飛象網(wǎng)訊  12月13日，在“2026中國信通院深度觀察報(bào)告會”上，中國信息通信研究院云計(jì)算與大數(shù)據(jù)研究所所長何寶宏就面向AI的數(shù)據(jù)發(fā)展分享了自身思考和見解。

數(shù)據(jù)的規(guī)模、質(zhì)量決定大模型的上限

談及在AI大模型發(fā)展中，數(shù)據(jù)扮演的角色，何寶宏分別從AI和數(shù)據(jù)的發(fā)展兩個角度進(jìn)行了解答。他表示，早期的人工智能是基于規(guī)則，和數(shù)據(jù)關(guān)系不大；而這一波以大模型為代表的人工智能，數(shù)據(jù)扮演著非常核心的角色。

從數(shù)據(jù)的角度來看，大數(shù)據(jù)上一波的核心驅(qū)動主要是推薦算法，典型的應(yīng)用包括一些用戶畫像，風(fēng)險(xiǎn)控制、市場獲客等；而這一波數(shù)據(jù)的熱潮主要是以人工智能驅(qū)動，可以說數(shù)據(jù)在這一波人工智能大模型的發(fā)展中，起著非常核心的作用。“數(shù)據(jù)的規(guī)模、數(shù)據(jù)的質(zhì)量決定著大模型的上限，所以能看到數(shù)據(jù)是重中之重。”

人工智能發(fā)展對數(shù)據(jù)提出新的需求和挑戰(zhàn)

2025年以來，人工智能的發(fā)展呈現(xiàn)出一些新特征，對數(shù)據(jù)也提出了一些新需求。比如語言大模型，它的邊際效應(yīng)遞減已經(jīng)非常明顯，所以語言大模型要進(jìn)一步提高它的能力，就需要更高質(zhì)量的數(shù)據(jù)。另外一方面，除了語言大模型，越來越多的關(guān)注點(diǎn)開始轉(zhuǎn)向了多模態(tài)，無論是對語言大模型的持續(xù)優(yōu)化，還是對多模態(tài)模型等數(shù)據(jù)都提出了一些新的需求、新的挑戰(zhàn)。

何寶宏指出，為了進(jìn)一步提高語言大模型的能力，就需要發(fā)展更高質(zhì)量、覆蓋范圍更廣的數(shù)據(jù)。為了提升語言大模型推理能力，圍繞推理甚至應(yīng)用如Agent等，需要結(jié)合場景和應(yīng)用等一些私域的、行業(yè)的、專有的數(shù)據(jù)。對于多模態(tài)大模型的發(fā)展來說，就不能僅僅只有文字類，還需要音頻、視頻等，這些數(shù)據(jù)如何對齊，在數(shù)據(jù)發(fā)展中也提出新的需求和挑戰(zhàn)。

數(shù)據(jù)技術(shù)正以體系化的方式發(fā)生巨大變革

在何寶宏看來，為應(yīng)對這些新需求、新挑戰(zhàn)，數(shù)據(jù)技術(shù)正以體系化的方式發(fā)生巨大變革。

具體來看，一方面，現(xiàn)有數(shù)據(jù)體系需面向人工智能進(jìn)行定制化轉(zhuǎn)型與適配。以數(shù)據(jù)治理為例，以往通用的治理模式，如今需結(jié)合人工智能的專用場景進(jìn)行調(diào)整優(yōu)化；即便是已有的DataOps體系，也需要衍生出面向AI的專屬分支（DataOps For AI），重點(diǎn)推進(jìn)數(shù)據(jù)安全治理等相關(guān)工作，本質(zhì)上是現(xiàn)有數(shù)據(jù)領(lǐng)域工作向AI適配的轉(zhuǎn)型。

另一方面，人工智能的發(fā)展也催生了數(shù)據(jù)領(lǐng)域的新情況、新問題，這是以往未曾出現(xiàn)的。當(dāng)前這一波人工智能以生成式AI為核心，其生成的結(jié)果本身也屬于數(shù)據(jù)范疇。隨著近年來生成式AI的快速迭代，如今的數(shù)據(jù)格局已發(fā)生改變——人類產(chǎn)生的數(shù)據(jù)、傳統(tǒng)互聯(lián)網(wǎng)數(shù)據(jù)與AI合成/生成的數(shù)據(jù)日益交融，難以精準(zhǔn)區(qū)分。后續(xù)，如何應(yīng)對AI合成數(shù)據(jù)帶來的挑戰(zhàn)，尤其是如何規(guī)范AI合成數(shù)據(jù)在模型訓(xùn)練與迭代中的應(yīng)用，已成為數(shù)據(jù)領(lǐng)域亟待解決的新課題。

何寶宏進(jìn)一步講到：“除了數(shù)據(jù)資源層面的變化，數(shù)據(jù)技術(shù)層面也需同步迭代升級。”受上述數(shù)據(jù)資源體系變革的驅(qū)動，數(shù)據(jù)技術(shù)正迎來一系列新調(diào)整：在數(shù)據(jù)存算領(lǐng)域，宏觀層面上存算架構(gòu)逐步向分布式、存算分離的方向發(fā)展，而面向本地或就近數(shù)據(jù)處理的需求，近存計(jì)算模式也愈發(fā)重要；同時，由于數(shù)據(jù)體量激增，需根據(jù)數(shù)據(jù)“溫度”（熱數(shù)據(jù)、溫?cái)?shù)據(jù)、冷數(shù)據(jù)）進(jìn)行分級存儲，對應(yīng)的存儲介質(zhì)也需隨之優(yōu)化。在數(shù)據(jù)庫技術(shù)領(lǐng)域，人工智能的發(fā)展同樣提出了新要求——隨著AI向多模態(tài)方向演進(jìn)，傳統(tǒng)單模態(tài)數(shù)據(jù)庫已顯現(xiàn)出效率偏低、成本偏高的問題，因此向量數(shù)據(jù)庫、多模態(tài)數(shù)據(jù)庫成為技術(shù)升級的重要方向。

最后，何寶宏強(qiáng)調(diào)，受人工智能技術(shù)發(fā)展的驅(qū)動，當(dāng)前數(shù)據(jù)技術(shù)正經(jīng)歷全方位的巨大變革，其核心目標(biāo)是實(shí)現(xiàn)數(shù)智深度融合。