《实施方案》的总体目标是，到 2028 年底，建成一批覆盖重点领域、经过应用验证的行业高质量数据集，打造一批数据驱动人工智能创新发展的典型应用场景，培育一批具备领先优势的创新型数据企业和专业人才，形成一批行业高质量数据集建设工具和标准。
具体措施包括：围绕行业高质量数据集供给、流通、应用等关键环节，部署六大专项行动，提出面向人工智能应用需求，持续推进文本、图像、音视频等多模态高质量数据集建设；聚焦智能体、具身智能和世界模型等重点方向，要求加快推进数据集建设；引导具备条件的地区因地制宜开展数据标注创新试验区建设。
高质量数据集的严重匮乏，已成为制约物理 AI 及其衍生的智能体、具身智能和世界模型等前沿领域发展的核心瓶颈。
在 2026 年世界智能产业博览会上，国家数据局局长刘烈宏明确指出："高质量数据集是具身智能‘感知 - 决策 - 执行’的重要基础。" 据《科创板日报》此前报道，具身智能领域多个投资者表示，当下具身发展的核心瓶颈就是数据。高质量数据的规模化生产能力，就是这个赛道的 " 石油 "，" 具身数据有着特殊的技术要求，现有民用数据无法复用。例如抓取水杯，机器人无法自主判断握持力度，极易滑落。高精度、第一视角、多维度的具身数据极度稀缺。"
上述判断与 "AI 教母 " 李飞飞的观点高度契合。从当年的 ImageNet 到如今的 WorldLabs，李飞飞始终强调数据集的大小决定了智能的程度，她曾在访谈中明确表示，现在，数据可能又成为发展世界模型一个特别特别难的问题，" 数据与算法平等重要。"
在 2026 年 2 月思科 AI 峰会上，李飞飞直言，物理世界 AI 发展滞后于语言模型，核心瓶颈在于数据信噪比——文本数据语义清晰、易获取，而物理世界的像素、体素数据充满噪声，且 3D、4D 维度的高质量数据极度稀缺。在接受 a16z 的访谈中，她进一步指出，AI 进步的核心限制从来不是算力或算法，而是高质量、多模态、符合物理一致性的数据，这一结论从 ImageNet 时代延续至今，在世界模型研发阶段更为凸显。
今年以来，高质量数据集领域新动向颇多。
4 月 15 日，国家数据局发布《关于推进行业高质量数据集建设行动的实施方案（征求意见稿）》，向社会公开征求意见。工业和信息化部、国家数据局近期联合印发《关于联合实施 2026 年 " 模数共振 " 行动的通知》，推动人工智能模型与数据资源协同互促、同频共振，并提出到 2026 年底，基本形成 " 数据 - 模型 - 场景应用 " 良性互促的循环，推动人工智能高水平赋能新型工业化。
行业平台层面，4 月 29 日，国家数据集管理服务平台发布并启动试运行，提供覆盖数据集全生命周期的公共服务能力。截至 5 月 31 日，已认证机构 516 家，发布数据集 1350 个，覆盖农业、工业制造、交通、文旅等重点领域。
截至今年一季度，全国已建成高质量数据集超过 11.6 万个，总体量超过 960PB。截至今年 3 月，我国日均词元调用量已超过 140 万亿。
