超10万亿Tokens的高质量数据集是怎么炼成的？

央企构建全球领先的高质量数据集体系

数据资源已成为数字经济时代的核心战略资产。据悉，某中央企业已构建起业内颇具规模的高质量数据集体系，其通用大模型训练语料突破10万亿tokens规模，涵盖语言、图像、视频等多模态数据类型。更值得注意的是，该企业在垂直领域的布局尤为深入，已形成覆盖14个关键行业的专业数据库，包括金融、医疗、制造、能源等国民经济支柱产业。

数据基础设施建设成效显著

公开数据显示，该央企数据中心的存储容量已达350TB级别，在行业内处于领先地位。通过持续的技术投入和资源整合，其不仅实现了数据规模的指数级增长，更重要的是构建了完整的数据治理体系：

• 实施多级质量控制机制，确保数据标注准确率达到99%以上
• 建立了动态更新机制，保持数据时效性与行业发展趋势同步
• 开发了智能清洗工具，显著提升非结构化数据的可用性

行业应用价值持续释放

这套高质量数据集体系已开始在各行业数字化转型中发挥关键作用。在金融风控领域，基于专业数据集训练的算法模型将异常交易识别率提升了40%；在智能制造场景中，工业知识图谱的构建效率提高了60%。专家指出，这种“通用+垂直”的双轮驱动模式，为中国企业的数字化转型提供了重要支撑。

央企引领AI数据革命：中国电信构建高质量数据集赋能产业智能化

高质量数据集已成为当前人工智能发展的核心战略资源。这类数据集区别于原始数据，是经过专业化标注、优化处理且包含多模态信息，具备行业应用即插即用特性的现代化数字资产。其重要性不言而喻——作为AI模型训练的基础要素，高质量数据集直接决定了模型表现的精准度、泛化能力和实际应用价值。

数据基建的国家队布局

作为AI领域的国家级主力军，中国电信旗下天翼AI依托星辰MaaS平台，成功构建了一套完整的高质量数据集生产体系。该平台扮演着「数据精炼厂」的关键角色，通过四大核心子系统实现数据价值转化的全链路闭环：

• 基础模型子系统：提供认知与推理的核心能力支持
• 数据工具链子系统：保障高质量数据资源的持续供给
• 模型工具链子系统：实现数据到应用模型的高效转化
• 智能体子系统：执行资源调度与复杂任务智能化处理

技术创新与产业落地双轮驱动

中国电信人工智能研究院(TeleAI)基于这一平台，正加速推进三大前沿技术领域的研发与应用：

• 超大规模预训练模型
• AI智能传输网络(AI Flow)
• 具身智能系统

在产业化实践方面，通过「全模态、全尺寸、全国产」的星辰大模型体系构建，已成功训练出万亿参数规模的国产化大模型。值得注意的是，该突破性成果完全依托国产万卡级计算集群和自主研发的深度学习框架完成。

工业质检的数字化转型案例

福建晋江某纺织企业的智能化改造颇具代表性。传统人工验布方式存在明显局限性：

• 检测效率波动大
• 缺陷平均检出率仅50%
• 质量稳定性难以保障

引入基于星辰MaaS平台的AI验布系统后，企业实现了：

• 24小时不间断自动化检测
• 常见瑕疵识别准确率超95%
• 生产全流程数据沉淀分析
• 整体效率提升50%以上

系统可精准识别10余类典型织造缺陷，包括并纬、擦伤、断经等技术性瑕疵，有效解决了纺织行业长期存在的质量控制难题。这一实践生动展现了高质量数据集驱动下的AI技术如何为传统制造业注入新的发展动能。

人工智能赋能产业升级：数据驱动下的技术革命

人工验布与AI视觉检测的对比图直观展现了技术迭代的缩影，而这仅是数字化转型浪潮的冰山一角。从全球贸易枢纽的智能港口到国家供应链体系的现代化重构，从精准医疗决策系统到智能农业监测网络，大规模高质量数据正以前所未有的深度重塑产业生态。

