大模型的競(jìng)爭(zhēng)到 2026 年拼的不再只是參數(shù)和算力是數(shù)據(jù)?！父哔|(zhì)量數(shù)據(jù)集」已經(jīng)不是技術(shù)圈的行話(huà)——它是寫(xiě)進(jìn)國(guó)家文件的政策術(shù)語(yǔ)有官方定義、有打分標(biāo)準(zhǔn)、有建設(shè)流程。國(guó)家數(shù)據(jù)局局長(zhǎng)劉烈宏在 2026 年 3 月的國(guó)新辦發(fā)布會(huì)上說(shuō)了一句定調(diào)的話(huà)2026 年是數(shù)據(jù)要素價(jià)值釋放年。這篇文章把三件事講清楚高質(zhì)量數(shù)據(jù)集是什么、怎么評(píng)、怎么建。我用一套「遙感影像土地分類(lèi)數(shù)據(jù)集」貫穿全篇——衛(wèi)星影像加地塊標(biāo)注從定義到打分到建管線(xiàn)同一個(gè)例子不換讓抽象標(biāo)準(zhǔn)始終有具象載體。讀完你能拿走一張完整的認(rèn)知地圖一個(gè)定義、三維度評(píng)測(cè)、五步建設(shè)。1. 政策為綱一條時(shí)間線(xiàn)講清國(guó)家在推什么高質(zhì)量數(shù)據(jù)集不是一天冒出來(lái)的概念。從 2022 年到 2026 年國(guó)家政策鏈一步步把它從「數(shù)據(jù)要素」的宏觀(guān)愿景推到了「怎么建、怎么評(píng)、怎么掛牌交易」的工程細(xì)節(jié)。我壓成一條時(shí)間線(xiàn)三個(gè)數(shù)字標(biāo)記這條時(shí)間線(xiàn)的進(jìn)度截至 2026 年 6 月「數(shù)據(jù)要素×」三年行動(dòng)累計(jì)發(fā)布417 個(gè)典型案例、覆蓋760 個(gè)細(xì)分場(chǎng)景指引原定目標(biāo) 300 個(gè)已超額完成全國(guó)活躍數(shù)據(jù)總量達(dá)1.67 ZB同比增長(zhǎng)約 28.46%。2. 是什么官方定義拆解2026 年 6 月那份實(shí)施方案國(guó)數(shù)科基〔2026〕25 號(hào)給了一個(gè)正式定義——行業(yè)高質(zhì)量數(shù)據(jù)集經(jīng)采集、加工等處理可直接用于開(kāi)發(fā)和訓(xùn)練 AI 模型能有效提升模型性能的行業(yè)數(shù)據(jù)集合。拆成三句經(jīng)過(guò)處理不是原始數(shù)據(jù)直接拿來(lái)用要有采集、加工的流程。可直接訓(xùn)練不是「存起來(lái)以后再說(shuō)」的數(shù)據(jù)倉(cāng)庫(kù)是能直接喂給模型的。以提升性能為驗(yàn)收標(biāo)準(zhǔn)好不好不是人眼說(shuō)了算是模型效果說(shuō)了算。這個(gè)定義里還區(qū)分了兩類(lèi)數(shù)據(jù)集行業(yè)通識(shí)行業(yè)通用知識(shí)如通用語(yǔ)料、基礎(chǔ)圖像和行業(yè)專(zhuān)識(shí)行業(yè)專(zhuān)有知識(shí)如醫(yī)療影像標(biāo)注、金融交易流水。前者覆蓋面廣、后者壁壘深建設(shè)路徑不同。和「干凈的數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)」有什么區(qū)別區(qū)別一句話(huà)驗(yàn)收標(biāo)準(zhǔn)不同。數(shù)據(jù)倉(cāng)庫(kù)的驗(yàn)收標(biāo)準(zhǔn)是「完整、一致、不丟不重」——ETL 跑通、報(bào)表出得來(lái)就行。