国家数据局把数据标注试点从7城扩到39城：AI竞争开始争夺“高质量数据生产线”
摘要
国家数据局近日宣布，将在32个城市布局第二批数据标注先行先试工作。加上此前成都、沈阳、合肥、长沙、海口、保定、大同7个先行城市，全国开展数据标注先行先试的城市将达到39个，重点覆盖工业制造、医疗健康、交通运输、具身智能等领域。与此同时，国家数据局披露，截至2026年8月，全国已建成高质量数据集超过12.6万个、总体量超过1815PB，较今年一季度末增长超过89%。这一轮扩围值得产业界重视：数据标注正在从相对分散的数据加工服务，升级为支撑行业大模型、工业智能体、自动驾驶和具身智能的重要产业基础能力。未来稀缺的，将是能够围绕专业场景持续生产、评测、迭代高质量数据集的工程体系。
一、第二批一下增加32个城市，数据标注先行先试进入规模化阶段
8月29日，国家数据局官网转载央视新闻消息，明确国家数据局将在32个城市布局第二批数据标注先行先试工作。
这次扩围的幅度很大。此前国家数据局确定的首批7个数据标注基地分别位于成都、沈阳、合肥、长沙、海口、保定和大同。新一批32个城市加入后，全国开展相关先行先试的城市总数将达到39个。
官方同时给出了几个重点行业：工业制造、医疗健康、交通运输、具身智能。
这几个行业有一个共同特点——数据量大、专业门槛高、场景差异明显，而且大量原始数据无法直接用于模型训练。工业领域的设备振动、工艺参数、缺陷图片、三维模型、仿真结果，需要结合工程知识进行清洗和标注；医疗影像需要专业医生参与；自动驾驶依赖图像、视频、点云、道路环境和时序数据；具身智能还需要大量动作、运动控制、多模态感知、仿真场景和人类行为数据。
因此，新一轮数据标注试点的产业意义已经超出传统“外包打标签”，它更接近一套AI数据生产基础设施。
二、国家政策主线已经很清楚：数据标注要进入“数据集—模型—场景”闭环
数据标注在国家政策体系中的位置，过去两年明显上升。
2025年1月，国家发展改革委、国家数据局、财政部、人力资源社会保障部联合发布《关于促进数据标注产业高质量发展的实施意见》，首次从国家层面对数据标注产业进行系统谋划。
文件提出，到2027年，数据标注产业专业化、智能化和科技创新能力显著提升，产业规模大幅跃升，年均复合增长率超过20%，建设一批成效明显、特色鲜明的数据标注基地。
政策同时提出释放公共数据标注需求，在现代农业、智能制造、信息服务等领域挖掘需求；支持政务大模型所需数据标注和训练；推动数据标注服务纳入政府采购范围；加快数据标注关键设备、标准和人才体系建设。
2025年7月，国家数据局进一步提出，要打造“数据标注+高质量数据集+模型+应用场景+市场化价值化”的闭环生态。
到2026年，这条路线已经逐步从政策设计进入规模部署。第二批32个城市的扩围，就是一个非常明确的实施信号。
三、12.6万个高质量数据集背后，AI基础设施正在发生变化
国家数据局8月29日公布的另一组数字更值得关注。
截至2026年8月，全国已经建成高质量数据集超过12.6万个，总体量超过1815PB，较今年一季度末增长超过89%。国家数据集管理服务系统今年4月上线后，已经发布数据集超过1700个。
这说明AI基础设施的建设重点正在扩展。
过去几年行业讨论基础设施，注意力主要集中在GPU、智算中心、网络和大模型平台。随着模型能力逐渐成熟，越来越多企业发现，行业模型效果的瓶颈往往并不完全来自算力，而来自数据。
制造企业尤其明显。企业可能积累了十几年设备数据、质量数据、图纸、工艺文件、维修记录和生产报表，但这些数据分散在MES、PLM、ERP、SCADA、文件服务器甚至个人电脑中。
把这些数据直接交给大模型，价值有限。需要完成数据分类、脱敏、清洗、知识结构化、标签设计、质量检测、版本管理，再通过实际任务验证数据集是否能够提升模型效果。
高质量数据集由此变成一种新的工程资产。
四、工业数据标注最有价值的部分，是把工程师经验转成机器可以学习的结构
