12月13日，在“2026中國信通院深度觀察報告會”上，中國信息通信研究院云計算與大數據研究所所長何寶宏就面向AI的數據發展分享了自身思考和見解。

數據的規模、質量決定大模型的上限

談及在AI大模型發展中，數據扮演的角色，何寶宏分別從AI和數據的發展兩個角度進行了解答。他表示，早期的人工智能是基于規則，和數據關系不大；而這一波以大模型為代表的人工智能，數據扮演著非常核心的角色。

從數據的角度來看，大數據上一波的核心驅動主要是推薦算法，典型的應用包括一些用戶畫像，風險控制、市場獲客等；而這一波數據的熱潮主要是以人工智能驅動，可以說數據在這一波人工智能大模型的發展中，起著非常核心的作用。“數據的規模、數據的質量決定著大模型的上限，所以能看到數據是重中之重。”

人工智能發展對數據提出新的需求和挑戰

2025年以來，人工智能的發展呈現出一些新特征，對數據也提出了一些新需求。比如語言大模型，它的邊際效應遞減已經非常明顯，所以語言大模型要進一步提高它的能力，就需要更高質量的數據。另外一方面，除了語言大模型，越來越多的關注點開始轉向了多模態，無論是對語言大模型的持續優化，還是對多模態模型等數據都提出了一些新的需求、新的挑戰。

何寶宏指出，為了進一步提高語言大模型的能力，就需要發展更高質量、覆蓋范圍更廣的數據。為了提升語言大模型推理能力，圍繞推理甚至應用如Agent等，需要結合場景和應用等一些私域的、行業的、專有的數據。對于多模態大模型的發展來說，就不能僅僅只有文字類，還需要音頻、視頻等，這些數據如何對齊，在數據發展中也提出新的需求和挑戰。

數據技術正以體系化的方式發生巨大變革

在何寶宏看來，為應對這些新需求、新挑戰，數據技術正以體系化的方式發生巨大變革。

具體來看，一方面，現有數據體系需面向人工智能進行定制化轉型與適配。以數據治理為例，以往通用的治理模式，如今需結合人工智能的專用場景進行調整優化；即便是已有的DataOps體系，也需要衍生出面向AI的專屬分支（DataOps For AI），重點推進數據安全治理等相關工作，本質上是現有數據領域工作向AI適配的轉型。

另一方面，人工智能的發展也催生了數據領域的新情況、新問題，這是以往未曾出現的。當前這一波人工智能以生成式AI為核心，其生成的結果本身也屬于數據范疇。隨著近年來生成式AI的快速迭代，如今的數據格局已發生改變——人類產生的數據、傳統互聯網數據與AI合成/生成的數據日益交融，難以精準區分。后續，如何應對AI合成數據帶來的挑戰，尤其是如何規范AI合成數據在模型訓練與迭代中的應用，已成為數據領域亟待解決的新課題。

何寶宏進一步講到：“除了數據資源層面的變化，數據技術層面也需同步迭代升級。”受上述數據資源體系變革的驅動，數據技術正迎來一系列新調整：在數據存算領域，宏觀層面上存算架構逐步向分布式、存算分離的方向發展，而面向本地或就近數據處理的需求，近存計算模式也愈發重要；同時，由于數據體量激增，需根據數據“溫度”（熱數據、溫數據、冷數據）進行分級存儲，對應的存儲介質也需隨之優化。在數據庫技術領域，人工智能的發展同樣提出了新要求——隨著AI向多模態方向演進，傳統單模態數據庫已顯現出效率偏低、成本偏高的問題，因此向量數據庫、多模態數據庫成為技術升級的重要方向。

最后，何寶宏強調，受人工智能技術發展的驅動，當前數據技術正經歷全方位的巨大變革，其核心目標是實現數智深度融合。