高質(zhì)量數(shù)據(jù)集的驗(yàn)收標(biāo)準(zhǔn)多了一層拿進(jìn)模型訓(xùn)練模型性能要漲。數(shù)據(jù)再干凈喂給模型不管用就不算「高質(zhì)量」。這正是評(píng)測(cè)規(guī)范把「模型應(yīng)用」單列為一個(gè)維度的原因——后面第 3 節(jié)展開(kāi)。實(shí)例登場(chǎng)一套土地分類(lèi)數(shù)據(jù)集為了讓后面的定義拆解、評(píng)測(cè)打分、建設(shè)流程都有具象載體我引入一個(gè)貫穿全篇的例子遙感影像土地分類(lèi)數(shù)據(jù)集。它的構(gòu)成很簡(jiǎn)單影像數(shù)據(jù)多期高分辨率衛(wèi)星影像如高分系列、Sentinel-2覆蓋目標(biāo)區(qū)域的不同季節(jié)、不同光照條件。標(biāo)注數(shù)據(jù)每個(gè)地塊的多邊形邊界矢量標(biāo)注 分類(lèi)屬性耕地、林地、建設(shè)用地、水體、裸地等遵循國(guó)家土地利用分類(lèi)標(biāo)準(zhǔn)GB/T 21010。元數(shù)據(jù)影像獲取時(shí)間、傳感器類(lèi)型、空間分辨率、坐標(biāo)系、標(biāo)注規(guī)范版本。對(duì)照官方定義逐條過(guò)它經(jīng)過(guò)了輻射校正、云掩膜、切片等處理經(jīng)過(guò)處理?切片和標(biāo)注可以直接組成訓(xùn)練樣本喂給語(yǔ)義分割模型可直接訓(xùn)練?模型在驗(yàn)證集上的 mIoU平均交并比就是它的驗(yàn)收指標(biāo)以提升性能為驗(yàn)收標(biāo)準(zhǔn)?。它同時(shí)包含兩類(lèi)基礎(chǔ)地物樣本耕地、林地、水體屬于行業(yè)通識(shí)——任何遙感模型都需要而特定區(qū)域的細(xì)粒度分類(lèi)如區(qū)分水田和旱地、識(shí)別大棚與露天種植屬于行業(yè)專(zhuān)識(shí)——只有深耕該區(qū)域的模型才用得上。3. 怎么評(píng)測(cè)三維度打分90 分才算合格高質(zhì)量不等于「干凈的數(shù)據(jù)」。這是評(píng)測(cè)規(guī)范給出的最重要判斷?！陡哔|(zhì)量數(shù)據(jù)集質(zhì)量評(píng)測(cè)規(guī)范》構(gòu)建了一個(gè)三維度評(píng)價(jià)體系三個(gè)維度分別百分制打分三個(gè)維度均 ≥90 分才算高質(zhì)量數(shù)據(jù)集。維度一說(shuō)明文檔數(shù)據(jù)集有沒(méi)有配套文檔文檔寫(xiě)沒(méi)寫(xiě)清楚數(shù)據(jù)來(lái)源、字段含義、使用限制、版本記錄這個(gè)維度評(píng)的是可理解性和可復(fù)用性。一套沒(méi)有文檔的數(shù)據(jù)集就像一本沒(méi)有目錄、沒(méi)有前言的書(shū)——翻得開(kāi)讀不懂。土地分類(lèi)實(shí)例文檔里有沒(méi)有寫(xiě)清楚影像來(lái)源高分二號(hào)還是 Sentinel-2、空間分辨率0.8m 還是 10m、分類(lèi)體系依據(jù)GB/T 21010-2017 哪一版、標(biāo)注工具版本、標(biāo)注人員資質(zhì)缺一項(xiàng)就扣分。