自2024年12月，《关于促进数据产业高质量发展的指导意见》首次明确提出“高质量数据集”的概念，并将其作为人工智能与实体经济融合的核心载体。随后一系列政策相继发布，到今年7月国务院发布《关于深入实施“人工智能+”行动的意见》，进一步强调加强高质量数据集建设与开放共享，强化“人工智能+”的基础支撑能力。

这标志着，我国数据要素化进程正从“重规模”迈向“重质量”的关键转折点。而在这背后，一个朴素却重要的共识正日益清晰：数据、算法和算力，人工智能的三大基石中，数据的地位逐步凸显！高质量数据集专注于人工智能最刚性的环节：无论技术如何演进，始终离不开“干净”的数据。

数据是智能化的起点，也是底线，其质量高低，直接决定了AI模型的智能水平、泛化能力与在真实场景中的应用效能。因此，构建高质量、可治理、可持续更新的数据集，不再是一个技术细节，而是一项战略基础设施建设。

当我们谈“高质量数据集”时，一连串问题随之而来：

高质量数据集针对的是结构化数据，还是非结构化数据？

数据治理、管理及分析应用工作，与高质量数据有什么关系？

高质量数据集就是对数据质量进行评估及改进吗？

高质量数据集跟数据标注有关系吗？数据标注主要在干什么？

高质量数据集与智能化的关系是什么呢？

高质量数据集的项目更侧重什么内容？

高质量数据集如何评价呢？

……

这些问题，既关乎概念认知，也涉及落地路径。当前，随着“人工智能+”和国家数据基础设施建设的推进，高质量数据集已从技术细节上升为战略资产，但对其内涵的理解仍存在模糊与分歧。

接下来，我们将通过一系列专题内容，系统性解答这些困惑。

第一期，开篇，我们首先聚焦第一个问题：高质量数据集是什么？如何定义、构建与管理？

政策牵引

高质量数据集定义

高质量数据集建设

回顾一下概念问题：高质量数据集是什么？

它不仅仅是“干净的数据”，更是一种以大模型应用场景为导向、经系统化规划-采集-预处理-标注等处理后的、具备高可用性的结构化知识资产。它是大模型时代不可或缺的“燃料”。