā)展，包括建立標準體系、培育專業(yè)主體、打造創(chuàng)新載體等，以提高產業(yè)的專業(yè)水準和競爭力?；谥悄芑c專業(yè)化協同發(fā)展的邏輯，未來數據標注產業(yè)需聚焦三個關鍵方向。在技術創(chuàng)新方面，大模型驅動的自動化標注技術大幅提升了基礎標注效率，使人工資源可集中投入復雜場景的質量把控，產業(yè)主體要持續(xù)優(yōu)化標注工具、系統(tǒng)和算法，重點突破智能標注、多模態(tài)數據處理、自動化質檢等關鍵技術。在生態(tài)建設方面，數據標注企業(yè)要融入政產學研用協同創(chuàng)新體系，通過行業(yè)高質量數據集共建強化定制化服務能力，開發(fā)針對不同行業(yè)的專業(yè)標注解決方案，參與國家數據標注標準體系建設。在人才體系建設方面，要建立數據標注師職業(yè)資格認證制度，形成“院校培養(yǎng)－企業(yè)實訓－專項認證”的三級培養(yǎng)體系，為從業(yè)人員提供清晰立體的職業(yè)發(fā)展通道。

通過數據要素市場化配置改革與產業(yè)數字化轉型的雙輪驅動，數據標注產業(yè)將構建起技術驅動、生態(tài)協同、人才支撐的新發(fā)展格局。這種新型產業(yè)生態(tài)不僅推動數據標注服務深度融入數字經濟發(fā)展大局，更將通過國家級標注基地建設筑牢高質量數據集的發(fā)展根基，為人工智能技術突破和行業(yè)智能化應用提供持續(xù)動力。

（來源：國家數據局網站）