維度二數(shù)據(jù)質(zhì)量這是最接近傳統(tǒng)「數(shù)據(jù)質(zhì)量」概念的維度包含四個(gè)子指標(biāo)據(jù)36 氪報(bào)道及規(guī)范征求意見(jiàn)稿子指標(biāo)含義土地分類(lèi)扣分場(chǎng)景準(zhǔn)確性標(biāo)注是否正確標(biāo)注員把一片建設(shè)用地的邊界畫(huà)歪了 30 米模型學(xué)到了錯(cuò)誤的空間特征完整性樣本是否覆蓋所有場(chǎng)景缺少云遮擋區(qū)域的樣本模型遇到多云天氣就性能暴跌時(shí)效性數(shù)據(jù)是否足夠新用 2021 年的影像訓(xùn)練模型去判讀 2026 年的地塊——三年間大量農(nóng)田已變成住宅區(qū)一致性標(biāo)注規(guī)范是否統(tǒng)一A 標(biāo)注員把「大棚」歸入建設(shè)用地B 標(biāo)注員歸入耕地同一類(lèi)地物兩種標(biāo)法維度三模型應(yīng)用這是評(píng)測(cè)規(guī)范最關(guān)鍵的設(shè)計(jì)——數(shù)據(jù)好不好最終由模型說(shuō)了算。把數(shù)據(jù)集拿進(jìn)實(shí)際的模型訓(xùn)練流程看模型效果指標(biāo)是否達(dá)標(biāo)。不是人眼審查「標(biāo)注看起來(lái)對(duì)不對(duì)」是模型跑出來(lái)的 IoU、F1、準(zhǔn)確率實(shí)打?qū)嵉卣f(shuō)話(huà)。土地分類(lèi)實(shí)例把數(shù)據(jù)集喂給一個(gè) U-Net 或 DeepLabV3 語(yǔ)義分割模型在留出的驗(yàn)證集上測(cè) mIoU。如果 mIoU 只有 65%行業(yè)一般要求 80% 以上那即使標(biāo)注看起來(lái)工整、文檔寫(xiě)得漂亮模型應(yīng)用這個(gè)維度也過(guò)不了 90 分。這就是「高質(zhì)量 ≠ 干凈」的出處——數(shù)據(jù)在統(tǒng)計(jì)層面可以是完美的無(wú)缺失、無(wú)重復(fù)、格式統(tǒng)一但在模型訓(xùn)練層面可能不夠用特征不夠區(qū)分、樣本分布偏斜、標(biāo)注粒度與模型需求不匹配。三維度均 ≥90 分缺一不可這個(gè)門(mén)檻設(shè)計(jì)得很硬。不是加權(quán)平均 90 分就行是三個(gè)維度分別都要到 90 分以上。意思是文檔寫(xiě)得好但數(shù)據(jù)質(zhì)量差——不通過(guò)。數(shù)據(jù)質(zhì)量好但模型跑不出效果——不通過(guò)。模型效果好但文檔缺失、別人用不了——不通過(guò)。規(guī)范還設(shè)計(jì)了四階段認(rèn)證流程據(jù) 36 氪報(bào)道自評(píng) → 第三方評(píng)測(cè) → 專(zhuān)家評(píng)審 → 認(rèn)證發(fā)證。不是自己說(shuō)好就行要過(guò)外部關(guān)。4. 怎么建五步法落地信通院《人工智能高質(zhì)量數(shù)據(jù)集建設(shè)指南》2025-08和國(guó)家數(shù)據(jù)局實(shí)施方案共同指向一個(gè)建設(shè)框架。我把它壓成工程側(cè)可落地的五步數(shù)據(jù)設(shè)計(jì) → 采集匯聚 → 預(yù)處理 → 標(biāo)注 → 質(zhì)檢。每步我都落在土地分類(lèi)管線(xiàn)上讓抽象流程變成可執(zhí)行的工序。第一步數(shù)據(jù)設(shè)計(jì)——定分類(lèi)體系與覆蓋區(qū)域這一步?jīng)Q定數(shù)據(jù)集「建什么」。土地分類(lèi)管線(xiàn)先確定分類(lèi)體系。