转自：证券日报网
本报记者 田鹏
7月16日，“数据工厂研讨会暨《数据工厂白皮书》发布会”在北京交通大学举行。《数据工厂白皮书》指出，正如工业社会的水有水厂、电有电厂一样，数智社会也必须有数据工厂。
围绕何为数据工厂、建设数据工厂的核心动因、数据工厂具备何种核心价值等行业关键问题，近日，《证券日报》记者专访《数据工厂白皮书》主编、北京交通大学信息管理理论与技术国际研究中心（ICIR）教授张向宏。
发展数据工厂迫在眉睫
在阐释发展数据工厂新业态为何势在必行、刻不容缓时，张向宏指出，背后共有五大现实动因。
一是人工智能普及应用遇到了“数据墙”。据《全国数据资源调查报告（2025年）》，2025年全国人工智能应用量接近200EB，而推理数据量达到101EB，超过了训练数据量的99EB，表明人工智能正发生从训练学习到推理应用的转变“拐点”，词元调用量的迅猛增长、人工智能数据生产方式、智能体成为HTML网页的主要操作者，以及全行业数据开发率和人工智能应用率大幅提升等更多数据都指向了一个共同的事实——人工智能发展已到了奇点时刻。然而，人工智能大模型的应用现在还处于非常初级的发展阶段，通用大模型除在文书和编程两个领域开始规模应用外，多数大模型的应用还停留在作诗、作画、跳舞、跑步等浅层面的“娱乐”阶段，距离个人工作学习、企业生产经营、政府管理服务等日常活动还差之甚远。其中，一个根本问题是——人工智能普及应用遇到了“数据墙”。
二是面向人工智能的数智产业链已经形成。面向人工智能的数智产业链由四阶段组成。上游包括通识高质量数据集和通用大模型。中上游包括行业通识高质量数据集和行业大模型。中下游包括行业专识高质量数据集和智能体。下游则是智能体在各行各业的应用。
三是智能体正成为人工智能落地的应用载体。如果将人工智能的发展与人的成长相比较的话，上游通识高质量数据集相当于中小学的通识教材，通用大模型相当于通识教育阶段的中学生，还不能胜任各行各业的专业工作。中上游的行业高质量通识数据集相当于大学的专业教材，由此训练出的行业大模型类似于本科生，已具备一定专业技能，但还不能胜任具体的专业工作。中下游的行业高质量专识数据集相当于研究生的专业教材，由此训练出的智能体相当于硕士或博士，可以承担各种专业工作。
四是行业高质量数据集供给匮乏制约了AI应用。当前，人工智能发展还处在上游通用大模型阶段，而人工智能的生命力在于其在千行百业的广泛应用，中间还需要走过构建行业高质量通识数据集并建设行业大模型的中上游阶段，以及构建行业高质量专识数据集并建设智能体的中下游阶段。不同于通识高质量数据集由互联网上可流通的公域数据加工处理而来，行业高质量数据集是由行业企业私域数据加工处理形成的，私域数据的高安全性和低流通特性，决定了大模型企业难以获得数据，数据源机构缺乏数据加工能力，造成行业高质量通识数据集和行业高质量专识数据集的供给严重不足，直接影响了行业大模型和智能体的形成和智商水平，制约了人工智能在千行百业的落地应用。
五是高质量数据集的作坊式生产方式效率低下。行业高质量数据集匮乏的另一个核心原因在于生产方式效率低下。当前，高质量数据集生产还处于作坊式生产阶段，类似于农业社会谁要喝水谁家打井，谁要做饭自己劈柴一样，现在谁要训练大模型，谁就自己去构建高质量数据集，一方面不易获取各行业的私域数据，另一方面各家反复重复造轮子，生产效率低下，标准不统一，高质量数据集供给规模受到极大限制。急需创新一种生产新业态，规模化、体系化、设施化地生产高质量数据集。
数据工厂如何壮大
事实上，用一句话来描述数据工厂，那就是“批量原始数据进—规模化高质量数据出”，即数据工厂最根本的功能，就是将海量的原始数据加工成供人工智能使用的高质量数据集。
从当下情况来看，数据工厂是数智社会的一种新型生产业态，在理论、政策、实践等各方面都处于初级探索阶段，其建设模式、运营机制和部署策略已初步形成并处于快速迭代变化中。
张向宏表示，在建设模式方面，数据工厂有数据标注企业迭代、数据存储基地升级、人工智能企业延伸和技术企业创新创立四种建设模式。在运营机制方面，数据工厂已形成保障模式、定制模式、结对子模式、电商模式等四种运营机制。在部署策略方面，数据工厂应与国家数据基础设施协同部署，在国家基础设施底座应部署通识数据集数据工厂，在重要功能设施应部署行业通识数据集数据工厂，在各业务节点应部署行业专识数据集数据工厂等三种部署策略。
谈及未来如何加速推动数据工厂新业态不断发展壮大和成熟完善时，张向宏表示，需要国家、地方、行业、企业等各方协同发力，共同推动。
首先，从国家层面来看，应从政策、标准、技术、平台四方面提供鼓励发展的宽松环境，要加快出台《关于促进数据工厂新业态创新发展的指导意见》，尽快启动数据工厂相关标准研制，抓紧突破数据工厂关键技术瓶颈，持续加强数据工厂支撑平台建设。
其次，从地方和行业层面来看，应从场景选择、模型、数据等三方面，打造行业（区域）应用场景，建设行业（区域）模型工厂，建设行业（区域）数据工厂，形成“数据提升模型、模型驱动场景、场景产生数据”的“数据—模型—场景”的行业（区域）飞轮效应。
最后。从企业层面来看，应从场景选择、智能体、数据等三方面，打造企业人财物产供销各类应用场景，构建企业、业务、流程等各环节的智能体，建设企业数据工厂，形成“数据提升智能体、智能体驱动场景、场景产生数据”的“数据—智能体—场景”的企业飞轮效应。
（编辑 张家毅）
