12月13日，在“2026中国信通院深度观察报告会”上，中国信息通信研究院云计算与大数据研究所所长何宝宏就面向AI的数据发展分享了自身思考和见解。

数据的规模、质量决定大模型的上限

谈及在AI大模型发展中，数据扮演的角色，何宝宏分别从AI和数据的发展两个角度进行了解答。他表示，早期的人工智能是基于规则，和数据关系不大；而这一波以大模型为代表的人工智能，数据扮演着非常核心的角色。

从数据的角度来看，大数据上一波的核心驱动主要是推荐算法，典型的应用包括一些用户画像，风险控制、市场获客等；而这一波数据的热潮主要是以人工智能驱动，可以说数据在这一波人工智能大模型的发展中，起着非常核心的作用。“数据的规模、数据的质量决定着大模型的上限，所以能看到数据是重中之重。”

人工智能发展对数据提出新的需求和挑战

2025年以来，人工智能的发展呈现出一些新特征，对数据也提出了一些新需求。比如语言大模型，它的边际效应递减已经非常明显，所以语言大模型要进一步提高它的能力，就需要更高质量的数据。另外一方面，除了语言大模型，越来越多的关注点开始转向了多模态，无论是对语言大模型的持续优化，还是对多模态模型等数据都提出了一些新的需求、新的挑战。

何宝宏指出，为了进一步提高语言大模型的能力，就需要发展更高质量、覆盖范围更广的数据。为了提升语言大模型推理能力，围绕推理甚至应用如Agent等，需要结合场景和应用等一些私域的、行业的、专有的数据。对于多模态大模型的发展来说，就不能仅仅只有文字类，还需要音频、视频等，这些数据如何对齐，在数据发展中也提出新的需求和挑战。

数据技术正以体系化的方式发生巨大变革

在何宝宏看来，为应对这些新需求、新挑战，数据技术正以体系化的方式发生巨大变革。

具体来看，一方面，现有数据体系需面向人工智能进行定制化转型与适配。以数据治理为例，以往通用的治理模式，如今需结合人工智能的专用场景进行调整优化；即便是已有的DataOps体系，也需要衍生出面向AI的专属分支（DataOps For AI），重点推进数据安全治理等相关工作，本质上是现有数据领域工作向AI适配的转型。

另一方面，人工智能的发展也催生了数据领域的新情况、新问题，这是以往未曾出现的。当前这一波人工智能以生成式AI为核心，其生成的结果本身也属于数据范畴。随着近年来生成式AI的快速迭代，如今的数据格局已发生改变——人类产生的数据、传统互联网数据与AI合成/生成的数据日益交融，难以精准区分。后续，如何应对AI合成数据带来的挑战，尤其是如何规范AI合成数据在模型训练与迭代中的应用，已成为数据领域亟待解决的新课题。

何宝宏进一步讲到：“除了数据资源层面的变化，数据技术层面也需同步迭代升级。”受上述数据资源体系变革的驱动，数据技术正迎来一系列新调整：在数据存算领域，宏观层面上存算架构逐步向分布式、存算分离的方向发展，而面向本地或就近数据处理的需求，近存计算模式也愈发重要；同时，由于数据体量激增，需根据数据“温度”（热数据、温数据、冷数据）进行分级存储，对应的存储介质也需随之优化。在数据库技术领域，人工智能的发展同样提出了新要求——随着AI向多模态方向演进，传统单模态数据库已显现出效率偏低、成本偏高的问题，因此向量数据库、多模态数据库成为技术升级的重要方向。

最后，何宝宏强调，受人工智能技术发展的驱动，当前数据技术正经历全方位的巨大变革，其核心目标是实现数智深度融合。