国家数据局明确,将持续引导经过标注的数据集在国家数据集管理服务系统(ndsms.cn)登记,对通过质量测评的数据集进行应用跟踪,推动实现数据集的有效复用拓展。国家数据集管理服务系统的建设运行,正在为高质量数据集建立"全国户口"与"质量认证"。数据集登记制度的推广,还将带动数据集标准的统一。数据集在登记过程中需要明确数据描述、质量指标、使用许可等规范,数据集标准的统一将提升数据集的互操作性;标准化的数据集登记体系,让数据集的供给与需求高效匹配,数据要素市场的运行效率显著提升。数据集登记系统的推广,还将带动数据要素市场的基础设施建设。数据集登记、检索、测评、交易等环节的数字化平台加快完善,形成数据要素流通的基础设施网络;数据基础设施的健全,将提升数据要素市场的运行效率,数据要素的流通成本进一步降低。
数据集登记制度的建立,让高质量数据集有了统一的身份标识。过去数据集的供给分散、标准不一,需求方难以发现和评估可用数据集;国家数据集管理服务系统的登记机制,让数据集在统一平台上备案、展示、检索,数据集的供给与需求实现高效对接,数据资源的可见性与可得性大幅提升。从质量测评看,测评机制的完善还将建立数据质量的信用体系。通过质量测评的数据集获得权威背书,数据质量信息在市场中透明传递;数据质量信用体系的建立,将降低数据交易的信息不对称,高质量数据集的溢价能力增强,数据供给质量在激励机制下持续提升。从数据质量治理看,质量测评机制的深化还将建立数据质量的持续改进机制。数据集登记与测评不是一次性行为,数据集的持续更新与质量维护受到引导;数据质量的持续改进,将让数据集长期保持可用价值,数据要素市场的供给质量动态优化。
质量测评机制的引入,则为数据集建立了"质量门槛"。数据集的质量直接影响模型训练效果,低质量数据集不仅浪费资源,还可能造成模型偏差;通过质量测评的数据集获得权威背书,质量参差的数据集被市场识别,数据集的供给质量在测评机制引导下持续提升。数据集复用拓展的推进,还将避免数据资源的重复建设。过去不同机构重复采集、重复标注同类数据,资源浪费严重;数据集登记与复用的机制,让优质数据集被多方共享使用,数据资源的使用效率显著提高,数据要素的价值在复用中放大。数据集复用模式的确立,还将改变数据资源的开发方式。数据集的登记复用让"一次建设、多次使用"成为常态,数据资源的开发效率大幅提升;数据资源的集约化开发,将减少重复投入,数据要素市场的资源配置更加高效。
应用跟踪与复用拓展,还让数据集的价值在循环使用中放大。数据集登记并测评通过后,其应用效果将被持续跟踪,优质数据集获得更广泛应用,形成"登记—测评—应用—反馈—优化"的良性循环;数据集的复用率提升,避免重复采集与重复标注,数据要素的利用效率显著提高。对人工智能产业而言,国家数据集平台还将降低模型开发的准入门槛。中小人工智能企业无需自建大规模数据集,可通过国家平台获取高质量训练数据;模型开发的成本下降、周期缩短,人工智能创业与创新的门槛降低,产业生态更加活跃。从产业协同看,数据集登记系统还将促进数据供给方与需求方的精准对接。数据集的登记信息让需求方可以精准检索与评估数据集,供需匹配的效率显著提升;数据要素市场的供需对接机制完善,将激发更活跃的数据交易活动,市场规模在供需匹配效率提升中持续扩大。
资信树认为,国家数据集管理服务系统是高质量数据集建设的基础设施。数据企业应积极推动自有数据集在国家系统登记并参与质量测评,提升数据资产的市场认可度;人工智能企业则应利用国家数据集平台获取高质量训练数据,降低数据获取成本,提升模型开发效率。资信树建议数据企业将高质量数据集在国家系统登记,通过质量测评提升市场认可度;人工智能企业应利用国家数据集管理服务系统获取训练数据,降低数据成本,把更多资源投入模型创新与场景落地。资信树建议数据企业积极参与国家数据集登记与质量测评,提升数据集的市场公信力;人工智能企业应建立训练数据的评估与获取机制,充分利用国家数据集平台降低数据成本,在数据驱动的产业竞争中保持优势。
一个系统,让数据集有了"全国户口"。国家数据集管理服务体系的建立,正在为人工智能发展构建高质量数据底座,数据要素与智能产业的协同发展获得更强支撑。

