“当前全球人工智能正加速从感知智能向认知智能跃迁，大模型作为核心载体，其能力边界几乎完全由数据的质量、规模和安全性决定。数据不仅是模型训练的基础，更直接影响知识结构、表达能力和文化传承，高质量数据集建设是人工智能发展的基础工程和战略任务。”吴世忠说道。
8月28日，在2025中国国际大数据产业博览会“高质量数据集”主题交流活动上，中国工程院院士吴世忠围绕大模型数据集建设分享了一些思考。
吴世忠表示，大模型的逻辑推理、复杂指令遵循以及各种智能涌现，都依赖于海量、多样和高质量的训练数据。五年前GPT-3推出时使用的是数千亿级的文本数据，如今国内外头部模型的训练数据已经迈入万亿级门槛。数据集不仅是模型的训练素材，更是真实世界的模拟环境，数据的广度决定模型的认知、知识边界，标注质量影响模型水平。
“可以说，没有优质的数据集，再先进的算法也难以突破智能边界，再强大的算力底座也可能出现无米之炊，更难以支撑人工智能迈向通用智能的终极目标。”吴世忠说道。
从政策层面看，数据集建设已经明确纳入我国人工智能发展的战略规划和顶层设计。国务院
