近年来，人工智能大模型快速迭代与深度应用，正加速重塑各行业发展模式，数据作为人工智能核心三要素之一，其质量直接决定模型的训练效果与应用价值，高质量数据集已成为驱动AI模型性能提升、赋能千行百业的关键基础资源。
根据国家数据局指导发布的《高质量数据集建设指引》，高质量数据集是指：经过采集、加工等数据处理，可直接用于开发和训练人工智能模型，能有效提升模型表现的数据的集合。数据显示，截至2025年年底，全国范围内已建成的高质量数据集超过10万个，总体量突破890PB，这一方面彰显了国家在高质量数据集建设上的坚定决心，另一方面也预示着高质量数据集未来将在各领域发挥更多作用。
为加快推动高质量数据集建设，充分发挥我国海量数据资源和丰富应用场景的优势，国家和地方层面纷纷发力，密集启动高质量数据集征集、典型案例评选及先行先试项目，旨在汇聚一批具备先进性、创新性、示范性、合规性的数据资源，总结推广先进建设经验，进一步释放数据要素价值。据湖南国脉原道数据科技有限公司研究团队不完全统计，截至目前网上公开的高质量数据集征集材料涵盖国家及40余个地区，共计60余份。为帮助相关单位精准掌握各地高质量数据集申报要求，规避申报过程中的难点痛点，研究团队对申报主体资质、征集方向、数据集要求等核心要点进行系统梳理、提炼汇总，并提出了几点申报建议，供各相关单位申报参考、借鉴使用。
通过公开渠道共收集涵盖国家、省、市、县（市）四个层级，合计42个地区的69份高质量数据集征集文件，具体情况如下：
1.从发布机构来看，近80%的征集文件由各级数据部门发布，体现了数据主管部门的核心统筹推动作用，工信、住建部门主要发布与其相关专项行业领域高质量数据集征集文件，呈现出“数据部门主导、行业部门协同”的特点。
2.从发布时间来看，2024年为启动阶段，征集量较少，湖北省、山东省、广东省、河北省4个地区共计发布了7份征集文件；2025年进入发布高峰期，国家数据局综合司于当年6月发布了《关于征集高质量数据集典型案例的通知》，地方层面也积极推进，全年共发布44份征集文件，成为高质量数据集征集工作的核心推进期；2026年征集工作持续深化，截至4月初已发布18份征集文件，展现出良好的延续性与深入态势。
3.从发布地区来看，湖北省、广东省、山东省发布的征集文件数量较多，且三地均从2024年就率先启动征集工作；其次为福建省、浙江省、江苏省等地。总体而言，东部沿海区域征集文件发布最为密集，其发布数量占总数的50%以上，与该区域数字经济发展水平高、数据资源富集、政策推进力度大密切相关。
1.主体资质：大部分要求申报主体为对应申报地辖区注册登记的企事业单位、科研机构、高等院校、社会组织等，具有独立法人资格，个别地区未限制主体性质，如海南省住建厅、湖北省住建厅2026年2月份发布的征集公告明确单位和个人均可；此外，部分地区还要求税务征管关系或生产经营活动在辖区范围内。
2.经营与信用状况：大部分要求近三年经营状况良好，在信用、质量、安全、环保等方面无不良记录，部分地区还要求财务管理制度健全，近三年未发生重大网络、数据安全事件等。
3.能力与资源：部分地区对申报主体专业能力与资源保障提出要求，如申报单位应从事数字经济领域研发、制造或应用，或具备行业领先的数据汇聚能力、技术先进的数据治理能力，配备稳定专业的技术团队、具备持续的资金投入等。
4.申报形式：允许联合申报为多数地区通行规则，须明确牵头单位及各成员权责分工；个别地区对联合体成员数量提出限制要求，如江苏省数据局2026年征集文件要求联合申报成员单位最多3家；少数地区不接受联合申报，如上海市数据局2025年征集文件、湖南省数据局2026年征集文件。
5.其他限制性要求：一是重复申报限制，江苏省、上海市等地区明确，已入选2025年度国家数据局行业高质量数据集先行先试项目的，不得在本批次重复申报；二是申报数量限制，部分地区对同一单位在同一批次申报中牵头或参与项目数量设上限，如北京市不超过5个、宁波市仅限1个，避免过度申报挤占资源。
1.核心征集领域：以“数据要素×”12个重点行业为核心征集领域，包括工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳，加上教育教学、智慧能源、人力资源、公共安全等常驻领域。
2.创新热点领域：创新热点征集方向集中在低空经济、具身智能、智能驾驶、生物制造、智慧海洋等新兴领域，各地也会结合本地产业特色（如上海市“五个中心”相关行业领域、湖南的“4×4”现代化产业体系、苏州的“1030”产业、广州的“12218”体系）细化细分领域，贴合区域产业布局。
