兩會聲音 | 李景虹院士：夯實行業數據基礎，推動“人工智能+”縱深發展

全國政協委員，九三學社中央常委，中國科學院院士，清華大學化學系教授、清華大學分析中心主任李景虹

當前，“人工智能+”行動已上升為國家戰略，成為培育新質生產力、驅動產業升級的關鍵引擎。人工智能正在經歷從“通用能力”向“專業賦能”演進的關鍵階段。但在調研中發現，我國在推動行業大模型發展過程中，存在高質量專業數據供給不足、數據治理規則不健全、數據共享機制不暢等問題。行業數據的系統性建設與創新性治理，已成為“人工智能+”能否走深走實的關鍵變量。

為此，建議從規劃引領、設施建設、開放共享、規則明晰四個維度協同發力，構建支撐“人工智能+”縱深發展的行業數據生態：

一是加強規劃引領，以重點行業試點牽引高質量數據體系建設。建議相關部門優先選取生物醫藥、高端材料、精細化工、智能制造等數據價值密度高、智能化需求迫切的行業，開展“人工智能+行業數據”試點。針對試點行業研究制定《行業高質量數據發展指南》，明確該領域高質量數據的定義標準、技術規范、關鍵缺失清單及階段性建設目標。通過試點先行，形成可復制、可推廣的經驗，逐步構建覆蓋重點行業的專業數據資源體系。

二是提供設施支撐，建設生產與共享數據的新型基礎設施。布局行業級“數據工場”。 設立專項資金，引導社會資本參與，支持行業龍頭企業、國家級科研平臺、高等院校聯合建設一批自動化實驗室、數字孿生平臺、行業知識庫等數據生產型基礎設施。探索“共建共享池”機制。 在試點行業內，由行業協會或第三方可信機構牽頭，探索建立基于“貢獻度評價與權益分配”的數據共享聯盟。在保障安全和隱私的前提下，逐步開放行業相關的非涉密數據資源，打通數據壁壘，形成協同效應。

三是加強開放共享，加速公共資助科學數據的流通利用。強化公共數據開放制度，推行數據標準與國際規范。 制定并推廣科學數據管理的國家標準，提升數據的可用性與兼容性。鼓勵國內數據平臺與國際主流平臺的標準對接，促進數據的跨項目、跨機構、跨國家融合利用。

四是進一步明晰規則，構建促進數據安全流通與價值回流的制度環境。建議由相關主管部門結合行業特點，研究制定場景數據用于模型優化的合規指引。引導高價值場景用戶優先選擇云服務模式，在保障數據安全的前提下，使模型能夠獲得真實場景的反饋數據，形成“應用-反饋-優化-更好應用”的數據飛輪，加速模型在產業實踐中持續迭代、走向成熟。

來源：清華大學