是按國(guó)標(biāo) GB/T 21010 的一級(jí)類(lèi)12 類(lèi)還是二級(jí)類(lèi)73 類(lèi)目標(biāo)區(qū)域選哪幾個(gè)省、覆蓋哪些典型地貌平原、丘陵、城市、海岸帶需要多少期影像至少覆蓋春夏秋冬四季捕捉作物生長(zhǎng)周期設(shè)計(jì)階段還要定下幾個(gè)工程參數(shù)空間分辨率要求0.5-2m 高分還是 10m 中分辨率、最小標(biāo)注面積小于多少平方米的地塊要不要標(biāo)、類(lèi)別樣本量的最低配額每類(lèi)至少多少?gòu)埛乐归L(zhǎng)尾分布把小類(lèi)淹沒(méi)。這一步做不好后面全在填坑。分類(lèi)體系沒(méi)定清楚就開(kāi)始標(biāo)注標(biāo)到一半發(fā)現(xiàn)「大棚」和「溫室」要不要分兩類(lèi)爭(zhēng)論不休推倒重來(lái)成本巨大。第二步采集匯聚——多期影像到手這一步解決「原料從哪來(lái)」。土地分類(lèi)管線(xiàn)從高分專(zhuān)項(xiàng)、Sentinel-2、Landsat 等數(shù)據(jù)源獲取目標(biāo)區(qū)域的多時(shí)相影像。關(guān)鍵工程細(xì)節(jié)多時(shí)相同一區(qū)域至少 4 期影像四季各一期捕捉地物隨時(shí)間的變化。耕地的光譜特征在播種期和收割期截然不同只拿一季影像訓(xùn)練出的模型泛化性極差。多源融合高分影像0.8m提供空間細(xì)節(jié)Sentinel-210m5 天重訪(fǎng)提供時(shí)間密度。兩者配準(zhǔn)后互補(bǔ)。數(shù)據(jù)合規(guī)涉密區(qū)域影像要脫密處理商業(yè)衛(wèi)星影像要確認(rèn)使用授權(quán)。第三步預(yù)處理——輻射校正、云掩膜、切片原始影像不能直接用。這一步是把「原料」加工成「可用素材」。土地分類(lèi)管線(xiàn)三件核心工序輻射校正不同時(shí)間、不同傳感器拍到的影像亮度值不可直接比較——大氣散射、太陽(yáng)高度角、傳感器老化都會(huì)讓同一塊地看起來(lái)不一樣。輻射校正把這些干擾因素消除讓像素值反映地物的真實(shí)反射率。方法包括絕對(duì)輻射校正利用大氣參數(shù)反演和相對(duì)輻射校正以某一期為基準(zhǔn)其他期對(duì)齊。云掩膜光學(xué)遙感最大的敵人是云。云覆蓋區(qū)域的地面信息完全丟失如果不剔除模型會(huì)把白色云層學(xué)成「雪」或「裸地」。云掩膜算法如 Fmask、S2Cloudless識(shí)別云和云影把對(duì)應(yīng)像素標(biāo)記為無(wú)效。切片衛(wèi)星影像動(dòng)輒幾萬(wàn)×幾萬(wàn)像素模型吃不下。切成 256×256 或 512×512 的小塊patch每塊帶上對(duì)應(yīng)的標(biāo)注掩膜mask組成訓(xùn)練樣本。切片時(shí)要注意邊界效應(yīng)——地塊被切割線(xiàn)一分為二標(biāo)注邊界會(huì)不完整通常用重疊切片overlap 32-64 像素 推理時(shí)拼接來(lái)解決。第四步標(biāo)注——畫(huà)地塊邊界、配分類(lèi)屬性這一步把影像變成「有答案的考題」。土地分類(lèi)管線(xiàn)標(biāo)注員在影像上沿地塊邊界畫(huà)多邊形矢量標(biāo)注每個(gè)多邊形賦予一個(gè)類(lèi)別屬性。標(biāo)注工具常用 Labelme、QGIS 或自研平臺(tái)。幾個(gè)工程關(guān)鍵點(diǎn)人機(jī)協(xié)同先讓預(yù)訓(xùn)練模型跑一輪自動(dòng)分割如 SAM、DeepLab標(biāo)注員在此基礎(chǔ)上修正效率比純手工高 3-5 倍。