来源 | 智合标准化建设
作者 | 智合标准中心
2026年8月27日，国家标准《人工智能 可信赖数据集》（GB/Z 237-2026）发布并实施，首次为AI数据集规定了可信赖的技术要求与对应的测试方法，适用于数据集开发方、使用方及第三方测评机构开展评估。数据集“可不可信”，从此有了国家级的评价依据。
但落实到企业的真实数据交易场景，问题产生了：
➤ 数据提供方的交付数据标准不统一，数据需求方难以核验数据的完整性与一致性；
➤ 质量评价缺乏适配目标训练任务的量化依据，数据检测方难以客观判定这批数据是否可用；
➤ 验收过程缺少抽样、存证与复检规则，一旦出现争议，双方各执一份报告，谁也说服不了谁。
拿到一份符合国标的评估报告，并不等于这批数据可以直接进训练——数据从"生产"到"可用"的最后一公里，亟待一套可操作、可验证、可追溯的规则体系。
基于此，由中国电子商会归口管理，智合标准中心组织编制的全国首部打通数据交付与模型训练的质量验收标准《人工智能训练数据集交付与质量验收规范》应运而生。这也是首个高质量数据集质量验收标准及AI训练数据集质量验收标准。
标准自启动以来，迅速吸引“数据生产—数据交付—模型训练—行业应用—专业支撑”全产业链多方力量加入，目前已聚集数十家单位共同参与标准编制工作。
部分起草单位（排序不分前后）
工业和信息化部威海电子信息技术综合研究中心
广西壮族自治区电子信息和网络安全测评研究院
广州数据交易所有限公司
贵阳大数据交易所有限责任公司
华北水利水电大学
陕西四维数邦科技有限公司
中国技术交易所有限公司
中国水利水电第十一工程局有限公司
贵州数据宝网络科技有限公司
上海赛陆生命科学有限公司
神州千里（南京）科技有限公司
上海泓明数智科技有限公司
南京炭合创新科技有限公司
浙江神汽智联科技有限公司
上海之合网络科技有限公司
北京之合网络科技有限公司
更多单位确认中……
本标准自2026年2月正式立项以来，已圆满完成框架研讨会、专家论证会等多轮研讨。在这一过程中，我们深度汇聚了数据服务、大模型研发、数据交易、行业应用及专业支撑等多方专家的前沿见解与实践经验。目前，标准编制组正结合各方意见反馈有序推进文本修订与征求意见稿编制，当前仍有最后参编机会。
本标准面向人工智能训练数据集商业交付场景，围绕“如何交付、如何验收、如何认定高质量、如何验证训练适配性”等核心问题，构建覆盖“交付准备—数据移交—质量验收—结果处置”全流程的规则体系，建立“技术交付层—质量证明层—训练适配层”三位一体的分层验收框架，为数据供应方、模型开发方、数据采购方及第三方验收机构提供统一参考依据。
标准核心亮点
构建“技术交付层—质量证明层—训练适配层”三层验收框架
将验收过程拆解为技术交付验收、质量验收、训练适配验收三大阶段，前一层强制门槛项不达标不进入下一层，以控制验收成本、避免无效投入，实现数据评价从“生产合规”向“训练适配”的跨越。
首创“质量基线约定机制”，验收阈值前置约定
供需双方在交付前共同协商确定各层验收指标的阈值、权重、否决项与条件项，使数据集验收不再事后纠纷，而是“事前约定、事中执行、事后判定”，大幅降低交付争议。
量化“基准指标+扩展指标”，实现可计算、可复现、可引用
所有指标均配备明确的计算公式、抽样规则与评分映射方法，并通过标准化试训练环境验证模型适配性，确保验收结果可复现、可复核。
锚定行业场景，明确“高质量数据集”判定条件
对接“数据要素×”重点行业场景，为工业制造、交通运输、金融服务、医疗健康等场景分别给出验收基线重点与关键否决项；“高质量数据集”判定为更高门槛结论，应在满足验收合格和质量等级要求的基础上，进一步满足高质量阈值及关键指标约束。
作为全国首部打通数据交付与模型训练的质量验收标准，编制工作自启动以来，得到了产业链上中下游核心参与方的积极响应。欢迎更多数据服务机构、数据标注平台、大模型研发企业、AI深度应用企业、数据交易所、第三方测评认证机构、律师事务所、高等院校及科研院所，以及关注AI训练数据集交付与质量验收的单位和专家参与标准共建，共同构建标准化、可验证、高质量的AI数据交付与验收生态。
标准起草单位、起草人征集工作即将截止
如您有意向加入，请扫描二维码填报信息
END