近两年，国度高度注沉数据畅通根本设备扶植，提出了数场、数联网、数据元件、数据空间、现私计较和区块链六条手艺线。中国电子做为“数据元件”概念提出者，正正在、西安等地推进国度数据根本设备试点，努力于建立跨行业数据流动的底层架构。
针对行业AI使用面对的数据窘境，蒋国飞指出，互联网范畴的海量数据堆集催生了豆包、元宝、DeepSeek等大模子成长，但进入垂曲行业时，数据分离化、碎片化、质量不脚等问题成为次要瓶颈。
他分享了中国电子正在交通物流、建建供应链、农业等范畴的实践案例：通过处置万万级行业数据建立智能问答模子，办事物流场景决策；基于数据集开辟供应链婚配系统，提拔建建材料采购效率；操纵1TB农业数据锻炼图像识别模子，实现精准施肥指点。
蒋国飞提出，数据合成手艺可通过行业学问指导实现“触类旁通”，例如正在从动驾驶场景中对特定车辆或况进行多样化模仿，填补数据分布盲区。质量评测环节则需连系行业学问库，通过算法剔除专业逻辑的数据，确保生成数据的实正在性取场景适配性。
“正在Scaling Law法则下，AI模子参数规模已冲破2万亿级，理论上需要划一量级的无效数据支持，不然复杂参数将无法为现实效能。”蒋国飞强调，数据规模取质量间接决定大模子的进修切确度取泛化能力，当前大模子锻炼已耗损50万亿token！
谈及高质量数据集的焦点特征，蒋国飞定义其为“将分离、碎片、芜杂的数据加工为高价值、高密度、尺度化的数据调集”，这一过程涵盖数据归集、清洗、标注、评测等多个环节，且敌手艺立异提出更高要求。
AI进修的素质是正在高维的空间里进修复杂的曲线，基于脚够的样本拟合曲线。针对大夫资本稀缺问题，可通过使命分化手艺将复杂标注拆分为通俗人可完成的子使命，再经算法合成最终成果。
正在手艺层面，保守数据标注正从劳动稠密型向学问稠密型转型。以医疗影像标注为例，医疗行业的图片只要大夫能标注，很是难顺应AI时代对数据的要求。
中国电子首席科学家蒋国飞正在会上颁发从题，系统阐述了数据若何驱动听工智能成长，强调正在算力取模子能力逐渐拉平的合作款式下，高质量数据集已成为AI成长的焦点驱动力，而数据根本设备扶植取数据处置手艺立异是破解行业使用落地瓶颈的环节径。
从持久合作来看，芯片供给能力取模子开源趋向将逐渐消弭手艺壁垒，而数据做为具有强学问产权属性的焦点要素，正成为AI合作的从疆场。特别是生成式AI的成长，对大规模高质量数据发生刚性需求。
数据定义存正在认知鸿沟，良多时候数据分布不服均，必然导致大模子正在某些区域的认知盲区，机械从来没有见过，由于它底子不晓得这个区域该当是如何的成果。
他强调，行业数据处置必需构成“数据流动-处置扶植-智能使用”的完整闭环，方能数据要素价值。 “基于大模子，行业数据若未经无效归集处置，100万条低质量数据正在万亿级大模子锻炼中犹如‘一滴盐融入大海’，难以发生本色感化。
他以汗青经验佐证，2009年美国通过建立大规模图像数据库，为计较机视觉研究供给尺度化数据集，鞭策了从晚期深度进修到当前大模子的手艺演进。
：
