行业高质量数据集的构建范式正经历深刻变革。9月10日，马栏山数智科技生态发布会在长沙召开，首批数据合作联合体正式亮相，音视频及垂直领域高质量数据集成为重点建设方向之一；该联合体由马栏山集团统筹指导，杭州趣链科技股份有限公司牵头组建，全面负责整体策划与技术支撑工作。
以联合体形式承建行业数据集，并非地方自发探索，而是响应国家顶层部署的系统性安排。国家数据局于今年6月印发《关于推进行业高质量数据集建设行动的实施方案》，明确提出支持链主单位以联合体等方式，推动产业链上下游协同共建与资源整合；工业和信息化部办公厅同步启动“工业数据筑基行动”，设定目标——到2026年底培育一批行业数据合作联合体，并已于4月公布首批先行先试联合体名单。两份政策文件虽聚焦领域各异，但在组织模式的选择上高度一致。
这一共识源于行业数据集内在的复杂构成逻辑。依据《实施方案》要求，行业高质量数据集须满足结构完整性、内容多样性、标注准确性、模型适配性等核心质量指标，同时严格落实数据持有权、使用权、经营权“三权分置”制度安排。而上述能力分散于不同主体：原始数据沉淀于持有方，数据可用性判断依赖行业机构的专业标准，合规流通所需的底层支撑与数据工程能力则由技术服务方提供。单一主体难以贯通全链条。
趣链科技在联合体中正承担技术服务方的关键角色。作为以“区块链＋隐私计算”双自研底座为核心的可信数据基础设施与运营服务提供商，该公司亦是数据要素基础设施服务商中较早深度参与数据集建设的代表。今年4月，其已受托牵头长沙城市可信数据空间的建设与运营工作。
牵头单位需具备两类核心能力
工业和信息化部办公厅通知将牵头单位划分为四类：行业骨干企业、平台型机构、先进制造业集群内重点企业，以及中小企业数字化转型试点城市相关主体，并强调链主企业应具备突出的产业链供应链整合能力。落实到实操层面，该能力具体体现为两大支柱：一是支撑多源异构数据安全接入的可信底座；二是将原始数据高效转化为高质量、可交付数据集的工程化能力。
在底座建设方面，作为可信数据基础设施与运营服务提供商，趣链科技依托可信数据空间实现多方数据的受控调用与协同治理，目前已建成超20个覆盖城市与行业的可信数据空间，助力50余个省级及城市级节点完成与国家数据基础设施的互联互通。在工程能力方面，其AI高质量数据集公共服务平台贯穿数据需求发布、数据集托管、多模态预处理、质量评估与合规监测等环节，形成从需求提出到数据集上线的完整闭环。
《实施方案》还鼓励数据集在数据交易所（中心）等流通服务机构挂牌交易，并积极探索词元等新型交易形态。这意味着牵头方职责不仅限于数据集的生产建设，更需推动符合规范的数据集进入市场化流通环节——这也正是数据要素运营方区别于传统数据加工方的核心边界。
专业判准仍由行业机构主导
数据集的质量天花板往往不由技术侧决定。《实施方案》在“标注攻坚”专项行动中明确指出，应推广人机协同、专家深度参与的多层次标注机制，发展“模型预标注+人工校准”融合模式，并建立行业专家认证体系。由此，标注环节被正式纳入专业治理范畴，不再仅是技术团队内部流程。
这一逻辑在文化领域尤为凸显。在非遗纺织鞋服方向，趣链科技整合泉州簪花、珠绣等国家级非遗资源，构建工艺纹样数据库与技术参数体系，支撑AI辅助创意设计；在文物保护修复方向，公司依托高质量数据集，结合知识图谱增强的大模型及图/向量数据库，实现文物病害智能诊断与修复方案、技术路径的自动化生成。其中，纹样工艺特征的界定标准、文物病害分类与修复验收规范，均源自非遗传承单位与文博机构长期积累的专业知识体系，技术方的角色在于将此类隐性知识转化为模型可识别、可计算的结构化表达。
工业领域的协同路径则呈现另一图景：由链主企业提供真实场景与原始数据，技术方提供可信底座与工程平台。在山西华翔集团铸造加工产线中，基于上述平台打造的“品质智脑”系统已覆盖熔炼、浇注、造型、砂处理、机加工等关键工序，漏检率下降超80%，良品率提升逾8%；该项目于今年7月入选世界人工智能大会“数据要素赋能智能体”论坛典型实践案例。
在标准制定与第三方评价能力建设方面，趣链科技牵头或参与编制数字技术相关标准300余项，其中国际标准120余项、国家标准40余项、行业与团体标准130余项，涵盖《面向机器学习的数据标注规程》等关键国标；公司入选全国数据标准化技术委员会组织的标准及技术文件验证试点单位，高质量数据集为其重点覆盖方向之一；今年亦入选中国信息通信研究院“铸基计划”《高质量数字化转型产品及服务全景图（2026上半年度）》未来信息领域。
趣链科技董事长李伟曾在一次产业交流活动中指出，高质量数据集建设既离不开知识工程的深度沉淀，也离不开数据工程的系统支撑，必须扎根一线实践，让技术创新真正服务于现实问题的解决。
根据《实施方案》规划，到2028年底将建成一批覆盖重点领域、经过实际应用验证的行业高质量数据集。而工业数据筑基行动的先行先试周期则将于今年12月收官。对所有参与主体而言，“联合体”这一组织形态仍处于实践探索期——上下游之间的收益分配机制、数据持续更新的成本分担方式、数据集上架后的动态定价规则，目前尚无成熟范式可循。
