封面新闻记者 易弋力
近日，由国家数据局主办的全国数据标注基地先行先试现场会在四川成都举行，为数据标注产业发展提供智力支撑。
为什么要重点关注工业、金融、医疗、交通、教育等领域的高质量数据集建设？各地如何因地制宜培育数据标注产业？3月25日，工信部信息通信经济专家委员会委员、中国工业经济学会人工智能制度建设专业委员会副主任委员盘和林分享了他的精彩观点。
从我国数据标注产业目前的发展成果看，7个基地的数据标注规模达到1万7282tb，形成335个高质量数据集等等。怎么理解这组数据？
盘和林表示，首先，7个基地的数据标注规模达到1万7282tb，这个量级是相当庞大的，它反映了我国在数据标注领域已经具备了相当的处理能力和数据积累。tb（太字节）是衡量数据存储容量的单位，1万7282tb意味着这些基地能够处理和存储的数据量极为可观，为人工智能模型的训练和优化提供了坚实的基础。
形成335个高质量数据集，则是数据标注产业另一项重要成就。高质量数据集是人工智能发展的“燃料”，它们对于提升模型的准确性、泛化能力和实用性至关重要。这些数据集覆盖了医疗、工业、教育等多个行业，说明我国数据标注产业已经能够在多个领域提供专业化的数据服务，满足不同行业对高质量数据的需求。
综上，这组数据不仅展示了我国数据标注产业的规模实力，也体现了其在数据质量和行业覆盖方面的显著提升。这是我国人工智能产业发展的重要支撑，也是未来持续推动数据标注产业高质量发展的坚实基础。
会议提到，推动工业、金融、医疗、交通、教育等领域的高质量数据集建设，为什么重点关注这些领域？高质量数据集对于这些领域的人工智能发展能起到什么作用？
盘和林解释称，因为这些领域是人工智能应用的重要场景，也是数据需求最为旺盛的领域。
以医疗领域为例，高质量数据集对于人工智能在医疗诊断、药物研发、患者管理等方面的应用至关重要。通过收集和分析大量患者的医疗数据，人工智能模型可以学习疾病的诊断模式、预测疾病的发展趋势，为个性化治疗提供建议。
在金融领域，高质量数据集可以用于风险评估、欺诈检测、智能投顾等方面。通过分析交易数据、用户行为数据等，人工智能模型可以识别潜在的金融风险，为金融机构提供决策支持。如今很多金融机构能够对借款人的贷款需求秒响应，刷脸贷，背后就是高质量征信数据集的功劳。
在工业领域，高质量数据集可以支持智能制造、预测性维护、质量控制等应用。通过收集生产过程中的各种数据，人工智能模型可以优化生产流程、提高生产效率，降低维护成本。
在交通领域，高质量数据集可以用于智能交通管理、自动驾驶等方面。通过分析交通流量、车辆行驶轨迹等数据，人工智能模型可以优化交通信号控制、预测交通拥堵情况，提高道路通行效率。比如，近几年大城市的自动驾驶车辆正在增多，这些智驾背后支撑的，就是交通高质量数据集。
在教育领域，高质量数据集可以支持个性化教学、学习成效评估等应用。通过分析学生的学习行为、成绩等数据，人工智能模型可以为学生提供定制化的学习建议，帮助教师更好地了解学生的学习情况。
因此，重点关注这些领域的高质量数据集建设，是为了推动人工智能在这些重要场景中的深入应用，发挥人工智能在提升行业效率、改善服务质量方面的巨大潜力。
会议提出各地要因地制宜培育数据标注产业。结合我国不同地区的资源禀赋和优势，哪些地区适合发展哪些类型的数据标注产业？它们各自的发展定位和特色路径应该是怎样的？
在盘和林看来，因地制宜培育数据标注产业，这是非常具有前瞻性和针对性的战略部署。因为我国不同地区的资源禀赋和优势，可以从以下几个方面来考虑各地区适合发展的数据标注产业类型及其发展定位和特色路径。
首先，对于拥有丰富医疗资源和数据的地区，如北京、上海等一线城市，以及部分医疗科研实力较强的二线城市，可以重点发展医疗领域的数据标注产业。
其次，对于工业基础雄厚、制造业发达的地区，如东北老工业基地、长三角、珠三角等区域，可以重点发展工业领域的数据标注产业。
此外，对于教育资源丰富、科研实力较强的地区，可以发展教育领域的数据标注产业；对于金融产业发达、金融数据丰富的地区，可以发展金融领域的数据标注产业等。各地区应根据自身的优势和资源禀赋，找准发展定位，探索特色发展路径，形成优势互补、协同发展的产业格局。
总之，大原则是，从当地已经形成的产业和数据格局出发，找到具有优势数据资源的领域，有针对性的开发这些数据，继而由这些数据带动相关产业实现“人工智能+”。