数字化转型背后的战略逻辑

这场变革的核心驱动力何在？其技术架构与商业范式如何构建？为深入剖析这一命题，量子位智库独家对话中电信人工智能科技（北京）有限公司副总经理阮宜龙，解码数据要素市场化配置的战略路径。（注：下文对话内容经技术核校，确保观点表述的完整性与准确性。）

关键议题透视

• 基础设施升级：智能算力网络与5G专网的协同效应
• 数据治理体系：跨行业数据标准的建立与流通机制
• 应用场景深化：从单点智能到系统级解决方案的演进

本访谈将揭示人工智能如何通过数据要素×算法算力×行业知识的三元融合，推动实体经济高质量发展。

为什么要死磕高质量数据集？

高质量数据驱动AI创新：中国电信天翼AI的战略布局解析

核心观点：高质量数据是AI发展的战略基础

在当前人工智能技术迅猛发展的时代背景下，算法、模型与应用场景以前所未有的速度迭代更新。然而，高质量数据作为人工智能发展的核心驱动力，始终是决定AI技术进步与应用落地的关键因素。中国电信天翼AI作为我国人工智能产业的代表性国家队力量，对其持续推进高质量数据集建设的战略选择值得深入剖析。

中国电信天翼AI的战略考量

在接受量子位采访时，中国电信天翼AI相关负责人阮宜龙详细阐述了公司在高质量数据集建设方面的战略思考。这一重大决策基于四个维度的综合研判：

• 国家战略层面：中国政府近年来密集出台人工智能相关法规政策，深入推进”人工智能+”行动计划，标志着AI发展已成为国家战略的重要组成部分。中国电信”云改数转智惠”战略升级中，明确将算力、数据、模型等关键要素列为全产业链布局重点。
• 市场需求变化：预计2025年人工智能发展将进入以数据要素价值为核心的规模化应用阶段。天翼AI面临20余个重点业务场景的智能化转型需求，以及工业、应急、教育等多行业的大模型开发和智能体应用建设任务。
• 运营商资源优势：中国电信拥有极其庞大的数据资产，包括超10亿公众客户和上千万政企客户的数据资源，日均新增数据量达1.6PB，基础数据集规模超过10万亿tokens。同时，公司在客户服务、渠道运营等领域积累了丰富的应用场景经验。
• 使命责任担当：中国电信作为国家信息化建设主力军，肩负着建设网络强国和数字中国的重要使命，致力于推动人工智能与经济社会发展深度融合，实现AI技术的积极发展和普惠应用。

高质量数据集建设的战略意义

构建自主可控的高质量数据集，对中国电信天翼AI的发展具有多重战略价值：

• 助力突破AI关键技术瓶颈
• 支撑企业数字化转型和智能化升级
• 赋能千行百业的智能化转型
• 保障数据安全和可信流通

这一战略选择不仅体现了中国电信作为央企的责任担当，更展现了公司在AI产业变革浪潮中的战略前瞻性和执行力。在未来AI产业发展中，高质量数据集的建设将为中国电信抢占技术高地、实现商业价值和社会价值的统一提供坚实基础。

如何做到的？

企业级AI数据治理体系的构建与实践路径

数据资产转化是企业AI能力建设的关键挑战之一。单纯拥有大规模原始数据资源和战略部署意愿仅是基础前提，如何将这些异构多源、模态繁杂的初级数据资源，有效转化为可直接适配大模型训练需求的高质量结构化数据，实则构成了一个涉及多环节、多技术维度的系统性工程。破解这一行业性难题，需要构建从底层基础设施到上层方法论体系的完整技术栈。

数据治理的全生命周期方法论

天翼AI基于”数据-模型-服务”三位一体的闭环架构，创新性地建立了贯穿数据资产全生命周期的管理范式。这套方法论将传统的数据管理范畴延伸至模型训练与应用部署的全链条，实现了从原始数据到智能服务的端到端价值转化。

MaaS平台的核心支撑作用

在技术实现层面，这一系统工程依托于星辰MaaS(模型即服务)平台的关键支撑。该平台构建了“采存算管-标训推评-用”九大核心能力模块，形成了完整的AI数据治理技术链：

