当前，人工智能加快融入经济社会发展各领域，深刻改变着生产与生活方式。在业内看来，模型能力提升只是基础，能否获得高质量数据支撑，进而打通数据流通和应用链条，形成安全可信的治理体系，是人工智能在更多场景落地应用的关键。
6月16日，“2026人民数据大会”专题交流会“数据要素×人工智能——词元（Token）赋能数据，智能驱动场景”在四川省自贡市举办。交流会围绕高质量数据集建设、具身智能数据和合规治理等议题展开交流。
多位参会嘉宾表示，人工智能发展正在从模型能力提升，进一步走向数据、场景、治理协同推进。推动“数据要素×人工智能”融合发展，要以高质量数据供给夯实基础，以场景需求牵引应用创新，以可信流通和合规治理提升数据价值释放水平，更好地赋能公共服务、产业升级和社会发展。
数据筑基，夯实人工智能发展基础
作为本次专题交流会举办地，自贡正把人工智能作为推动老工业城市转型升级的重要抓手。
自贡市人民政府副秘书长蔡国银出席专题交流并致辞。
人民网·人民数据总经理杨森滟表示，我国拥有海量数据资源和丰富应用场景，如何将数据资源优势真正转化为人工智能竞争新优势，仍需要各方共同探索。她提出，要建设“数据富矿”，促进高质量数据集规模化供给；聚焦“小而精”，以场景牵引数据价值深层释放；守好价值观底线，完善数据标准，确保人工智能发展“不越轨、不跑偏”。
据介绍，人民数据已汇集了产业链、电商、工商、舆情等43大类行业数据资源，形成了高质量数据集，提供海量、及时更新、源头合规的高质量数据服务。从互联网时代到人工智能时代，持续为数字经济发展提供富矿与燃料。
数据不仅服务产业，也服务民生。
“民生无小事，数据有温度。”国家发展改革委社会发展司原副司长、一级巡视员郝福庆表示，要充分利用数据服务国家战略、服务民生福祉、服务市场需求。推动跨部门数据协同、动态监测预警和依法开放应用数据，有助于提升公共服务决策的科学化水平。
从技术演进看，人工智能也面临新的发展要求。上海市人工智能战略咨询专家委员会荣誉委员、上海交大讲席教授、香港中文大学荣誉教授、欧洲科学院院士徐雷认为，当前大模型能力与生成式模型、Transformer架构、预训练和后训练等技术路径密切相关。随着规模化发展面临算力、能耗等约束，人工智能还需要面向实际应用和专业场景，在既有技术积累基础上持续创新。
场景牵引，促进数据价值转化
随着技术的不断提升，AI正从“锦上添花”的辅助工具，演变为“不可或缺”的生产力核心。
办公软件是人工智能落地应用的重要入口。北京金山办公软件股份有限公司副总裁王少康表示，金山办公正向智能办公时代转型。企业通过办公组件、知识库、行业AI等能力，推动人工智能在软件端从辅助写作、排版、生成公式，进一步走向理解目标、规划任务和协同执行。
高质量数据要发挥作用，还需要通过平台、产品和基础设施进入具体场景。
会议期间，“语料厨房”产品正式发布。据介绍，该平台结合人民网、人民科技多年主流价值语料库以及区域、行业高质量数据集建设经验，构建高质量数据集建设解决方案，赋能语料规划、采集、制作、审校、管理和输出全流程。
中国电信（人工智能）产业研究院副院长刘俊认为，产业智能化的关键，在于让数据真正参与模型生产，让模型服务业务场景，再由场景反馈驱动迭代优化。模数共振要构建高质量数据集、高效能模型、高价值应用之间的正向循环，让数据价值和模型价值可计量、可追溯、可运营。
中国电子云副总裁冯进则认为，产业智能化将加速数据治理和数据流通。当前部分数据流通场所停留在数据层面的撮合交易，未来将进化为基于AI原生的加速面向AI数智流通的创新范式，进而真正数智资产化运营。
治理护航，推动人工智能规范应用
人工智能应用不断拓展，围绕数据高质量发展，如何以场景驱动创新、以治理保障安全，成为业内讨论的重点。
深圳市优必选科技股份有限公司战略合作部部门负责人谢琨表示，传统人工智能更多与互联网和信息平台交互，具身智能则要让机器人进入真实物理世界。这意味着数据不再只是文字、图像和网页，还包括动作、接触、操作和场景经验。
知跃空间智能科技有限公司联合创始人张展认为，具身智能不能简单依赖扩大数据和算力规模。真实物理世界更加复杂，对智能体的学习能力、适应能力和自我迭代能力提出更高要求。
重庆菲利信科技有限公司总裁贝依林表示，数据标注行业正在从早期的文本、图像标注，走向音视频、3D点云、医疗、金融、包括工业图纸及设计建模等垂直领域的多模态复杂标注。词元成为可计量单位后，对数据服务的精细度、专业度和质量提出了更高要求。
天鹅到家创始人兼CEO陈小华认为，企业过去积累的数据大多是“面向人”使用的，需要通过系统、后台、报表来使用。进入AI智能体时代，企业应把高质量私域数据向员工和AI开放，让智能体理解企业规则、知识库、服务标准和历史处理记录，从而真正参与业务流程。
北京泽仪律师事务所主任周天喜表示，人工智能和数据应用必须有规则、有边界。无论是开发者、部署者还是使用者，都可能因算法缺陷、数据处理不当、个人信息保护不到位等承担相应责任。在当前法律框架下，人工智能本身还不是法律责任主体，责任仍由自然人、法人或其他组织承担。因此，要坚持事前预防、事后追责和全程合规。
