先说一个核心判断：人工智能的演进，本质上与语言、文字以及数据表达方式紧密关联。近日在四川自贡举办的“2026人民数据大会”上，上海市人工智能战略咨询专家委员会荣誉委员、上海交大讲席教授、欧洲科学院院士徐雷特别强调——推进数据资源建设，必须从AI的真实需求出发，尤其要重视中文数据的独特属性、行业专业数据的核心价值，以及数据流通中的安全边界。

为什么中文数据如此特殊？徐雷教授对比了东西方文字的底层逻辑：西方拼音文字逐渐抽象为符号语言、数学语言，再延伸至计算机语言，路径十分直接。但中文截然不同，每个汉字本身具备形象结构，一个字往往同时承载符号、形态与意义。这种独特特性，对AI的数据表达和模型训练，其实蕴含着重要的启发价值。

落实到数据建设层面，当前处理中文数据时，普遍做法是先将其转换为编码、token等中间形态。但如果能够更进一步，把中文文字和语义结构的内在特质融入数据组织与模型处理过程，训练效果和实际应用落地有望得到显著提升。换言之，数据工作不能仅停留在传统大数据的思维框架里，而应深入思考：这些数据能否真正支撑模型训练、业务推理和实际任务？

另一个关键要点在于——真正高价值的数据库，并不在通用语料之中，而深藏于行业与专业场景之内。徐雷指出，通用数据的重要性固然不可否认，但越是深入行业应用，专业数据就越成为企业和产业的核心命门。这对数据交易、共享与合作提出了重要警示：安全边界究竟在哪里？

尤其是在智能设备、机器人等持续采集真实环境数据的应用场景中，数据采集、使用与流转环节的风险防范必须及时跟上。推动数据要素流通、释放数据价值，既要充分挖掘行业专业数据对AI的支撑作用，也要牢牢守住安全底线。

面向人工智能发展的新阶段，数据建设的方向已然明确：紧密围绕模型需求、场景需求与产业落地需求，在保障数据安全与权益的前提下，让高价值数据真正服务于AI创新。