• 数据采集与存储：支持多源异构数据的标准化接入与分布式存储
• 计算资源调度：提供弹性可扩展的计算资源分配机制
• 数据治理体系：实现元数据管理、质量监控等核心功能
• 智能标注工具：融合自动化与人工审核的标注工作流
• 模型训练环境：提供从实验到生产的全流程训练支持
• 推理服务框架：构建高并发、低延迟的模型服务能力
• 效果评估体系：建立多维度的模型性能评价指标
• 应用对接机制：保障模型能力向业务场景的平滑迁移

通过这种模块化、平台化的技术架构，企业可以系统性地解决AI数据治理中面临的标准化、规模化、质量可控性等核心难题，为各类智能应用的快速迭代奠定坚实的数据基础。

星辰MaaS平台的数据与模型处理生态系统解析

星辰MaaS平台构建了一套完整的“采-存-算-管”数据处理工具链，实现了对多模态数据的全生命周期管理。该系统支持文本、图像、音频及视频数据的统一接入与高效存储，并通过平台内置的上百种专业工具完成数据的清洗、转换、增强与合成处理。依托自动化治理机制，平台确保了数据质量和安全性，最终将原始数据转化为高标准、可复用的数据资产，为人工智能应用层提供坚实基础。

核心技术突破：数据合成

在面对极端场景数据采集困境时，平台的数据合成技术展现出显著价值：

• 通过AIGC(生成式AI)、知识注入及链路反思等先进技术，可模拟生成罕见事故、极端天气等场景数据
• 有效解决如自动驾驶等领域的危险数据采集难题
• 大幅提升模型训练数据的多样性和鲁棒性

模型生产标准化流程

平台同时建立了“标-训-推-评”模型工具链：

• 标注环节：支持40余种标注任务，采用AI预标注技术提升效率500%
• 质控环节：实施严格数据质量评估，构建高质量训练数据集
• 模型工厂：完成模型的训练、微调、推理及评测全流程
• 应用部署：将模型嵌入智能体，支撑多元化行业应用场景

闭环优化机制

该系统形成了独特的数据-模型双向增强闭环：

• 智能体运行产生的反馈数据通过回流机制重新加工
• 持续丰富高质量数据集，实现模型效果的渐进优化
• 整体流程实现从原始数据到AI服务的全自动转换

这一生态系统实现了数据资产与AI模型的共生共进，为产业智能化提供了坚实的技术支撑。

标准又是什么？

如何定义高质量数据集：解读数据质量的多维评估标准

在人工智能领域，高质量数据集是模型性能的基石。然而，关于”高质量”的内涵却存在诸多认知差异。通过与天翼AI专家阮宜龙的深入探讨，我们得以从更专业的视角剖析这一核心议题。

数据质量的评估维度

阮宜龙指出，数据质量的评判标准具有显著的情境依赖性，应当基于以下两个关键维度进行区分：

• 模型训练阶段
• 预训练数据集
• 微调数据集
• 评测数据集
• 数据应用类型
• 通识数据集
• 行业通识数据集
• 行业专识数据集

不同应用场景下，数据质量的评估指标存在系统性差异。例如，基础大模型预训练更侧重规范性、完整性、一致性、合规性和可溯源性等基础维度；而面向特定行业微调的数据集，则需重点关注全面性、多样性、均衡性以及行业专有知识（Know-how）的覆盖率。

工业质检案例的实证分析

以纺织行业缺陷检测为例，传统人工质检存在效率低下、成本高昂、标准不统一、漏检率高等固有缺陷。构建高质量的AI质检数据集需要满足以下关键要求：

• 全面性：完整覆盖20余种常见瑕疵类型（如纱结、污渍、破洞等）
• 多样性：单类缺陷（如”污渍”）需包含油污、水渍、染料渍等不同亚型
• 标注精度：要求精准的边界框标注及细粒度分类标签

这一案例清晰地表明，高质量数据集的核心价值在于能否准确映射实际业务场景的复杂需求，而非单纯追求数据规模或类型的扩张。数据质量的评估必须植根于具体的应用目标和业务场景，采用多维度的指标体系进行系统化衡量。

