国家数据局近日召开行业高质量数据集建设链主工作座谈会。教育教学、医疗卫生、科学研究、工业制造、生物制造、农业农村、智慧能源、交通运输、气象服务9个领域的21家链主单位代表到会交流。
会议提出"摸清人工智能用数需求"，链主单位要立足自身需求，主动拓展产业链上下游等外部需求，坚持需求导向，精准推进数据集建设。
同时提出，链主单位要先行探索建立利益分配和商业回报机制，梳理行业数据地图，引导本行业领域的数据集登记至国家数据集管理服务系统。依托实际应用场景建立数据回流和迭代优化机制，推动数据集动态更新。发挥"聚链"作用联动产业链上下游单位拓展合作范围。积极接入国家数据基础设施，推动数据集质量测评向工具化、订单化模式转变。
据《科创板日报》11月2日报道，国金证券测算成熟具身大模型所需数据至少为千万小时级，而当前行业高质量训练数据仅数十万至百万小时，供需缺口约90%。研究机构表示，2026年初全球合规可用的真实物理交互数据，距离训练单个通用具身大模型尚有20倍缺口。
这类数据无法靠网络爬取获得，需要把任务指令、环境观测、控制动作与执行结果按时间序列关联，视觉、语言之外还要覆盖关节位姿、力觉与触觉。
浙商证券测算，中游数据采集环节2026年至2030年复合增长率203%，2030年市场规模中性预期1741亿元。市场认为，国内链主机制要解决的，是把分散在各行业的真实作业场景组织成可被模型厂商按单采购的数据集，其中数采设备和服务的商业模式最为清晰，订单可见度最高、现金流最稳定。
