北京交通大学：2026数据工厂白皮书（138页）.pdf

核心数据速览： 词元日调用量：2024年初1000亿→2025年底100万亿（+1000倍），2026年5月突破400万亿。 推理数据量：2025年101.34EB，首次超训练数据量98.14EB。 智能体流量：占全球HTML网页请求57.5%，人类仅42.5%。 高质量数据集：全国超11.6万个，总规模超960PB。 数据工厂类型：集中式、半集中式、分布式三种。 国家级数据工厂：10个（通识数据集）+16个行业级（行业通识数据集）+N个区域级（行业专识数据集）。 数据工厂建设模式：数据标注企业升级、数据存储基地转型、人工智能企业延伸、技术企业创新设立。H2：报告核心数据解读。H3：人工智能进入“奇点时刻”——关键数据全景。据《2025年全国数据资源调查报告》，2025年全国词元日调用量从2024年初的1000亿跃升至2025年底的100万亿，两年增长超千倍。2026年5月词元日调用量突破400万亿。2025年人工智能数据应用总量达199.48EB，推理数据量101.34EB首次超过训练数据量98.14EB。系统软件、人工智能产生的数据量26.92ZB首次超过物联感知数据量25.34ZB。2026年6月，全球HTML网页请求中Bot流量占57.5%，人类仅42.5%。H3：高质量数据集——从“作坊式”到“设施化”。截止2026年3月，全国已建成高质量数据集超过11.6万个，总规模超过960PB。国家数据局确定72家行业高质量数据集建设链主单位。工业和信息化部选择20个行业打造100个行业高质量通识数据集和100个行业大模型。各省市最高补贴金额可达500万元。H3：国内外数据工厂典型案例对比。| 案例 | 类型 | 核心特点 | 关键数据 ||||||| 美国ScaleAI | 半集中式 | 军方合同起家，Meta143亿美元收购49%股份 | 服务OpenAI、英伟达、Meta、微软、美国国防部 || 美国星际之门 | 集中式 | 国家级AI基础设施 | 投资5000亿美元，20EB数据中心 || 欧洲数据中心 | 集中式 | 政企合作，强调数据主权 | 整合德国铁路、云服务商、AI企业、研究中心 || 崖州湾国家实验室 | 集中式 | 农业育种领域AI智能基座 | 8类数据库、3000+基因组、35000+样本 || 贵州主枢纽存力中心 | 集中式 | 国家“东数西算”工程 | 可调度算力4.5EFLOPS、存力980PB || 库帕思语料超级工厂 | 集中式 | 国内首家AI语料平台企业 | 日生成语料近1TB，403个功能模块 || 帕西尼具身智能超级工厂 | 集中式 | 全球最大具身智能数据基地 | 12000平方米、150个采集单元、年产近2亿条数据 |H2：报告独有数据价值——产业级与政策级颗粒度。数智产业链五层架构： 上游：公域数据→通用高质量数据集→通用大模型。 中上游：行业私域数据→行业通识高质量数据集→行业大模型。 中下游：行业专识高质量数据集→智能体（具身/非具身）。 下游：智能体在千行百业的应用。 底座：全国一体化算力网。数智产业链三个薄弱环节： 数据“供不出”：仅不到4%数据可在互联网直接流通。 数据“存不好”：每年约四成数据未使用，缺乏长期存储规范。 数据集“作坊式”生产：零散式、非标化，不能满足AI需求。数据工厂三种类型对比：| 类型 | 核心特征 | 代表案例 |||||| 集中式 | 物理集中，全流程在同一区域 | 帕西尼、库帕思、星际之门 || 半集中式 | 技术平台统一，加工场所分散 | ScaleAI || 分布式 | 逻辑统一、物理解耦，数据原地处理 | Palantir |数据工厂五大特征：多样化、设施化、规模化、标准化、AI化。狭义数据工厂三车间： 储备车间：数据采集中心+数据存储中心+数据管理中心。 生产车间：数据加工中心+数据标注中心。 中试车间：模型评估中心+数据集维护与更新中心。