高质量数据集赋能工业缺陷检测 实现生产效率革新

基于15万张工业布匹图像的严格筛选与标注，研究团队成功构建了一个高精度缺陷检测数据集。通过该数据集训练的专用算法模型，展现出突破性的检测能力：

• 亚毫米级瑕疵识别：可稳定检测布匹表面0.1mm级别缺陷
• 90%+综合检出率：显著超越人工检测效率标准
• 实时数据交互：缺陷类型、数量及坐标信息毫秒级同步至MES系统

技术应用成效：
该解决方案已实现全自动化检测替代，为企业带来直接的生产成本优化与质量管控升级。这一案例充分验证了高质量数据集在工业智能化转型中的核心价值，其质量评估标准应始终以实际工程应用效果为最终依据。

用起来才是硬道理

通用大模型热潮与垂直落地差距：天翼AI的产业实践路径

AI行业的价值悖论与现实突破

当前人工智能领域呈现出明显的二元格局：通用大模型引发技术狂热的同时，垂直行业应用却面临落地困境与价值兑现缓慢的挑战。这一现象反映出AI技术发展的核心矛盾——技术的先进性与产业实用性之间尚未形成有效衔接。
天翼AI在多个领域的成功实践表明，人工智能的真实价值不在于算法复杂度或数据规模，而在于其解决实际产业问题的能力。该企业以应用广度和深度为衡量标准，在央企服务、国家标注基地建设以及政务、交通、工业、医疗等多个关键领域建立了标杆案例。

大型央企服务的破局之道

在服务中国物流、中车等大型央企过程中，天翼AI面临着行业特有的四大核心挑战：

• 生产导向的业务需求：聚焦成本优化、运营效率提升及故障率降低等核心痛点
• 复杂的系统环境：需与现有各类核心系统实现深度整合
• 严格的安全合规要求：涉及国家安全的关键领域需确保技术与主流价值观一致
• 自主可控的技术路线：构建全国产化基础信息设施体系

针对这些挑战，天翼AI实施了端到端全链路解决方案，其核心策略包括：

• 价值导向的技术研发路径
• 敏捷迭代的实施方法论
• 云边端协同架构设计
• 数据反馈闭环优化机制

以物流行业应用为例，该企业通过星辰MaaS平台构建专属AI套件，整合超过500P国产算力资源，建立了多个高质量行业数据集，并提供跨模态统一服务接口，实现了从基础设施到应用场景的全栈赋能。

数据标注基地建设的多维角色

在国家数据标注基地建设项目中，天翼AI超越了传统技术服务商的定位，承担了三重关键角色：

• 产业生态规划者：制定符合国家战略的产业技术路线
• 产能运营者：确保标注产能的高效转化与应用
• 新职业培育者：推动AI相关职业标准与人才培养体系建设

这种多维参与模式不仅解决了技术落地问题，更促进了整个产业生态的健康发展，为人工智能技术在各行业的深入应用奠定了坚实基础。
实践证明，AI技术的产业价值实现需要技术创新与行业需求的深度融合。通过建立可持续的闭环系统，形成技术研发与业务场景的良性互动，才能真正释放人工智能的变革潜力。

天翼AI构建全产业链生态 推动高质量数据赋能国计民生

一、政企协同打造数据产业生态系统

天翼AI创新性地采用”政府引导+央企主导+生态协同”的模式，立足地方特色产业优势，协助政府系统规划数据产业集群发展。该公司充分发挥央企平台优势，深度融合地方资源，已在多地成功打造标杆项目：

• 成都新津数据要素服务站：聚焦金融风控数据核验、医疗影像标注等重点领域，已吸引数十家行业龙头企业及教研机构入驻
• 四川方言语音大数据项目：集合19个地市方言语音资源，构建专业语音数据集，同时创造大量灵活就业机会

