上海建立运营的全国首个语料运营公共服务平台，正式迈入2.0升级版，工作重心将从“更好地组织数据”转向“更好地提炼数据”，从“数据的一次性交付”转向“打造数据在闭环”。为了让城市数据加速转化为语料能力，该平台面向诸多真实场景，逐一发布专业语料库，深度整合医疗临床、港口服务、消防安全等行业知识，甚至包括焊接、港口堆场等工业老师傅的经验。
语料数据堪称人工智能和大模型的“燃料”。当前，人工智能发展正不断走向纵深，高质量数据集越来越成为驱动人工智能创新发展的关键变量。在此背景下，7月18日，2026世界人工智能大会“语料筑基、智生时代”语料创新论坛在沪举行。本次论坛由上海库帕思科技有限公司、市人工智能行业协会主办，集中展示了上海围绕高质量语料数据开展的前瞻布局和务实推进，汇聚了全国语料生态的新力量、新实践。
国家数据局党组书记、局长刘烈宏在致辞中表示，截至今年6月底，我国已建成高质量数据集12万个，总体量超过1565PB；七个数据标注先行先试城市标注规模超119PB，服务425个大模型研发。下一步，国家数据局将深入实施强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六大行动，进一步构建服务人工智能的高质量数据供给体系。
上海作为高质量数据集建设的排头兵，一直积极推进“模数共振”，打造语料基座“上海方案”。特别是过去几年，借助世界人工智能大会的平台，上海不断推进相关工作：2024年7月，上海发布了国内首个语料运营公共服务平台；2025年7月，基于该平台的全国首个语料运营公共服务统一门户正式上线；今年，平台升级到2.0版，主要创新点包括首创了“筛选—转换—合成”的3层10级数据进化路线，集成Kupas Camp语料FDE工程平台、老师傅语料工程化平台、“语匠”专家众包网络，形成了从规划咨询、产品设计到数据工程实施的体系化能力。
事实上，上海“数据新基建”创新的关键，就是要让行业专家的“潜知识”变成可调用、可评测的“显知识”。本次论坛上，面向医疗、工业、交通、供应链、城市治理等场景，上海集中发布了一系列新产品，包括焊接老师傅语料库、港口堆场老师傅经验语料库、专病语料库、城市轨道交通行业语料库、交通基础设施运维语料库、国际物流供应链语料库、消防行业语料库等等，从而将相关的行业知识、人员经验、规则制度等提炼转化为语料能力。
着眼于加强标准建设，为“好数据”建立更具操作性的标尺，上海本次新发布了15项相关团体标准和2项行业标准，覆盖高端装备、医疗专病、艺术人才培养、文物、钢铁、大模型数据集开发管理等方向，贯通语料的采集、清洗、标注、评测、应用、运营管理的全流程。
此外，顺应当前语料发展的新趋势，本次论坛发起了科学数据服务可持续发展倡议，促进科学智能相关数据向AI-Ready迈进、向Agent-Ready演化；启动了“DARE GO达·高”跨领域高价值语料数据征集计划，面向千行百业征集带环境、带任务、带评价标准、带黄金答案的专业难题，将以高价值问题牵引高质量语料建设。
瑞和网提示：文章来自网络，不代表本站观点。
