新聞資訊
海量資訊實時呈現
構建高質量數據集,夯實行業模型底座
2026-05-14
兩部門聯合印發的2026年“模數共振”行動通知明確提出,面向鋼鐵、汽車、醫藥等20個重點行業,分行業梳理數據資源,通過數據標注、知識工程等手段,提煉形成行業通識高質量數據集,并聚焦高價值場景構建行業專識高質量數據集。到2026年底,基本形成“數據—模型—場景應用”良性互促的循環,推動人工智能高水平賦能新型工業化。
然而,現實卻是海量異構的圖像、文本、音視頻等多模態數據分散于各類系統中,結構化數據存于數據倉庫,非結構化數據堆積在對象存儲,面向AI的向量數據又依賴專門的向量數據庫。這種割裂的存儲方式造成數據冗余、架構復雜、協同效率低下,各類數據之間難以流動與融合,形成牢固的“數據孤島”,嚴重制約了AI應用的快速開發與迭代。
那么,高質量數據集從何而來?三維天地從三個維度給出了答案。
一、核心方法:數據治理三階五步法
高質量數據集的構建,首先需要一套完整的方法。三維天地深耕數據資產管理領域多年,提出“數據治理三階五步法”,通過“盤、規、管、建、用”實現全域數據資產的可見、可控、可用、可信。
“盤”,是摸清家底,將分散于各系統的數據資源系統清查;“規”,是統一標準,破除各系統間的數據煙囪;“管”,是精細管控,實現數據全生命周期管理;“建”,是加工提煉,將原始數據轉化為可用的高質量數據集;“用”,是賦能場景,讓數據真正驅動業務決策。這一框架涵蓋從戰略解讀、數據規范定義、清洗加工到應用運營的全生命周期管理,是各重點行業構建高質量數據集的“路線圖”。
二、技術基座:多模態數據湖SW-DBLake
有了清晰的方法,還需要堅實的技術基座。2026年初,三維天地正式發布顛覆性的多模態數據湖產品——SW-DBLake,定位于AI時代面向多模態數據的統一治理底座,支撐全量數據分析與價值挖掘。
SW-DBLake以四大技術突破實現高質量數據集建設能力的體系化躍升。
第一,統一存儲,終結數據碎片化。以Apache Lance為核心,原生支持向量數據與標量數據的統一存儲,圖片、文檔、視頻及其對應的向量化特征可作為整體無縫共存與管理。無需在對象存儲、數據湖和向量數據庫間來回搬運,數據一致性問題迎刃而解,存儲與管理成本大幅降低。
第二,端到端多模態處理鏈路。從多樣的數據源接入到批量導入或實時流式寫入,無論圖像、文本、音頻、視頻,均可輕松應對。內置強大的數據處理引擎,完成格式解析、元數據提取、質量清洗等任務,為后續AI就緒打下堅實基礎。
第三,AI原生設計,開箱即用。深度融入AI基因,內置多模態特征提取與向量化能力,自動將各類內容轉化為高維向量。無需額外構建復雜的特征工程管道,即可高效支撐RAG檢索增強生成、多模態相似性搜索、智能分類等前沿場景。
第四,統一查詢服務,簡化開發。允許通過單一API或SQL語句執行標量過濾與向量檢索相結合的混合查詢,如“從歷史汽車故障視頻中,找出與某零部件視覺上最相似的片段”,這極大地簡化了應用開發復雜度,讓開發團隊能快速構建體驗卓越的智能應用。
三、能力積淀:多維數據模型與標準體系
三維天地在數據資產管理領域還形成了產品質量、計量、標準、檢驗檢測、認證認可等5大類數十種數據模型,覆蓋質量基礎設施的核心維度。這些模型是各重點行業構建通識與專識數據集的“通用語言”,能夠大幅降低數據集構建的標準化成本。
公司深耕數據領域多年,在該領域取得發明專利40余項、軟件著作權70余項,牽頭或深度參與多部專著及藍、白皮書;今年以來,進一步參與《高質量數據集 數據采集技術要求》《高質量數據集 數據清洗技術要求》《高質量數據集 數據標注產業 識別及分級分類》《藥品高質量數據集 建設指南》《知識數據質量評估要求》等5項與高質量數據集密切相關的國家標準研制,這些都為高質量數據集建設持續注入動能。
在“模數共振”行動全面推進之際,三維天地正以清晰的治理方法、強大的技術基座和深厚的行業積淀,為20個重點行業的高質量數據集建設提供堅實支撐,夯實行業模型的底層根基,助力“數據—模型—場景應用”良性互促循環加速形成。
構建高質量數據集,從三維天地開始。
供應鏈與云服務
關注我們
Copyright ? 2022 北京三維天地科技股份有限公司,All rights reserved. 京ICP備10208408號-2
京公網安備 11010602103901號







股票代碼:301159.SZ