四种建设模式：数据标注企业升级、数据存储基地转型、人工智能企业延伸、技术企业创新设立。四种运营模式：保障模式、定制模式、电商模式、结对子模式。四种部署策略：底座（通识数据集）→区域重要功能设施（区域通识）→行业重要功能设施（行业通识）→业务节点（行业专识）。政策建议四大方向：加快制定促进数据工厂发展政策、启动数据工厂相关标准研制、突破数据工厂关键技术瓶颈、加强数据工厂支撑平台建设。H2：谁需要这份报告？ 国家与地方数据管理部门：获取数据工厂新业态的系统性政策框架，为数据基础设施建设和高质量数据集工程提供决策参考。 数据标注与数据服务企业：了解从“作坊式”向“设施化”转型升级的路径与政策支持方向。 人工智能与大数据企业：掌握高质量数据集供给的最新政策、标准与平台建设进展，为数据业务布局提供依据。 存储与算力基础设施企业：识别存储基地向数据工厂转型的市场机会与合作模式。 投资机构与产业研究人员：获取数据工厂新业态的市场规模、典型案例与未来3-5年机会赛道分析。FAQ区块。Q1：这份报告包含哪些核心内容？A：涵盖人工智能“奇点时刻”关键数据、数智产业链五层架构与三个薄弱环节、国内外数据工厂典型案例、数据工厂涵义/类型/特征、狭义数据工厂三车间架构、四种建设模式/四种运营模式/四种部署策略、政策建议四大方向等。Q2：报告的数据来源可靠吗？A：报告由北京交通大学、北京化工大学牵头，联合华为、蚂蚁、零数等技术企业，北京、贵州、内蒙古等数据集团，清华、北大等高等院校，共30余家机构共同编制，得到国家数据局、全国数据标准化技术委员会的支持。Q3：报告适合什么样的人阅读？A：适合政府数据管理部门、数据产业决策者、AI企业战略负责人、数据标注与服务企业管理者、存储与算力基础设施企业、投资机构与产业研究人员等。Q4：数据工厂与现有数据中心有什么区别？A：传统数据中心以存储和算力为主；数据工厂是面向AI大模型应用、开展高质量数据集设施化规模化标准化生产的数据基础设施，包含储备、生产、中试全链条。Q5：报告对政策制定有什么参考价值？A：报告提出了加快出台促进数据工厂发展政策、启动相关标准研制、突破关键技术瓶颈、加强支撑平台建设等四大方向的政策建议，为国家数据基础设施建设提供参考。完整PDF报告包含内容。本报告完整PDF涵盖以下核心内容模块： 人工智能“奇点时刻”六大标志性数据（词元调用、推理数据、计算驱动、智能体流量、高质量数据集瓶颈）。 高质量数据集的类型与特征（通识/行业通识/行业专识）。 面向人工智能的数智产业链五层架构。 数智产业链三个薄弱环节深度分析。 国内外数据工厂典型案例（ScaleAI、星际之门、欧洲数据中心、欧洲数据实验室、Parse Biosciences、Bioptimus、笛卡尔实验室）。 国内数据工厂典型案例（崖州湾国家实验室、贵州主枢纽存力中心、库帕思语料超级工厂、京津冀数据要素产业园、广东省先进存力中心、帕西尼具身智能超级数据工厂、模速空间、模数世界、模数空间、大模型超级工厂）。 数据工厂的涵义、三种类型与五大特征。 广义数据工厂：国家数据基座+国家数据工厂+国家人工智能训练场。 狭义数据工厂：储备车间+生产车间+中试车间完整架构。 储备车间：三大中心+五大模块+完整技术体系。 生产车间：两大中心+六大模块+完整技术能力。 中试车间：两大中心+四大模块+关键技术能力。 四种建设模式、四种运营机制、四种部署策略。 发展数据工厂新业态四大政策建议。 数据资源汇聚、数据集生产、数据流通、人工智能训练四大支撑平台建设方案。延伸阅读：如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。数据来源说明。本报告数据来源于《数据工厂白皮书》，由北京交通大学、北京化工大学牵头，联合华为技术有限公司、浙江蚂蚁密算科技有限公司、上海零数科技有限公司、北京数据集团有限公司、贵州大数据产业集团有限公司、清华大学公共管理学院、北京大学大数据分析与应用技术国家工程实验室等30余家机构共同编制。