國(guó)家數(shù)據(jù)局發(fā)布的典型案例集里自然資源遙感智能解譯數(shù)據(jù)集就采用了這種「智能標(biāo)注 人機(jī)協(xié)同」模式據(jù)自然資源部報(bào)道。標(biāo)注規(guī)范文檔化什么情況算「耕地」、什么算「園地」、大棚歸哪類(lèi)、撂荒地歸哪類(lèi)——每種易混淆情況都要在標(biāo)注手冊(cè)里配圖說(shuō)明并附判定決策樹(shù)。標(biāo)注一致性檢查同一地塊讓兩個(gè)標(biāo)注員分別標(biāo)算 IoU。一致性低于 85% 的類(lèi)別要回溯規(guī)范、重新培訓(xùn)標(biāo)注員。這一步呼應(yīng)我之前的文章《訓(xùn)練數(shù)據(jù)集長(zhǎng)什么樣》里講過(guò)的一個(gè)觀(guān)點(diǎn)loss mask 機(jī)制下模型只對(duì)「答案部分」算損失——標(biāo)注的質(zhì)量就是模型真正吃進(jìn)去的東西標(biāo)注畫(huà)錯(cuò)一個(gè)像素loss 就多算一個(gè)像素的誤差。第五步質(zhì)檢——抽樣復(fù)核 模型回測(cè)閉環(huán)最后一步是閉環(huán)驗(yàn)收也是最容易被省略的一步。土地分類(lèi)管線(xiàn)質(zhì)檢分兩層人工抽樣復(fù)核從標(biāo)注結(jié)果中隨機(jī)抽 5%-10% 的樣本由資深標(biāo)注員或領(lǐng)域?qū)＜覐?fù)核。復(fù)核指標(biāo)邊界偏差標(biāo)注邊界與實(shí)際地物邊界的像素偏移量、類(lèi)別錯(cuò)誤率、遺漏率。偏差超過(guò)閾值如邊界偏移 3 像素、類(lèi)別錯(cuò)誤率 5%的批次退回返工。模型回測(cè)把數(shù)據(jù)集喂給一個(gè)基線(xiàn)模型如 DeepLabV3 with ResNet-101在留出的驗(yàn)證集上測(cè) mIoU、各類(lèi)別 IoU、混淆矩陣。這是最終驗(yàn)收——如果模型在耕地上的 IoU 有 92% 但在建設(shè)用地上只有 68%說(shuō)明建設(shè)用地的標(biāo)注有問(wèn)題或樣本不夠要回到標(biāo)注步驟定向補(bǔ)強(qiáng)。模型回測(cè)是質(zhì)檢里最值錢(qián)的一環(huán)。它對(duì)應(yīng)的就是評(píng)測(cè)規(guī)范里「模型應(yīng)用」那個(gè)維度——數(shù)據(jù)好不好不是標(biāo)注員說(shuō)了算、不是項(xiàng)目經(jīng)理說(shuō)了算是模型跑出來(lái)的數(shù)字說(shuō)了算。5. 技術(shù)深挖可跳過(guò)面向智能體的數(shù)據(jù)集與資產(chǎn)化試點(diǎn)這一節(jié)放幾個(gè)前沿方向感興趣就讀跳過(guò)不影響主線(xiàn)。面向智能體應(yīng)用的高質(zhì)量數(shù)據(jù)集國(guó)家數(shù)據(jù)局 2026 年委托研究課題里有一個(gè)方向是「面向智能體Agent應(yīng)用的高質(zhì)量數(shù)據(jù)集建設(shè)」。傳統(tǒng)數(shù)據(jù)集是給單個(gè)模型訓(xùn)練用的智能體場(chǎng)景下的數(shù)據(jù)集需要考慮多輪對(duì)話(huà)、工具調(diào)用軌跡、任務(wù)規(guī)劃路徑等新型數(shù)據(jù)形態(tài)。