當前，人工智能加快融入經濟社會發展各領域，深刻改變著生產與生活方式。在業內看來，模型能力提升只是基礎，能否獲得高質量數據支撐，進而打通數據流通和應用鏈條，形成安全可信的治理體系，是人工智能在更多場景落地應用的關鍵。

6月16日，“2026人民數據大會”專題交流會“數據要素×人工智能——詞元（Token）賦能數據，智能驅動場景”在四川省自貢市舉辦。交流會圍繞高質量數據集建設、具身智能數據和合規治理等議題展開交流。

多位參會嘉賓表示，人工智能發展正在從模型能力提升，進一步走向數據、場景、治理協同推進。推動“數據要素×人工智能”融合發展，要以高質量數據供給夯實基礎，以場景需求牽引應用創新，以可信流通和合規治理提升數據價值釋放水平，更好地賦能公共服務、產業升級和社會發展。

數據筑基，夯實人工智能發展基礎

作為本次專題交流會舉辦地，自貢正把人工智能作為推動老工業城市轉型升級的重要抓手。

自貢市人民政府副秘書長蔡國銀出席專題交流並致辭。

人民網·人民數據總經理楊森灩表示，我國擁有海量數據資源和豐富應用場景，如何將數據資源優勢真正轉化為人工智能競爭新優勢，仍需要各方共同探索。她提出，要建設“數據富礦”，促進高質量數據集規模化供給﹔聚焦“小而精”，以場景牽引數據價值深層釋放﹔守好價值觀底線，完善數據標准，確保人工智能發展“不越軌、不跑偏”。

據介紹，人民數據已匯集了產業鏈、電商、工商、輿情等43大類行業數據資源，形成了高質量數據集，提供海量、及時更新、源頭合規的高質量數據服務。從互聯網時代到人工智能時代，持續為數字經濟發展提供富礦與燃料。

數據不僅服務產業，也服務民生。

“民生無小事，數據有溫度。”國家發展改革委社會發展司原副司長、一級巡視員郝福慶表示，要充分利用數據服務國家戰略、服務民生福祉、服務市場需求。推動跨部門數據協同、動態監測預警和依法開放應用數據，有助於提升公共服務決策的科學化水平。

從技術演進看，人工智能也面臨新的發展要求。上海市人工智能戰略咨詢專家委員會榮譽委員、上海交大講席教授、香港中文大學榮譽教授、歐洲科學院院士徐雷認為，當前大模型能力與生成式模型、Transformer架構、預訓練和后訓練等技術路徑密切相關。隨著規模化發展面臨算力、能耗等約束，人工智能還需要面向實際應用和專業場景，在既有技術積累基礎上持續創新。

場景牽引，促進數據價值轉化

隨著技術的不斷提升，AI正從“錦上添花”的輔助工具，演變為“不可或缺”的生產力核心。

辦公軟件是人工智能落地應用的重要入口。北京金山辦公軟件股份有限公司副總裁王少康表示，金山辦公正向智能辦公時代轉型。企業通過辦公組件、知識庫、行業AI等能力，推動人工智能在軟件端從輔助寫作、排版、生成公式，進一步走向理解目標、規劃任務和協同執行。

高質量數據要發揮作用，還需要通過平台、產品和基礎設施進入具體場景。

會議期間，“語料廚房”產品正式發布。據介紹，該平台結合人民網、人民科技多年主流價值語料庫以及區域、行業高質量數據集建設經驗，構建高質量數據集建設解決方案，賦能語料規劃、採集、制作、審校、管理和輸出全流程。

中國電信（人工智能）產業研究院副院長劉俊認為，產業智能化的關鍵，在於讓數據真正參與模型生產，讓模型服務業務場景，再由場景反饋驅動迭代優化。模數共振要構建高質量數據集、高效能模型、高價值應用之間的正向循環，讓數據價值和模型價值可計量、可追溯、可運營。

中國電子雲副總裁馮進則認為，產業智能化將加速數據治理和數據流通。當前部分數據流通場所停留在數據層面的撮合交易，未來將進化為基於AI原生的加速面向AI數智流通的創新范式，進而真正數智資產化運營。

治理護航，推動人工智能規范應用

人工智能應用不斷拓展，圍繞數據高質量發展，如何以場景驅動創新、以治理保障安全，成為業內討論的重點。

深圳市優必選科技股份有限公司戰略合作部部門負責人謝琨表示，傳統人工智能更多與互聯網和信息平台交互，具身智能則要讓機器人進入真實物理世界。這意味著數據不再只是文字、圖像和網頁，還包括動作、接觸、操作和場景經驗。

知躍空間智能科技有限公司聯合創始人張展認為，具身智能不能簡單依賴擴大數據和算力規模。真實物理世界更加復雜，對智能體的學習能力、適應能力和自我迭代能力提出更高要求。

重慶菲利信科技有限公司總裁貝依林表示，數據標注行業正在從早期的文本、圖像標注，走向音視頻、3D點雲、醫療、金融、包括工業圖紙及設計建模等垂直領域的多模態復雜標注。詞元成為可計量單位后，對數據服務的精細度、專業度和質量提出了更高要求。

天鵝到家創始人兼CEO陳小華認為，企業過去積累的數據大多是“面向人”使用的，需要通過系統、后台、報表來使用。進入AI智能體時代，企業應把高質量私域數據向員工和AI開放，讓智能體理解企業規則、知識庫、服務標准和歷史處理記錄，從而真正參與業務流程。

北京澤儀律師事務所主任周天喜表示，人工智能和數據應用必須有規則、有邊界。無論是開發者、部署者還是使用者，都可能因算法缺陷、數據處理不當、個人信息保護不到位等承擔相應責任。在當前法律框架下，人工智能本身還不是法律責任主體，責任仍由自然人、法人或其他組織承擔。因此，要堅持事前預防、事后追責和全程合規。