对于工业企业来说，数据标注很容易被理解成机器视觉中的“画框”。
实际价值远不止这一层。
以设备运维为例，一段轴承振动波形本身只是时间序列。要训练故障诊断模型，需要进一步标记设备类型、转速、负载、故障位置、故障等级、维护记录和最终检修结果。
在质量检测中，一张缺陷照片除了标记缺陷位置，还需要定义缺陷类别、尺寸、成因、是否影响性能、如何返工。
在CAD/CAE场景中，零部件几何模型还可以关联材料、载荷、边界条件、网格、求解结果和设计规则。
这些工作实际上是在把工程师长期积累的know-how转换成机器可学习的数据结构。
因此，工业数据标注产业未来会出现明显分层。基础标注越来越容易自动化，甚至直接由大模型和视觉模型完成初步处理；高价值环节会向专业知识标注、复杂多模态标注、质量评测、数据合成和数据集持续运营迁移。
真正有壁垒的企业，需要同时理解行业和AI。
五、具身智能可能成为这一轮数据产业扩张的重要增量
国家数据局此次明确把具身智能列入第二批先行先试重点领域。
具身智能对数据的需求，与传统互联网大模型差异很大。机器人需要处理图像、深度信息、力觉、触觉、关节状态、动作轨迹、环境状态等多种数据。
训练一个机器人抓取物体，需要记录它看到了什么、机械臂如何运动、夹爪什么时候闭合、用了多大力量、抓取是否成功，以及失败发生在哪里。
如果进一步训练通用机器人，还需要大量不同环境、不同任务、不同物体的数据。真实世界采集成本很高，因此仿真数据和合成数据会越来越重要。
这也意味着，机器人数据公司未来可能同时具备几种能力：真实场景采集、机器人遥操作、动作数据标注、仿真场景生成、数字资产制作、数据质量评估，以及数据集与模型训练效果验证。
从深圳等地已经发布的具身智能相关政策看，动作数据、多模态数据和仿真场景已经开始进入具体财政支持规则。国家数据局把具身智能纳入数据标注先行先试，也进一步确认了这一方向的产业价值。
六、数据标注产业自身也在升级：人工标注会减少，专家和Agent参与会增加
过去的数据标注产业高度依赖人工，这一模式正在变化。
视觉模型已经能够自动完成目标检测和初步框选，大模型可以辅助文本分类、知识抽取和问答数据生成，多模态模型可以生成初始标签，再由人工审核。
今后的典型流程可能变成：模型先标注，人工复核；普通标注员处理通用任务，行业专家处理复杂样本；真实数据和合成数据共同构建训练集；数据集进入模型训练后，根据模型错误继续反向补充数据。
这是一套持续迭代的“数据闭环”。
武汉在入选第二批智慧交通数据标注先行先试后，就公开提出，要推动数据标注从“以人为主”向“人机协同、专家深度参与”的多层次模式转型，并围绕“试技术、试数据、试场景、试标准”推进建设。
这类思路很可能会成为第二批城市探索的重点。
七、对企业来说，新的机会在哪里
第一类机会是行业高质量数据集建设。制造、能源、交通、医疗、机器人等行业都有大量原始数据，但真正可用于模型训练的数据仍然稀缺。具备数据治理、行业知识和模型能力的企业，可以从一次性数据处理转向持续建设行业数据资产。
第二类机会是数据标注工具。自动标注、智能质检、数据去重、异常检测、合成数据、数据集版本管理、数据血缘和评测工具，会成为新的软件市场。
第三类机会是工业知识工程。很多工业数据必须由工程师参与定义标签体系。能够把专家知识、规则、知识图谱和数据标注流程结合起来的平台，更适合工业大模型和工业智能体。
第四类机会是具身智能数据服务。遥操作采集、动作数据、多模态数据、仿真环境、数字资产模型会持续增加需求。
第五类机会是数据合规和可信流通。医疗、工业、交通等数据普遍具有敏感性。数据脱敏、可信数据空间、隐私计算、授权管理、数据合规评估会成为数据集建设的必要环节。
第六类机会是数据集评测。未来企业采购数据集，不会只关心“多少TB”，还会关心数据能让模型提升多少。能够建立模型效果与数据质量之间评测体系的公司，会获得更高价值。
八、一个容易被忽略的变化：数据企业开始从“卖数据”走向“卖模型效果”
