來自產(chǎn)業(yè)一線真題真做，專業(yè)賽事讓高質(zhì)量數(shù)據(jù)集變“資產(chǎn)”

4月24日，“數(shù)智未來”高質(zhì)量數(shù)據(jù)集開發(fā)者創(chuàng)新大賽成果發(fā)布會在南京市玄武區(qū)落幕。這場歷時5個月，吸引全國30余所高校、70余家企事業(yè)單位同臺競技的賽事，不僅決出了五大賽道的優(yōu)勝者，更折射出智能經(jīng)濟底層基礎(chǔ)設(shè)施高質(zhì)量數(shù)據(jù)集建設(shè)的真實圖景。

來自鋼鐵、能源管輸、衛(wèi)星遙感、工程機械和醫(yī)療的企業(yè)代表與投資機構(gòu)代表暢談高質(zhì)量數(shù)據(jù)集建設(shè)。

建設(shè)高質(zhì)量數(shù)據(jù)集面臨三大難點

“你有數(shù)據(jù)并不代表你有高質(zhì)量數(shù)據(jù)集。”國家管網(wǎng)集團西氣東輸分公司科技數(shù)字中心副主任占傳熙在圓桌論壇上直言，當(dāng)前他們在建設(shè)高質(zhì)量數(shù)據(jù)集時面臨三大難點。

首先是數(shù)據(jù)稀缺性。以焊縫缺陷數(shù)據(jù)為例，在管道建設(shè)中，有缺陷的焊縫比例可能只有千分之幾。“量少且分散，從項目上拿回來、再處理，成本極高。”占傳熙說。

難點還在于數(shù)據(jù)專業(yè)性不夠。焊縫底片的判讀需要專家具備多年經(jīng)驗，模型難以在短時間內(nèi)規(guī)模化復(fù)制。同時，還存在數(shù)據(jù)的泛化性不足問題?！笆澜缟蠜]有兩個一模一樣的缺陷。”占傳熙說，即便模型學(xué)習(xí)了上萬張樣本，到了真實場景仍需持續(xù)適配算法。

徐工集團全球數(shù)字化中心部長李忠福同樣深有感觸。他以挖掘機核心部件液壓泵為例，完整壽命約3000小時，但企業(yè)通常只關(guān)注最后“失效”的1小時?！皬?到100%的退化過程，數(shù)據(jù)分散在生產(chǎn)、服務(wù)、研發(fā)等不同部門，大家不好意思把‘不好’的數(shù)據(jù)拿出來，部門之間也存在壁壘?！崩钪腋Ｕf，這種數(shù)據(jù)孤島，讓建立完整的壽命預(yù)測曲線變得極其困難。

在衛(wèi)星遙感賽道，自然資源江蘇省衛(wèi)星應(yīng)用技術(shù)中心總工詹雅婷用一組數(shù)字說明了難度：280萬個樣本，其中200萬個用于變化檢測，標(biāo)注精度必須達到95%以上才能“好用、管用”?！懊刻煨l(wèi)星拍下海量影像，人工標(biāo)注幾無可能，必須用AI自動初篩再人工精修?！彼f。

產(chǎn)教融合打通“最后一公里”

正是這些真實痛點，催生了大賽的“真題真做”模式。5家鏈主企業(yè)把最難的場景、產(chǎn)線上的真實數(shù)據(jù)、最稀缺的樣本，毫無保留地開放給全國青年學(xué)子。

“我們希望通過大賽，把生產(chǎn)中的實際問題貢獻出來，與高校結(jié)合，獲得更多科產(chǎn)融合的機會?！敝行艛?shù)字科技集團戰(zhàn)略發(fā)展部總經(jīng)理錢衛(wèi)說。

產(chǎn)教融合在賽場內(nèi)外同時發(fā)生。北京傳世博潤科技有限公司高級副總裁袁立飛分享了一個細節(jié)：有個醫(yī)院團隊原本多人組隊，為符合大賽人數(shù)限制，拆分成3支，臨床、信息科、同位素科各一隊。他建議三隊保持交流，“高質(zhì)量數(shù)據(jù)集不是單一科室能完成的，需要多方智慧?！?/p>

更直觀的成果是人才對接。袁立飛說，大賽期間已有企業(yè)向優(yōu)秀學(xué)生發(fā)出實習(xí)和參與國家級項目的邀請?！皩W(xué)生拿了實習(xí)就業(yè)的機會，這是大賽最實在的價值?！?/p>

玄武區(qū)委書記閔一峰在致辭中表示，玄武區(qū)正全力建設(shè)國家級數(shù)據(jù)產(chǎn)業(yè)集聚區(qū)核心區(qū)，江蘇國際數(shù)據(jù)港一、二期超50萬平方米產(chǎn)業(yè)空間已投用，人工智能產(chǎn)業(yè)母基金落地，青年人才房票和超千套人才公寓為數(shù)據(jù)工匠“創(chuàng)業(yè)無憂、創(chuàng)新有成”提供保障。

中信數(shù)字科技集團有限公司牽手山東國家應(yīng)用數(shù)學(xué)中心，國家管網(wǎng)集團西氣東輸公司聯(lián)手寧夏大學(xué)前沿交叉學(xué)院開啟產(chǎn)教項目深度合作。

“持久戰(zhàn)”已進入攻堅階段

什么數(shù)據(jù)最“值錢”?南京市創(chuàng)新投資集團人工智能部投資總監(jiān)張?zhí)K榮從資本視角給出了判斷標(biāo)準(zhǔn)。“私域數(shù)據(jù)不出場、不出域，別人拿不到的最值錢。其次是場景數(shù)據(jù)，如電子病歷沉淀的診療記錄對醫(yī)藥研發(fā)有極高價值。還有能形成數(shù)據(jù)飛輪的高質(zhì)量標(biāo)注數(shù)據(jù)，以及剛需領(lǐng)域的科學(xué)數(shù)據(jù)?！?/p>

他用一個形象的比喻解釋高質(zhì)量數(shù)據(jù)集的價值層次：“從原始數(shù)據(jù)到可訓(xùn)練的語料，中間經(jīng)過清洗、標(biāo)注、校驗多道工序。如果數(shù)據(jù)泛化性好，就能從一次性買賣變成可重復(fù)使用的資產(chǎn)。”

大賽雖已收官，高質(zhì)量數(shù)據(jù)集的建設(shè)遠未結(jié)束?！斑@場大賽的舉辦，恰逢其時?！眹覕?shù)據(jù)發(fā)展研究院副院長袁軍透露，國家數(shù)據(jù)局管理的國家數(shù)據(jù)集管理服務(wù)平臺將于4月29日試運行，未來將持續(xù)完善標(biāo)準(zhǔn)與評測體系，構(gòu)建行業(yè)基準(zhǔn)模型與測試數(shù)據(jù)集。

“數(shù)據(jù)奔涌千帆競，智創(chuàng)未來萬象新。”閔一峰向全國數(shù)據(jù)英才發(fā)出邀約。而李忠福的期待更具體：“我們渴望建立工程機械核心部件從全新到失效的全生命周期數(shù)據(jù)集，讓每一臺設(shè)備都能‘預(yù)知’自己的健康度，讓客戶從買設(shè)備轉(zhuǎn)向買服務(wù)?！?/p>

高質(zhì)量數(shù)據(jù)集的建設(shè)是一場持久戰(zhàn)。這場大賽，讓產(chǎn)業(yè)界、學(xué)術(shù)界、資本界看到：真正的攻堅，已在產(chǎn)線上、在病房里、在衛(wèi)星遙感賽道悄然展開。

新華日報·財經(jīng)記者 何玥頤 何鈺