摘要：小到手机扫码、人脸识别、智能客服，大到智慧医疗、自动驾驶，人工智能已成为各行各业变革的核心引擎。在人工智能发展历程中，数据一直被当作其“血液”，而数据标注是人工智能算法得以有效运行的关键环节，是人工智能产业发展的先决条件。日前，国家数据局发布《数据标注优秀案例

（记者 林碧涓）小到手机扫码、人脸识别、智能客服，大到智慧医疗、自动驾驶，人工智能已成为各行各业变革的核心引擎。在人工智能发展历程中，数据一直被当作其“血液”，而数据标注是人工智能算法得以有效运行的关键环节，是人工智能产业发展的先决条件。日前，国家数据局发布《数据标注优秀案例集》，充分展示各地在数据标注领域的应用成效；运营商方面，中国电信发布了星海·多模态数据标注平台；软通智慧联合华为发布数据标注赋能高质量知识库解决方案……产业各方助力数据标注产业高质量发展。

AI 产业呼唤 “高质量燃料”

从智能语音助手秒懂方言，到图像识别系统精准区分癌细胞，AI 应用的深度与广度持续拓展，用户对 AI 服务的需求早已从“能用”升级为“好用”“精用”。这背后，是对数据质量的严苛要求，数据的精准度、多样性和时效性直接影响 AI 模型的训练效果。

数据标注就是通过给文本、语音、图片、视频等各种各样的数据“打标签”，形成高质量数据集，让机器“读得懂、学得快、训得好”。高质量的数据标注能够显著提升模型的性能，其更接近人类的认知水平，低质量的数据标准则会导致模型失效或产生误导性结果，直接影响应用结果。因此，数据标注不仅关乎人工智能技术的进步，更对数字经济、产业升级乃至社会生活的智能化转型具有深远意义。

去年底，国家发改委等四部门联合发布《关于促进数据标注产业高质量发展的实施意见》，明确指出，“到2027年，数据标注产业专业化、智能化及科技创新能力显著提升，产业规模大幅跃升，年均复合增长率超过20%”，并系统性部署需求牵引、创新驱动、生态培育、支撑保障四大任务。根据中商情报网数据显示，2025年中国数据标注市场规模有望突破100亿元。

当前，数据标注领域存在多重挑战，其一，大模型的发展，传统人力标注已无法满足数据需求；其二，由于人力、时间成本、管理等因素导致AI数据标注成本高；其三，不同行业对数据标注的需求存在显著差异，具有很强的专业性和定制化特点，例如在面对自动驾驶等复杂场景下，还需对特殊场景进行标注，以达到安全性和可靠性。这就要求打造智能化的数据标注手段，推进数据标注工具实现迭代升级，以降低标注成本，提升数据标注质量。

科技创新，夯实数据供给的 “智能地基”

在国家大力推进“人工智能+”行动和数据标注产业布局的战略背景下，中国电信坚持创新驱动，开展技术攻关，持续推进数据标注产业发展。

中国电信依托国家大数据重点研发工程，自主研发大数据PaaS、融AI多模态治理、数据标注等十大平台组件。在去年底，升级发布了“星海“大数据品牌体系，持续推进多行业、多区域、多模态数据资源汇聚，以开放100个数据集和能力为阶段目标打造数据资源地图。当前，数据要素平台已从海南拓展到全国7省、29地市，服务超150家客户，构建规模超9万亿Token的大模型训练数据集。

在前不久召开的第八届数字中国建设峰会·智能云生态大会中，发布的星海多模态数据标注平台拥有三大技术能力，即一是AI辅助自动化标注技术，自动化预标注准确率超过92%；二是4D全模态标注技术，将3D空间与时序相结合，应用于自动驾驶场景；三是低空空间感知标注技术，对关键目标跟踪的连续性达到98%，有效提升飞行管制运营能力。

值得一提的是，中国电信的《多模态数据自动化标注与增强平台》和《视觉大模型自动标注一站式生产运营》两项成果成功入选《数据标注优秀案例集》，为人工智能产业提供了高质量数据支撑的典型范例。

基于先进标注技术，中国电信积极参与国家级数据标注基地建设，目前已在成都、沈阳、保定3个标注基地落地应用。在成都基地，已有 13 家标注企业入驻，从业人员超900人，标注产业逐步聚集成链；在保定基地，将围绕大规模多模态数据，打造智能数据标注生成管理平台，实现数据从采集到模型部署的全流程自动化，大幅提升数据集生产效率，降低AI模型训练门槛。

培育繁荣生态，实现高水平数据供给

数据标注产业作为人工智能发展的关键基础，其高质量发展依赖于技术创新、政策引导与行业协同的深度融合。

当前，国家积极推动数据标注标准体系的建设，提升数据质量的可控性，降低算法迭代的试错成本，夯实产业协作技术基础。截止2025年2月底，我国在数据标注领域正在开展或已完成的标准建设共9项，相比于其他数据产业标准工作，数据标注领域标准建设存有巨大空间。

数据标注产业健康有序发展，离不开多元主体的协同发力。以北京电信与北京邮电大学共建的 “行业数据智能标注联合实验室” 为例，该实验室聚焦高质量数据集建设，针对大模型数据集海量、多源、多模态且具高准确性、一致性和时效性要求的特点，联合实验室将构建从采集、存储到加工的全流程治理环节，形成专属工具集与行业标准，并将推动人形机器人、具身智能等领域的数据标注标准化，助力行业数据标准建设，为AI大模型训练提供“数据粮仓”。

在推进产业高质量发展过程中，实现标注产品标准化、建立健全价值评估体系至关重要。通过对标全国数标委数据集相关标准，结合市场需求与行业特性，进一步完善数据集质量评测体系，因地制宜建设行业高质量数据集，能够有效推动人工智能技术与千行百业深度融合。

本文来自【通信信息报社】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。

ID：jrtt

来源：全国党媒信息公共平台