2026中国国际大数据产业博览会发布的《中国数据产业发展报告（2026）》显示，2025年我国数据产业规模达到6.78万亿元，同比增长15.7%，数据企业数量达到48.2万家。
报告同时判断，词元服务、智能体创新、AI原生数据技术和合成数据将成为重要发展方向。
这意味着数据公司的商业模式正在变化。过去数据企业通常按照数据量、数据条数或者项目工作量收费。以后更有价值的服务，可能按照训练效果、模型准确率、场景成功率或者持续调用效果定价。
例如，一个工业缺陷数据集如果可以把视觉质检漏检率明显降低，它的价值显然不能简单按照图片数量计算。一个机器人动作数据集，如果能够显著提高某类抓取任务的成功率，也会形成完全不同的定价逻辑。
数据与模型之间的价值关系，会越来越紧密。
九、风险同样值得提前看
第一是数据合规。工业数据可能涉及商业秘密，交通数据涉及地理信息和安全，医疗数据涉及敏感个人信息。数据进入标注和模型训练流程以后，采集、授权、存储、处理、传输都需要明确边界。
第二是低端产能扩张。39个城市开展先行先试后，地方可能出现大量数据标注基地。如果仍然停留在低技能人工标注，很容易陷入价格竞争。
第三是“建数据集”与“模型有用”之间存在距离。数据量大并不等于数据质量高，真正的高质量数据集需要经过模型训练和实际场景验证。
第四是行业专家成本高。工业、医疗、科研等领域的数据需要专业人员参与，如何把专家经验转化成标准化、可复制的数据生产流程，是企业必须解决的问题。
第五是合成数据质量。合成数据能够降低采集成本，但如果模型生成的数据存在偏差，训练结果可能进一步放大偏差。合成数据仍然需要真实数据校验和质量评测。
十、从39个城市往后看，AI产业开始形成新的区域竞争力
第二批数据标注先行先试扩围到32个城市之后，全国相关城市达到39个，这意味着数据供给能力开始进入地方人工智能产业竞争。
过去一个城市发展AI，经常看三个条件：有没有算力、有没有模型公司、有没有应用场景。
现在还要增加一个条件：有没有持续生产高质量行业数据的能力。
算力可以买，模型可以调用，行业数据却高度依赖本地产业和真实场景。制造业城市拥有设备和工艺数据，汽车产业城市拥有智能驾驶和道路数据，医疗资源集中的城市拥有医疗数据，机器人产业集聚区拥有动作和具身数据。
数据标注先行先试的价值，就在于把这些原来散落在产业中的数据资源，逐步转化成可以支撑模型训练和行业智能化的数据资产。
对工业智能企业来说，这也是一个很实际的信号。未来工业智能体的竞争，会越来越靠近“高质量数据集+行业知识+模型+工具链+真实场景”的组合能力。
参考来源
-
国家数据局：《央视新闻｜国家数据局：在32个城市布局新一批数据标注先行先试》，发布日期：2026年8月29日。
https://www.nda.gov.cn/sjj/swdt/mtsy/0829/20260829095640662031992_pc.html -
国家数据局：《央视新闻｜国家数据局：全国已建成高质量数据集超12.6万个》，发布日期：2026年8月29日。
https://www.nda.gov.cn/sjj/swdt/mtsy/0829/20260829095557774013837_pc.html -
国家数据局：《中国数据产业发展报告（2026）在数博会主论坛发布》，发布日期：2026年8月28日。
https://www.nda.gov.cn/sjj/zhuanti/ztdsjblh/ztxwfb/0828/20260828233336307959824_pc.html -
国家发展改革委、国家数据局、财政部、人力资源社会保障部：《关于促进数据标注产业高质量发展的实施意见》，发布日期：2025年1月13日。
https://www.nda.gov.cn/sjj/zwgk/zcfb/0113/20250113101518513076594_mobile.html