“‘高质量数据集’被写进政府工作报告。我非常受到鼓舞。”蒋颖介绍，当前，人工智能应用到商业场景、产业场景，以及人工智能产业化本身，已经成为重要趋势，并且已经有了很多落地的场景。但要将人工智能大模型真正做成产业垂类大模型，让其与实体经济和实体产业融合，高端、高质量的数据集就变得至关重要。
“我们现在看到的现象是，在收集阶段，很多行业和企业都在收集数据，但在源头基本上没有很多的标准化，使得很多收集相对结构不一致。”为此，蒋颖提出以下建议：
一是要加快构建统一规范的高质量数据集标准体系。通过行业指南和示范案例细化落地路径，引导重点行业对存量数据进行标准化改造，推动同类数据在结构设计、字段定义上对齐，减少重复清洗和格式重构成本，提高复用效率，同时为中小企业提供可直接参考的示范项目和通用模板。
二是完善数据生态支撑体系，提升高质量数据集建设效率。建立数据服务商的国家认证与信用体系，为市场提供权威背书，解决“缺信任”问题。针对数据采集、清洗、标注、维护等环节，向企业提供可直接使用的模板、工具和技术支持。同时，设立专项激励，通过财政补贴、示范项目支持等，降低企业在数据治理、持续更新和合规管理等环节的投入压力。
三是强化应用导向设计，提升数据集实际价值。在立项审批阶段明确要求数据集必须对接具体场景和业务需求，通过指南和操作模板引导企业系统梳理数据使用目标。建设过程中通过阶段性评审和动态监督，确保成果与实际需求匹配。项目完成后建立数据共享和迭代更新机制，将成熟成果纳入公共数据资产或行业数据平台，明确访问权限、使用规则和维护责任，推动数据集实现长期复用、持续迭代和价值释放。