过去，数据是信息系统的“副产品”；现在，数据正在成为需要专门设施生产的“工业原料”。当全国11.6万个高质量数据集、960PB总规模背后的生产方式仍是“作坊式”时，一个名为“数据工厂”的新兴业态应运而生。这不是简单的产能扩张，而是一场从生产方式到产业形态的根本性变革——正如工业时代的水厂、电厂，数智时代正在诞生属于自己的“数据厂”。

2025年，国内AI推理数据量达101.34EB，首次超越98.14EB的训练数据量。AI已正式跨过学习阶段、步入规模化应用阶段。然而，支撑AI技术升级的高质量数据集依然匮乏。存量公域数据持续供给乏力，海量私域数据、非结构化数据、行业高端数据无法有效供给。
报告指出一个深层原因：生产方式滞后。当前大部分高质量数据集的生产仍处于“作坊式”阶段——零散式、非标化、由AI厂商自行构建，远远不能满足AI大模型应用对高质量数据集的需求。数据工厂作为高质量数据集规模化、设施化、标准化生产的新型业态，正是在这一背景下诞生。
数据工厂的诞生遵循了资源型基础设施的发展规律。纵观人类社会发展史，水、电、燃料等基础资源需要经过加工处理后才能被社会广泛使用，其规模化使用离不开资源型基础设施建设——水厂、电厂、炼油厂。在数智化新阶段，数据基础设施同样需要供给、流通、利用三个环节的协同布局。当前流通环节和利用环节已有进展，但供给环节——即高质量数据集的规模化生产设施——仍是薄弱环节，亟需突破。

面向人工智能的数智产业链已清晰成形。上游包括公域数据加工形成的通用高质量数据集及通用大模型；中上游包括各行业私域数据加工形成的行业通识高质量数据集及行业大模型；中下游是行业专识高质量数据集及两类智能体工具；下游是智能体在各行各业的应用；底座是全国一体化算力网。
数据工厂新业态正是嵌入这一产业链的核心供给环节。广义数据工厂包括国家数据基座（负责原始数据规模化储备）、国家数据工厂（负责加工为高质量数据集）和国家人工智能训练场（负责模型训练应用）三部分，形成完整的高质量数据集设施化供给闭环。
狭义数据工厂由储备车间、生产车间、中试车间三部分组成，覆盖数据从采集汇聚到深度加工再到模型验证的完整链条。这一业态的独特价值在于：它不再是传统企业的“副业”，也不再是AI企业不得不兼顾的非核心环节——数据是数据工厂的核心业务，高质量数据集是核心产品。

全球数据工厂新业态已形成三种典型模式。集中式数据工厂以帕西尼具身智能超级数据工厂、库帕思语料超级工厂为代表，将数据采集、加工与交付集中于同一物理空间，适合大规模标准化生产。帕西尼占地近12000平方米，部署150个标准化采集单元，年产近2亿条多模态训练数据。
半集中式数据工厂以美国Scale AI为代表。该公司通过Remotasks和Outlier等子平台，将数据标注业务分布部署到东南亚、非洲等多个区域，依托统一的数据标注引擎、模型评测工具和AI应用接口提供服务。其客户涵盖OpenAI、英伟达、Meta、微软及美国国防部。
分布式数据工厂以Palantir为代表。其Foundry平台通过Data Connection框架支持连接200多种数据源，在客户原有系统上就地完成批处理、流式处理及虚拟表查询，无需集中搬迁数据即可完成跨系统整合。
国内实践同样丰富多元。崖州湾国家实验室“繁|未来农业智能枢纽”面向农业育种领域，已上线8类数据库、3000+基因组。贵州主枢纽存力中心依托“东数西算”节点，存算用户90%以上来自省外。京津冀数据要素产业园人工智能数据工厂总投资2.6亿元，拥有100PB存力，3个月签约合同额突破2000万元。这些案例共同勾勒了数据工厂新业态的多元发展图景。

数据工厂新业态的建设和完善需要系统保障。报告提出了四个方面建议。
政策层面，建议加快出台《关于促进数据工厂新业态创新发展的指导意见》，明确数据工厂的功能定位、建设主体、运营模式和支持政策。同时加大数据资源供给，在政府采购中增列数据采购预算，建立行业数据汇聚激励机制。
标准层面，建议启动数据工厂相关标准研制，构建覆盖数据资源汇聚、数据集生产、质量评估、流通应用的全链条标准体系。重点包括《国家数据基座 行业数据资源汇聚目录规范》《国家数据工厂 参考架构标准》《高质量数据集 质量评估指标体系》等。
技术层面，建议突破非结构化数据采集技术、海量数据存储管理技术、智能化数据加工技术和数据集质量评估技术四大关键技术瓶颈。
平台层面，建议建设数据资源汇聚平台、数据集生产平台、统一数据流通基础设施和人工智能训练平台四大支撑平台，为数据工厂高效运转提供平台保障。
数据工厂新业态的全面起势，或许只是时间问题。