在 AI 大模型的竞赛中，算力经常成为焦点，但另一个核心资源——数据——正在悄悄成为决定胜负的关键因素。据《纽约时报》报道，北京计划在 2028 年底前将中国打造成数据强国，希望借此缩小与美国在获取高质量 AI 训练数据方面的差距，在人工智能聊天机器人开发中拥有更大的话语权。
中国在数据资源上的策略有几个鲜明的特点。首先是规模优势：中国拥有全球最大的互联网用户群体，每天产生的数据量惊人。从社交媒体互动到电商交易记录，从交通监控到医疗记录，这些数据为 AI 训练提供了海量的原材料。但"量"不等于"质"，中文互联网上的高质量标注数据集仍然稀缺，这是中国数据战略要解决的核心问题。
其次是系统性建设。与美国的"市场驱动"模式不同，中国在数据领域的布局是政府主导的——从数据标注产业的扶持、语料库的建设，到数据交易市场的建立，形成了完整的产业链。多所大学和科研机构正在参与大规模中文数据集的建设，覆盖从医疗、法律到金融等专业领域。这种系统性的投入，在短期内可能效率不如市场驱动，但长期来看，一旦数据基础设施建成，迭代速度会非常快。
第三是数据主权的意识。中国越来越重视数据资源的自主可控，减少对海外数据源的依赖。这不仅涉及 AI 训练数据，还包括用户数据的跨境流动规则。这种"数据本地化"的趋势，正在重塑全球 AI 产业的数据供应链。
值得关注的是，中国在数据策略上有一个美国不具备的优势：公共数据的可及性。中国的政府部门和公共机构掌握着大量高质量数据——医疗记录、交通流量、气象数据、教育数据——这些数据在隐私保护的前提下可以被用于 AI 训练。相比之下，美国在公共数据开放方面受到更严格的法律限制和隐私争议。
对于 AI 行业来说，数据资源的竞争可能比算力竞争更加持久。芯片可以通过采购获得，但高质量的训练数据需要时间和制度建设来积累。中国在数据规模上有优势，在数据质量和标注精度上仍在追赶。这场"数据战争"的走向，将直接影响未来五年全球 AI 大模型的竞争格局。