2026 年 6 月 8 日，国家数据局发布《关于推进行业高质量数据集建设行动的实施方案》。这是国家层面首次就"数据赋能人工智能发展"作出系统性部署，文件日期为 6 月 3 日，方案以国数科基〔2026〕25 号印发。
为什么数据集成了焦点
数据是人工智能发展的"燃料"。模型能力的天花板，很大程度上由训练数据的质量、规模与合规性决定。过去几年，算力与算法受到较多关注，而数据这一环——尤其是可直接用于训练和开发的高质量、可授权、可追溯的数据——长期是短板。
方案的定位，正是要补上这一环：面向人工智能应用需求，持续推进文本、图像、音视频等多模态高质量数据集建设；聚焦科学研究、工业制造、低空经济、具身智能等重点领域，加快推进行业数据集建设。
六大专项行动
方案部署了强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六大专项行动。
“强基扩容"指向供给总量与基础能力——把可用的数据资源做大做全。“标注攻坚"指向数据标注这一劳动与技术密集环节，也是质量提升的关键工序。“提质增效"关注的是从"有数据"到"数据可用"的转化，强调标准化与质量评估。
“应用赋能"把数据集与"人工智能+“场景对接，让数据真正进入模型训练与行业应用。“管理服务"指向数据集的登记、目录、流通与安全管理等支撑体系。“价值释放"则涉及数据要素市场化配置——让数据集作为生产要素参与流通与分配。
与"人工智能+“的关系
方案强调与"人工智能+“行动同频共振。这意味着数据集建设不是孤立的供给端任务，而是服务于行业智能化的整体布局。
这一点与企业侧的感受是相通的：做行业模型的企业，最缺的往往不是算法，而是高质量、可合法使用的行业数据。方案的导向，是在公共与行业两个层面把这类数据供给做起来，相关进展可参见国家数据局高质量数据集与一体化算力网。
数据集建设绕不开的数据合规前提
数据集从"采集"到"可用”，中间横着一条合规链。无论方案如何部署，企业参与数据集建设时都要面对几个前提。
第一是来源合法性。数据是自行采集、第三方购买还是公开爬取，决定了授权链条的完整性。来源不清的数据集，规模再大也无法安全使用。
第二是个人信息处理。数据集若含个人信息，需有合法性基础、履行告知义务，并满足最小必要原则。当数据集规模上升、跨主体流通时，个人信息保护的要求会显著加重，可参见大型个人信息处理者新义务。
第三是数据安全与分类分级。重要数据、核心数据的识别与保护，以及数据出境安排，都会影响数据集能否跨主体、跨境流通。
第四是标注环节的合规。数据标注涉及个人信息、知识产权与用工关系，是容易被忽视的一环。
这些前提不解决，数据集建设会在流通与使用环节受阻。相关义务边界可参见AI 企业数据合规。
对企业的三点提示
一是把合规前置到采集阶段。数据集的合规成本，越晚处理越高。在采集与标注环节就建立来源台账与授权链条，比事后补救划算得多。
二是区分"能建"与"能流通”。一个数据集在内部可用，不代表可以对外流通或跨境提供。用途决定了合规要求的层级。
三是关注数据集的登记与目录体系。随着管理服务体系的建立，数据集的登记、标识与质量评估可能成为参与流通的前置条件。需要就数据集合规、个人信息处理与数据流通安排获得支持的，可参见数据合规服务。
本文依据国家数据局 2026 年 6 月 8 日发布的《关于推进行业高质量数据集建设行动的实施方案》公开信息编写，仅供参考，不构成法律意见。