新华财经上海7月19日电（记者杜康）记者从2026世界人工智能大会“语料筑基 、智生时代 ”语料创新论坛获悉，截至今年6月底 ，全国已建成高质量数据集12万个
，总体量超过1565PB；七个数据标注先行先试城市标注规模超过119PB，已服务425个大模型研发。

　　随着人工智能从通用基础大模型向行业大模型深入拓展
、从数字空间向物理世界延伸 ，高质量数据集正成为支撑模型训练和行业应用的重要基础 。

　　论坛围绕平台能力升级、行业产品创新 、标准体系建设
、科学智能发展和高价值语料征集等方向
，集中发布七项成果
。

　　其中，语料运营公共服务平台2.0正式发布。平台构建“筛选—转换—合成
”三层十级数据进化路线 ，并集成语料工程平台、行业专家经验语料平台和专家众包网络，推动语料从一次性交付转向持续使用 、评测和更新 。

　　面向医疗、工业
、交通、供应链和城市治理等场景
，论坛还发布专病 、焊接
、城市轨道交通、交通基础设施运维 、航运物流
、港口堆场、国际物流供应链 、消防等系列语料库，推动医疗知识
、工业经验和行业规则转化为可训练、可推理 、可调用
、可评测的数据资源
。

　　标准建设方面 ，论坛新增发布15项团体标准和2项行业标准
，覆盖高端装备、消防 、医疗专病、国际物流供应链
、文物、钢铁 、合成数据和大模型数据集开发管理等方向，贯通语料采集
、清洗、标注 、评测和运营管理等环节。

　　当天 ，科学数据服务AI4S可持续发展倡议正式发起 。倡议提出
，将围绕流程重塑
、标准引领、价值对齐和平台创新，推动科学数据采集 、预处理
、标注、流通和使用全流程贯通 ，促进科学数据向AI-Ready 、Agent-Ready演进。

　　“DARE GO达·高”跨领域高价值语料数据征集计划也同步启动
。该计划将面向各行业征集带有具体环境
、任务要求、评价标准和参考答案的专业难题
，探索形成“专家出题—社会答题—模型验证—价值回流 ”的持续机制，推动模型从“学习知识
”向“完成任务”转变。

　　此次论坛由世界人工智能大会组委会指导 ，上海库帕思科技有限公司 、上海市人工智能行业协会主办 。

（文章来源：新华财经）