這和本系列之前講過(guò)的 Function Calling《從「會(huì)說(shuō)」到「能伸手做事」那篇講過(guò)模型輸出「我要調(diào) tool_x」再由外部代碼執(zhí)行的循環(huán)以及 RAG《查不到就喂給它看》那篇講過(guò)的檢索-增強(qiáng)-生成直接相關(guān)——Agent 的訓(xùn)練數(shù)據(jù)不只是文本對(duì)而是「思考-調(diào)用-結(jié)果-反思」的完整軌跡。數(shù)據(jù)集資產(chǎn)化試點(diǎn)2026 年實(shí)施方案提出了數(shù)據(jù)集資產(chǎn)「盤(pán)點(diǎn) → 登記 → 評(píng)估」的試點(diǎn)路徑。意思是高質(zhì)量數(shù)據(jù)集不只是技術(shù)資產(chǎn)還要變成可計(jì)量、可交易的資產(chǎn)。這和會(huì)計(jì)準(zhǔn)則里的無(wú)形資產(chǎn)評(píng)估接軌——數(shù)據(jù)集有建設(shè)成本、有預(yù)期收益、有使用年限可以進(jìn)資產(chǎn)負(fù)債表。合成數(shù)據(jù)與質(zhì)量的關(guān)系合成數(shù)據(jù)Synthetic Data在 2025-2026 年持續(xù)升溫。對(duì)土地分類(lèi)來(lái)說(shuō)可以用生成模型如擴(kuò)散模型合成不同光照、不同季節(jié)的影像來(lái)擴(kuò)充稀缺樣本。合成數(shù)據(jù)解決的是「完整性」問(wèn)題評(píng)測(cè)維度二的子指標(biāo)但它不能替代真實(shí)標(biāo)注——合成數(shù)據(jù)的質(zhì)量上限受生成模型本身的限制評(píng)測(cè)時(shí)同樣要過(guò)三維度打分。6. 結(jié)論一個(gè)定義、三維度、五步法回到開(kāi)頭那句話(huà)大模型的競(jìng)爭(zhēng)到 2026 年拼的是數(shù)據(jù)。但「數(shù)據(jù)」不是隨便堆的。國(guó)家已經(jīng)給出了完整的框架維度一句話(huà)一個(gè)定義經(jīng)采集加工、可直接訓(xùn)練 AI、以提升模型性能為驗(yàn)收標(biāo)準(zhǔn)的數(shù)據(jù)集合三維度評(píng)測(cè)說(shuō)明文檔可理解 數(shù)據(jù)質(zhì)量準(zhǔn)確/完整/時(shí)效/一致 模型應(yīng)用效果達(dá)標(biāo)——三維度分別 ≥90 分五步建設(shè)設(shè)計(jì) → 采集 → 預(yù)處理 → 標(biāo)注 → 質(zhì)檢質(zhì)檢不合格回到標(biāo)注返工我用同一套土地分類(lèi)數(shù)據(jù)集走完了全流程定義對(duì)照影像標(biāo)注可直接訓(xùn)練mIoU 驗(yàn)收、評(píng)測(cè)演示標(biāo)注邊界畫(huà)錯(cuò)扣準(zhǔn)確性、缺云區(qū)樣本扣完整性、舊影像判新地塊扣時(shí)效性、IoU 不達(dá)標(biāo)扣模型應(yīng)用、建設(shè)落地分類(lèi)體系→多期采集→輻射校正云掩膜切片→地塊標(biāo)注→抽樣復(fù)核模型回測(cè)。如果只讓我留一句數(shù)據(jù)質(zhì)量的終判權(quán)不在人眼在模型。標(biāo)注看起來(lái)再工整模型跑不出效果就是不合格——這是 2026 年國(guó)家標(biāo)準(zhǔn)最值錢(qián)的一條判斷。最后送你高質(zhì)量數(shù)據(jù)集建設(shè)全景圖