徐雷：以AI需求驱动数据资源建设

人工智能进化与数据表达：中文数据特性成关键突破口

先说一个核心判断：人工智能的进化，本质上和语言、文字以及数据的表达方式深度绑定。日前在四川自贡举行的“2026人民数据大会”上，上海市人工智能战略咨询专家委员会荣誉委员、上海交大讲席教授、欧洲科学院院士徐雷就特别点出了这一点——推进数据资源建设，得从AI的真正需求出发，尤其要重视中文数据的独特性、行业专业数据的价值，以及数据流通中的安全边界。

中文数据为何特殊？东西方文字底层逻辑大不同

为什么说中文数据特殊？徐雷教授对比了东西方文字的底层逻辑：西方拼音文字逐步抽象为符号语言、数学语言，再延伸到计算机语言，路径很直。但中文不一样，每个字本身就有形象结构，一个字往往同时包含符号、内容和意义。这种特点，对于AI的数据表达和模型训练，其实藏着不小的启发。

数据建设新思路：让中文语义结构融入模型训练

落实到数据建设上，现在处理中文数据时，普遍做法是先把它转成编码、token之类的中间形式。但如果能更进一步，把中文文字和语义结构的特质融入数据组织和模型处理过程，训练效果和应用落地可能会有明显提升。换句话说，数据工作不能只停留在传统大数据的思路上，得想清楚：这些数据能不能真正支撑模型训练、业务推理和实际任务？

专业数据才是AI落地的命门，安全边界需同步筑牢

另一个关键点在于——真正有价值的数据库，不在通用语料里，而在行业和专业场景中。徐雷指出，通用数据的重要性当然不可否认，但越往行业应用深处走，专业数据就越成为企业和行业的命门。这其实也给数据交易、共享和合作提了个醒：边界在哪里？

尤其是在智能设备、机器人等持续采集真实环境数据的场景里，数据采集、使用和流转过程中的风险防范必须跟上。推动数据要素流通、释放价值，既要看到行业专业数据对AI的支撑作用，也要守住安全的底线。

面向AI新阶段：数据建设应围绕模型、场景与产业需求

面向人工智能发展的新阶段，数据建设的方向已经很明确：围绕模型需求、场景需求和产业落地需求，在保障安全和权益的前提下，让高价值数据真正服务于AI创新。