3.行业专项征集：部分行业开展了专项高质量数据集征集，精准破解重点行业数据供给不足问题，提升数据集的针对性和应用价值。目前已开展专项征集的行业为住建行业（围绕城市治理、住房与房地产、城乡建设、建筑业等细分领域）和工业和制造业领域（围绕行业研发设计、中试验证、生产制造、经营管理、产业协同等关键场景）。
1.实施进程：各地对数据集建设阶段要求存在差异化标准，以已建成并具备常态化更新能力为核心导向。多数地区要求申报数据集已完成建设，建立稳定、可持续的定期更新机制；部分地区允许在建或拟建数据集申报，但需明确建设计划与完工时限，如温州市要求2026年6月底前完成，武汉市要求2026年10月31日前完成。
2.规模量级：整体以实用够用、支撑应用为原则，多数地区未设置硬性数据条数或体量门槛，统一强调数据集需达到一定规模与量级，可满足模型训练、算法验证、业务落地等实际使用需求。下表整理了部分明确数据规模地区的要求：
3.数据质量：大部分地区未提出明确数据质量要求，普遍要求数据在真实性、完整性、规范性、准确性、及时性、一致性、相关性方面达到较高水准；少数地区明确量化要求，如北京市工信局2026年高质量数据集需求清单按领域细分质量标准，贵州省大数据局2025年征集文件要求数据重复率≤5%、近5年数据占比≥50%；宁波市发布《高质量数据集建设评价体系指引（试行）》，对真实性、完整性、规范性、准确性等维度制定具体评价细则。
此外，根据全国数据标准化技术委员会2025年8月发布的《高质量数据集质量 评测规范》，高质量数据集质量评测涵盖三大维度：说明文档、数据质量和模型应用。每个维度下设若干子指标，采用百分制评分，要求各维度得分均达到90分及以上方可认定为高质量数据集。
4.应用价值：申报数据集需场景落地、价值可证、示范可推。应具有实际的业务应用场景，具备一定的先进性、创新性、规模性和示范性，并取得了一定的经济效益或社会效益，成果可复制、可推广，能够支持开展人工智能大模型开发训练或支撑专业算法应用，具备可持续更新或服务能力。
5.安全合规：合规性是申报的第一生命线，所有数据集建设必须严格遵守《数据安全法》《个人信息保护法》等法律法规要求；数据来源合法，权属清晰，申报单位对申报项目所用的技术、产品拥有明晰的知识产权，无知识产权纠纷；不涉及个人隐私、商业秘密、国家秘密；不得包含违反社会主义核心价值观的内容。
6.测试样本：部分地区要求随申报提供测试样本，数量要求100-1000条不等，如北京市要求不少于1000条样本数据，安徽省要求200-500条，湖北省要求不少于100条。
1.政策密集，窗口期有限：各地征集公告发布时间申报窗口通常较短，通常为15~30天，部分紧急征集甚至不足一周，对申报单位的响应速度提出了挑战。有意向的单位提前准备，建立常态化跟踪机制，密切关注属地大数据局、工信部门、发改部门及国家级相关平台的官方通知。
2.标准趋严，质量优先：从规模要求到质量评测，各地对数据集的“量”和“质”均提出更高门槛。建议申报单位在数据清洗、标注、合规审查等环节引入专业评测工具或第三方服务，确保达到高质量标准。同时，建立质量自评体系，留存数据溯源、清洗日志、抽样检验等过程记录。对于涉及敏感信息的数据，还需完成脱敏处理及合规性审查。
3.场景驱动，价值导向：单纯“堆数据”已不具竞争力，“数据+场景+应用+成效”成为评审核心，能支撑大模型训练、解决行业痛点、产生实际价值的数据集更易入选。申报材料需突出实际业务场景、落地成效、可推广性，提供量化成效数据，如模型精度提升比例、效率提升幅度、成本降低金额等，附上应用案例、用户证明、合作协议、获奖证书等材料，增强说服力。
4.合规先行，规避风险：数据来源合法性、知识产权归属、隐私保护及安全合规是评审中的“一票否决项”。建议提前开展数据资产盘点与合规审计，确权、授权、溯源全程留痕，完善授权协议、采购合同、知识产权证明；建立数据安全管理制度，完成等保备案、数据分类分级、隐私保护认证，配备安全防护措施。
5.联合申报，优势互补：高质量数据集的构建往往需要数据资源、行业知识、技术能力等多方协作，对于数据资源丰富但技术能力不足，或技术领先但数据分散的单位，可考虑联合体申报，整合互补资源，提升数据集综合质量，但需注意，各地对联合申报的成员数量、牵头单位资质的限制。
来源：湖南国脉原道数据科技有限公司研究团队
更多精彩，请关注“官方微信”
国脉，是营商环境、数字政府、数字经济、低空经济、民营经济、产业发展、数字企业等领域的专业提供商。创新提出"软件+咨询+数据+平台+创新业务"五位一体服务模型，拥有营商环境督查与考核评估系统、政策智能服务系统、数据资源目录系统、数据基因、数据母体、数据智能评估系统等几十项软件产品，长期为中国城市、政府和企业提供专业咨询规划和数据服务，广泛服务于发改委、营商环境局、考核办、数据局、行政审批局等政府客户、中央企业和高等院校。
