数据工厂白皮书

2026年7月 版权声明 本白皮书版权由北京交通大学、北京化工大学、华为技术有限公司、北京数据集团、贵州大数据产业集团、北京物资学院、清华大学、北京大学等编制单位（详细名单见下页）共同拥有，并受法律保护，转载、摘编或利用其他方式使用本报告文字、图表或观点的，应注明“来源：《数据工厂白皮书》”，违反上述声者，将追究其相关法律责任。 编制单位 牵头单位： 北京交通大学、北京化工大学 参编单位： ii华为技术有限公司、浙江蚂蚁密算科技有限公司、上海零数科技有限公司、杭州安恒信息技术股份有限公司、北京京数智科技开发有限公司、北京数据集团有限公司、贵州大数据产业集团有限公司、内蒙古大数据产业发展集团有限公司、苏州算力科技集团有限公司、横琴金融投资集团有限公司、海南数据产业服务有限公司、四川数据集团有限公司、成都数据集团股份有限公司、湖州市数据科技集团有限公司、东莞市人工智能与数字经济集团有限公司、北京国际大数据交易所、江苏省数据交易所、中国煤炭地质总局、南京钢铁集团有限公司、清华大学公共管理学院未来政府治理中心、清华大学计算社会科学与国家治理实验室、清华中国电子数据治理研究院、北京大学大数据分析与应用技术国家工程实验室、北京交通大学经济管理学院、北京交通大学信息管理与理论国际研究中心、北京化工大学经济管理学院、北京化工大学信息化绩效评估中心、北京物资学院、北京邮电大学经济管理学院、北京软件和信息服务业协会、呼和浩特市互联网协会、中国国际经济咨询有限公司、四川省大数据发展研究会 编写人员 主编人： 张向宏、袁远、李振军、涂群、张茜茜 参编人： 杨文道、王旭东、王振、张震、翟爽、秦立都、朱建红（华为） 张真继、刘世峰、宫大庆（北京交通大学） 张闯（北京物资学院） 韦韬、刘前伟、潘无穷、李婷婷（蚂蚁密算） 王磊、童君、杨珍（零数科技） 刘博、陶立峰、周俊、张强、段平霞（安恒信息） 王仕品、刘军、王似巍（贵州省大数据产业集团） 晋梁昊（北京数据集团） 温天宁、叶航辉（北京大数据国际交易所） 王刚、吉日木图、王阳（内蒙古大数据公司） 云霄、许军毅（中国煤炭地质总局） 王芳、孙茂杰、徐发喜（南京钢铁集团有限公司） 陈军、纪昌秀、蔡文俊（苏州算力公司） 方树财、余祥臣、罗丽琪（东莞人工智能与数字集团） 谢辉、杨舒、周苏宁（横琴金融投资公司） 续新颖、于嘉南、郭静雯（江苏省数据交易所） iii 邓建平、李泉、王斌（成都数据集团）漆骏锋（四川省数据集团）黄健强、施幸汝、梁钰（海南数据公司）王震、陆斌霄、刘思佳（湖州数据集团）张少彤（清华大学公共管理学院未来政府治理中心）王理达（清华中国电子数据治理研究院）张影强（清华大学计算社会科学与国家治理实验室）徐克付、易典馨、孙震（北京大学大数据国家实验室）王友奎、易兰丽、魏娜（北京邮电大学经济管理学院）龙飞、郝峥嵘、刘莉（北京软件和信息服务业协会）张晓宇、陈浩（呼和浩特市互联网协会）秦强子、张锐（四川省大数据发展研究会）傅毅明、王隆泰、李虹霞（中国国际经济咨询有限公司） 目录 前言.............................................................................................................................xii 一、数据工厂新业态发展方兴未艾...............................................................................1 （一）人工智能已发展到奇点时刻...............................................................................1（二）面向人工智能的数智产业链已经形成...............................................................9（三）数智产业链还存在三个薄弱环节.....................................................................16（四）数据工厂是高质量数据集规模化生产的关键设施.........................................25 二、国内外数据工厂探索实践概况.............................................................................30 （一）国外典型数据工厂概述.....................................................................................30（二）国内典型数据工厂概述.....................................................................................42（三）国内外数据工厂发展现状总结.........................................................................62 三、数据工厂的涵义、类型和特点.............................................................................65 （一）数据工厂涵义.....................................................................................................65（二）数据工厂类型.....................................................................................................69（三）数据工厂特点.....................................................................................................73 四、数据工厂的构成、定位和功能.............................................................................77 （一）数据工厂及其构成.............................................................................................77（二）广义数据工厂及其构成.....................................................................................79（三）狭义数据工厂及其构成.....................................................................................83 五、数据工厂的建设、运营和部署...........................................................................105 （一）数据工厂的建设模式.......................................................................................105（二）数据工厂的运营机制.......................................................................................111（三）数据工厂的部署策略.......................................................................................114 六、发展数据工厂新业态政策建议...........................................................................118 （一）加快制定促进数据工厂发展政策...................................................................118（二）启动数据工厂相关标准研制...........................................................................120（三）突破数据工厂关键技术瓶颈...........................................................................122（四）加强数据工厂支撑平台建设...........................................................................124 图目录 vi图1：词元调用量爆发式增长...............................................................................................1图2：人工智能推理数据应用量首次超过训练数据应用量...............................................2图3：计算驱动成为数据生产的主要方式...........................................................................3图4：智能体流量超过了人类对HTML网页的访问流量.................................................4图5:从数据资源到高质量数据再到高质量数据集.............................................................6图6：面向人工智能体的数智产业链构成.........................................................................11图7：国家层面全面部署高质量数据集建设.....................................................................13图8：各行各业加快高质量数据集建设.............................................................................14图9：数智产业链存在三个薄弱环节.................................................................................17图10：数据“供不出”问题依旧突出...................................................................................18图11：数据“存不好”现象普遍存在...................................................................................19图12：高质量数据集“作坊式”生产效率低