在数智化浪潮席卷全球的背景下，数据已然成为驱动各行业创新发展的核心资产，其中高质量数据集更是被视为企业智能化转型和前沿科技突破的“皇冠上的明珠”。

简单来说，就是高价值、高密度、标准化的数据。

其中政策作为产业发展的风向标，其每一项布局都深刻影响着数据集建设的方向与路径。“高质量数据集”系列解读重磅开启，首期聚焦政策风向深度解析，小编带你走进高质量数据集相关政策，为你深度剖析。

AI技术重心迁移，政策铺就“快车道” 

伴随人工智能技术发展从以模型为中心向以数据为中心转变，数据质量以及数据管控能力已成为决定智能应用深度与广度的关键因素。无论是内部数据还是外部数据，都亟需构建一套系统、高效的框架与方案加以规范和推动。然而，当前我国高质量数据集供给存在不足，难以满足大模型训练对海量、多样化数据的需求；数据共享流通难题，也制约了数据价值的有效释放。在此背景下，一系列旨在推动高质量数据集建设的政策应运而生，力求破除体制机制障碍，为高质量数据集建设铺就快车道。

多维度精准施策，畅通数据发展“大动脉” 

加强数据供给与流通：政府积极推动公共数据开源开放，聚焦金融、教育、科研、交通等重点领域，扩大数据供给范围与规模。例如，上海徐汇区的 “模速空间” 等创新基地，为数据流通提供了有力示范。同时，政策鼓励企业间建立协同机制，合理利用外部数据，共同制定数据标准，打破数据孤岛，构建完备的数据生态体系。

完善政策支持体系：政府不断完善政策，统筹中央和地方财政资金、产业引导基金，重点支持数据资源构建、技术研发等，对在数据采集、清洗、标注等环节投入较大的企业给予政策支持，降低企业建设成本，吸引更多社会资本参与，为智能技术创新提供资金保障和政策支持。

推动技术攻关与创新：针对数据合成、处理等关键技术问题加大攻关力度，推广隐私计算、区块链等技术，探索新型模型结构和训练架构。鼓励企业与高校、科研机构合作，打造数据技术“测试场”，加速新技术推广和应用。

构建产业生态：大力培育智能数据产业多元主体，建设数据产业创新平台，鼓励企业探索多领域商业模式，如 “数据即服务”、“模型即服务” 等新业态，驱动数据产业发展。

数据驱动，赋能金融等重点行业智能蝶变

高质量数据集为大模型训练提供了丰富“养料”，有效提升了模型性能，加速其从实验室走向实际应用。就金融行业而言，高质量数据集在信贷业务、客户服务、产品创新、内部流程优化等方面具有显著应用价值。依托高质量数据集训练的模型，其表现会更加精准、智能，为行业升级注入新活力。

如在信贷业务中，银行可以利用包含客户交易记录、收入流水、信用评级等多维度数据的高质量数据集，结合大模型的强大分析能力，构建精准的信用评估模型，实现自动化的信贷审批，提高审批效率，降低不良贷款率。

在客户服务方面，银行通过分析客户的行为数据和偏好数据，利用大模型的深度学习能力，能够提供个性化的金融服务。

同时，金融机构可以利用高质量数据集和大模型的结合，进行市场拓展和产品创新。通过分析市场数据和客户需求，金融机构可以开发出更具竞争力的金融产品，满足不同客户群体的需求。此外，高质量数据集和大模型还能够帮助金融机构优化内部管理流程，通过对业务数据的深入分析，发现流程中的瓶颈和问题，从而进行优化和改进，提高运营效率。

高质量数据集不仅能够助力金融行业实现智能化转型和创新发展，也在加速其他重点行业的数字化转型。以制造业为例，通过开放公共数据和促进企业间的数据流通，同时借助高质量数据集的应用，企业可以实现生产流程优化、质量检测智能化，从而有效提高生产效率和产品质量。

加速推动“数以智用”，中电金信依托源启·数据资产平台的非结构化处理功能，通过结合大模型与规则引擎，能够高效完成表格解析、内容摘要、关系挖掘等任务，从而推动多模态数据价值的释放。

目前，中电金信已经形成完整的金融大模型数据构建、质控和评测体系。在数据资产全局视角下，通过标准化管理、多维度质量评估和定期性能验证等措施，确保大模型能够在金融领域发挥最大价值，为金融科技创新提供有力支撑。

高质量数据集建设是一场关乎未来的战略布局，政策的引导与支持是关键一步。未来在数据集应用场景、数据生态构建图、数据技术发展等层面还有许多应用待探索。

专栏文章内容及配图由作者撰写发布，仅供工程师学习之用，如有侵权或者其他违规问题，请联系本站处理。 联系我们