二、三位一体赋能模式促进产业可持续发展

天翼AI建立了“规划者-运营者-培育者”三位一体的综合服务体系，确保数据产业生态的良性循环：

• 规划引导：准确把握区域产业特点，科学规划数据产业发展路径
• 订单运营：通过自身项目资源为入驻企业提供稳定业务支持，四川方言标注等项目即为典型案例
• 人才培养：建立专业培训认证体系，规模化培养数字技术人才，提升区域产业整体竞争力

三、高质量数据集赋能多行业数字化转型

天翼AI高质量数据集已在14个行业30多个应用场景实现规模化落地，产生了显著经济社会效益：

• 医疗健康：与北京三甲医院合作构建医疗质量管理数据集，推动医院智能化升级
• 智慧文旅：丽江智慧导览系统实现95%以上旅客需求精准识别，大幅提升游客体验
• 数字农业：雄安”雄小农”智能应用帮助当地农民实现超15%增收
• 智慧城市：杭州视觉数据集汇聚26万路视频数据，服务城市建设等多个领域
• 政务服务：深圳12345民生诉求数据集支撑25个智能场景应用

四、技术创新筑牢AI发展安全基座

除数据要素外，天翼AI在算法和算力领域同步发力：

• 星辰大模型技术体系：完成”双备案”，具备全模态、全尺寸、全国产特性，并率先实现央企开源
• 安全防护体系：自主研发安全围栏技术，防范AI模型潜在风险，保障应用可信度
• 应用创新：语音模型支持60种方言识别，语义模型广泛赋能政务教育，视觉模型在公共安全领域表现卓越

五、全场景产品矩阵服务多元市场需求

天翼AI打造了覆盖B端、C端、家庭场景的完整产品体系：

• 企业服务：开放18项API服务，提供行业智能化解决方案
• 个人用户：推出”星小辰”反诈应用、智能眼镜等创新产品
• 家庭场景：开发智能陪伴玩偶等终端设备

通过构建”算力供给-数据生产-模型训练-应用落地”的完整生态链，天翼AI正推动AI技术在各行业的深度应用，实现技术赋能产业、产业培育生态的良性循环。

最终愿景

中国电信天翼AI：引领人工智能发展 践行央企责任担当

人工智能作为新一轮科技革命和产业变革的核心驱动力，正深刻改变着人类社会的发展进程。中国电信天翼AI作为我国人工智能领域的重要科技创新主体，肩负着推动技术突破、促进产业升级、服务社会民生的多重使命。

四大战略方向勾勒发展蓝图

在接受量子位采访时，中国电信天翼AI负责人阮宜龙阐述了企业的战略定位与发展规划。他指出，天翼AI将以“成为国家战略科技力量和领先的通用人工智能服务提供商”为愿景目标，重点推进四大战略方向：

• 技术创新突破

持续强化全栈自研AI能力建设，在前沿技术领域深度布局，涵盖基础大模型、具身智能、智传网等关键方向，致力于实现与国际领先水平的对标发展。

• 普惠应用推广

打造”全民工具箱”AI服务体系，通过鉴伪反诈技术构筑网络可信空间，优化适老适幼产品消除数字鸿沟，让AI技术真正惠及民生。

• 开放生态构建

通过建设开放平台、提供算力支持等措施，广泛吸纳全球开发者、学者和产业合作伙伴，共同推动人工智能产业生态繁荣发展。

• 人才培养赋能

建立研用结合的人才培养机制，营造创新氛围，加速科研成果转化，为国家培育兼具理论素养和实践能力的高端AI人才队伍。

发挥主力军作用 助力数字经济高质量发展

在中国数字经济蓬勃发展的背景下，中国电信天翼AI将充分发挥央企”国家队”的示范引领作用：

• 打造高质量行业大模型和产品，为各类市场主体提供强有力的AI赋能
• 构建完善的安全防护体系，确保数字化转型红利惠及人民群众
• 维护数字空间公平正义，为数字经济健康发展保驾护航

技术发展的终极目标在于造福人类。中国电信天翼AI展现出的不只是技术雄心，更体现了中央企业对经济社会发展的高度责任担当。在未来发展道路上，其将持续以技术创新为引擎，以价值创造为导向，为中国人工智能事业发展作出更大贡献。