来源：人民网

6月16日，由人民网主办的2026人民数据大会在四川省自贡市举行。海天瑞声CTO黄宇凯在主旨发言中表示，高质量数据集是人工智能模型能力提升的重要基础，推进高质量数据集建设，需要从总体规划、工程化建设、质量评测和产业生态等方面协同发力。

黄宇凯表示，高质量数据集可直接用于开发和训练人工智能模型，是能有效提升模型性能的数据集合，具有规模大、质量高、安全牢、观点正、效果好、应用广等核心特点，是大模型能力的基础，也决定了模型能力的上限。

黄宇凯认为，高质量数据集建设应遵循“总体规划、分步实施，先易后难、先简后繁”的原则。他表示，数据是人工智能的关键基石，也关系企业和组织内部多部门、多系统协同，需要顶层设计和指导。

对于围绕建设路径，黄宇凯表示，高质量数据集建设需要从供给侧和需求侧两个方向发力。从供给侧看，应站在数据产品和数据服务角度，在数据生产、数据处理、数据供给等方面加大投入；从需求侧看，则应站在人工智能赋能各行业、各场景落地的角度，以应用需求牵引数据建设、释放数据价值。两者之间，需要通过数据技术、数据服务和数据生态协同供需两端，促进人工智能产业高质量发展。

可信数据空间建设与行业高质量数据集建设密切相关。对此，黄宇凯表示，围绕国家数据局推进的可信数据空间，可以从个人、企业、行业、城市、跨境等不同层面展开，根据不同可信数据空间面向的应用场景，需要数据提供方、使用方、服务方、运营方和监管方等多方共同参与。

黄宇凯介绍，在文旅行业，海天瑞声也在多个景区推动多模态伴游助手应用，利用景区文本、图片、视频等数据，结合具体应用场景打造文旅行业高质量数据集，推动导览服务从被动响应向主动服务、从通用答案向深度体验转变。在数字人领域，围绕直播带货、品牌宣传、动画游戏、文化推广等不同场景，也存在文本、声音、视频等多模态定制化数据需求。

据介绍，海天瑞声成立于2005年，长期专注于人工智能高质量数据集能力建设和产品服务，已累计形成1800多个数据集，服务全球超过1200家客户。

黄宇凯表示，结合人才资源、数据资源和工程化、规模化智能平台能力，持续构建高质量数据集，将有助于人工智能更好赋能千行百业。