袋鼠云发布《人工智能高质量数据集建设与应用实践白皮书》

  【天极网IT新闻频道】近日，国内企业级数据智能服务商袋鼠云在数贸会正式发布《人工智能高质量数据集建设与应用实践白皮书》。该白皮书由杭州师范大学大数据科学研究院指导、袋鼠云主编，系统梳理了人工智能高质量数据集的政策背景、建设方法、技术解决方案与行业应用实践，为企业构建面向AI时代的高质量数据供给体系提供参考。

  随着大模型、AI Agent等技术加速进入产业场景，高质量数据集正成为推动人工智能规模化落地的重要基础。当前，企业虽然积累了大量业务数据、专业文档、设备日志及图像视频等数据资源，但仍普遍面临多源数据分散、非结构化数据利用不足、行业知识难以沉淀、数据质量与模型需求不匹配等问题。

  白皮书指出，高质量数据集建设已不再是简单的数据清洗与整理，而是围绕模型训练、知识增强和智能应用开展的系统性数据工程。企业需要进一步将业务数据、行业知识、专业规则及专家经验转化为模型可理解、可学习、可调用的高质量数据资产。

  在建设方法方面，《人工智能高质量数据集建设与应用实践白皮书》提出覆盖“规、采、预、标、验”五大环节的全生命周期建设方法论。 从业务场景规划、多源数据采集、多模态数据预处理，到专业数据标注、模型效果验证，形成以业务需求为起点、以AI应用效果为检验标准的数据集建设闭环，推动高质量数据集持续更新与优化。

  在技术解决方案方面，袋鼠云已形成覆盖数据采集、加工、治理、标注、验证及AI应用的高质量数据集全链路建设能力。 依托多模态数据智能平台与数据治理技术积累，袋鼠云能够对结构化、半结构化及非结构化数据进行统一汇聚与处理，支持文档解析、OCR识别、语义切分、知识抽取、数据清洗、智能标注和模型验证等能力，并结合元数据管理、数据质量、数据安全和资产管理体系，帮助企业构建AI-Ready的高质量数据基础。

  与此同时，袋鼠云进一步将高质量数据集建设与数据智能、空间智能等应用方向结合。一方面，通过专业知识组织、业务语义关联与模型服务，支撑企业知识问答、智能分析、风险识别及业务智能体等应用;另一方面，将数据范围拓展至三维场景、空间对象及环境关系，为空间智能和具身智能的仿真训练与算法验证提供数据支撑。

  在行业实践方面，白皮书收录了装备制造、金融、医疗及智能巡检等领域的高质量数据集建设案例。其中，在某大型装备制造企业，围绕工艺知识与设计辅助、设备健康管理等业务场景，通过融合生产经营数据、设备时序数据、工艺图纸及技术文档，构建具有专业知识和业务语义的行业专识数据集，支撑工艺知识检索、设备异常分析和智能化应用。

  目前，袋鼠云已累计服务超过5000家企业客户，业务覆盖国央企集团、能源矿产、先进制造、水利水务、金融、港口交通等多个行业。此次《人工智能高质量数据集建设与应用实践白皮书》的发布，集中展示了袋鼠云在高质量数据集建设方法、技术解决方案及产业实践方面的积累。

  随着“人工智能+”行动持续深入，高质量数据集将成为连接企业数据资源与AI应用的重要桥梁。袋鼠云将持续深化多模态数据治理与高质量数据集建设能力，推动数据智能与空间智能融合发展，为企业人工智能规模化落地提供数据基础与技术支撑。