（来源：人民邮电报 ）

集数据、模型、工具、场景于一体的医学影像智能数据标注平台，基于海量高质量医学影像标注数据，利用先验知识、针对人体解剖结构对大模型进行知识增强，构建医学影像分割大模型，使大模型“更懂人体解剖结构”。

在人工智能产业风起云涌之际，数据标注产业也乘风起航，不断加速创新发展。

数据标注产业进入快速发展期

数据标注产业是对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理的新兴产业。培育壮大数据标注产业对于提升数据供给质量，推动人工智能创新发展具有重要支撑作用。

去年年末，国家发展改革委等部门发布《关于促进数据标注产业高质量发展的实施意见》，提出到2027年，数据标注产业专业化、智能化及科技创新能力显著提升，产业规模大幅跃升，年均复合增长率超过20％。

目前，我国已建成四川成都、辽宁沈阳、安徽合肥、湖南长沙、海南海口、河北保定和山西大同7个数据标注基地，7个数据标注基地数据标注总规模达到17282TB，形成医疗、工业、教育等行业的高质量数据集335个，赋能121个国产人工智能大模型研发，引进和培育标注企业223家，标注从业人员达5.8万人，带动数据标注行业相关产值超过83亿元。

日前在2025数据安全发展大会上发布的《2025高质量数据集研究报告》显示，随着人工智能、大模型技术迭代，我国数据标注产业产值已突破80亿元，高质量数据建设进入规模化、规范化发展新阶段。

数据标注产业赋能效应显现

近日，国家数据局发布了一批数据标注优秀案例集，从助力人工智能、低空经济等新兴产业加快发展，到推动油气勘探、矿山巡检智能化转型，再到赋能基层治理和信息无障碍建设，数据标注产业正加速赋能千行百业转型发展。

针对矿山行业数据标注标准缺失、多模态数据标注成本高、海量数据价值释放困难等困境，通过构建矿山行业知识标签体系、多模态数据生成算法与合规校验模型等，实现标注效率提升30％，跨模态语义一致性提升20％，高质量数据复用率提升50％，将行业人工智能应用研发周期由3个月缩短至3周，赋能矿山行业实现高质量发展。

通过对各级各类诉求渠道数据的归口化管理，引入“数据清洗车间”“因果森林”等技术，解决传统数据标注效率低、精准性差等问题。打造人机协同的训练体系，日均处理数据6万余条，标注准确率达90％以上，人力成本降低30％，提升了基层治理的效率。

智能数据标注成为产业发展未来方向

人工智能作为新一轮科技革命和产业革命的核心驱动力，具有强大的“头雁”效应，而高质量的数据集是人工智能发展的基石，数据标注则是构建高质量数据集的关键环节。

近年来，随着人工智能技术的飞速发展，数据标注的需求也在不断增长，从图像到文本，从语音到视频，数据标注的类型和任务划分日益多样化，对数据标注的质量和规模的要求也不断提升。与此同时，数据存量小产量低、数据集质量良莠不齐、缺乏主流高价值数据引领、数据利用效率低等问题仍然存在。

日前，由清华大学数字政府与治理研究院联合江苏省数字化协会发布的《智能数据标注产业发展观察报告》（以下简称“报告”）指出，数据标注产业涵盖了从数据采集、标注到应用的全过程，数据标注是人工智能模型训练的基础，数据标注产业不仅关乎人工智能技术的进步，更对数字经济、产业升级乃至社会生活的智能化转型具有深远意义。

数据标注产业通过标准化的数据处理流程，将原始数据转换为可供机器学习的高质量训练数据，其核心参与者包括数据标注企业、专业技术团队以及经过系统培训的标注人员，而人工智能技术的快速发展，让数据标注产业逐步从劳动密集型向技术密集型转型，人工标注与人工智能标注正在深度融合。

报告指出，随着人工智能技术的不断发展，智能标注将成为未来数据标注产业的重要发展方向。它不仅能够满足大模型数据标注的需求，还能为复杂的人工智能模型提供高质量的数据支持，推动人工智能技术在各个领域的广泛应用和深度发展。

·