12月11日，由北京市通州区人民政府主办，通州区经济和信息化局、通州区台湖镇人民政府承办的第二届ADD数据应用场景大会在台湖隆重举行。本届大会以“AI推动进化，数据定义未来”为主题，汇聚了来自政、产、学、研、投各界的数百位领军人物。
在大会的台湖会客厅环节，百分点科技总裁高体伟、数据堂首席运营官何鸿凌、合合信息智能解决方案事业部总经理李明、天娱数科首席数据官吴邦毅、云迹科技副总裁谢云鹏，由创业邦副主编主持，围绕《AI重塑产业场景，数据赋能智创未来》展开主题对话，现场金句频出：
1. 当前最大的挑战不再是“有没有模型”，而是“有没有好用的数据”。如何将企业杂乱无章的原始数据，转化为大模型可用的高质量养料，成为关键。
2. AI数据需求正从过去通用化的、用于训练基础模型的需求，变得越来越专业化，聚焦于垂直行业的深度训练。
3. 推动具身智能与空间智能发展的核心，在于推动数据本身的发展。在未来很长一段时间里，数据都将是不可或缺的基石，它属于新一代的基础设施建设。
以下为现场对话内容，经创业邦整理后发布：
主持人：今年有一个普遍共识，就是大模型和AI技术正在“脱虚向实”，进入产业深水区。请大家结合自己的业务，聊聊在2025年，各位看到的AI创新应用具体有哪些？同时，又面临哪些实际挑战？
高体伟：主持人刚才提到的两个关键词“脱虚向实”和“深化应用”，我深有感触。今年大模型发展的关键，已从追求参数规模转向了场景的深化——而深化的核心在于数据。数据已从过去的配角，变成了今天这场战役的主角。
因此，当前最大的挑战不再是“有没有模型”，而是“有没有好用的数据”。如何将企业杂乱无章的原始数据，转化为大模型可用的高质量养料，成为关键。这也是我们百分点科技重点投入的方向。我们把服务上千家客户积累的数据治理经验与工程师知识，沉淀进我们自研的大模型，目标是用AI技术来生产AI所需的高质量数据。通过构建对话式数据治理体系，或者说AI数据治理团队，在杂乱数据和模型所需的高质量数据之间，搭建起一条智能化的管线，从而系统化地应对这一挑战。
何鸿凌：我们公司主要为AI企业提供服务。从我的观察来看，今年一个明显的趋势是：AI数据需求正从过去通用化的、用于训练基础模型的需求，变得越来越专业化，聚焦于垂直行业的深度训练。
以前，大量的需求还是通用性的，比如语言、图像数据，行业属性不强。但从去年底开始，大家已不满足于通用领域，开始向高阶和专业化演进。比如，以前做试题数据，可能K12级别的就足够了；而今年，需求已经上升到大学、研究生乃至竞赛级别的语数英、物理化学试题。
但这仍属于服务基础模型的范畴，真正的挑战在今年下半年。随着AI“脱虚向实”和在各行业深度落地，它已不仅仅依赖基础模型的通用能力。因此，我们现在面临的是高度垂直、甚至冷僻的专业数据需求。例如，工业领域的稀土加工、航天领域的控制与调度，或者化学领域中非常细分的“地球生物化学”数据。
这种趋势对AI发展是好事，但对数据供给方却是巨大挑战——它意味着数据的稀缺性，以及能生产这类数据的专业人才的稀缺性。如何获取和构建这些高质量、高专业度的数据集，是我们当前必须应对的难题。
李明：作为一家多模态文本智能技术厂商，我们核心的AI OCR技术正在帮助各行各业走向数字化、实现AI Agent的场景落地。在服务超过1000家企业数字化转型的过程中，我深刻感受到：全面拥抱数字化与AI，已成为企业提升未来竞争力的必经之路。
但在落地过程中，企业普遍面临一个关键问题：尽管数据很多，可用数据的比例却不高。这往往是因为数据结构化不足、准确性不够、标准化不统一。我们正通过AI OCR能力，有效帮助客户解决多模态数据与数据结构化的难题。
除了技术问题，企业还面临政策合规的挑战，比如数据隐私保护和跨境流通限制；以及内部组织架构的阻碍——缺乏统筹数字化建设的核心负责人，数据分散在不同部门，“部门墙”现象严重。这些内外部因素都给数字化落地带来很大困难。
作为科技公司，我们始终在利用AI能力，持续帮助企业应对这些挑战，推动数字化真正落到实处。
吴邦毅：今天我想分享一个核心思考：AI，包括今年很热的具身智能，究竟在我们的生活中扮演什么角色？大家应该都有体会，早期的AI或具身智能主要替代重复性劳动；而现在，随着智能化提升和数据量增长，AI已成为我们日常决策的伙伴。不过即便如此，它依然处于被动状态——需要我们去主动提问。
所以下一阶段的关键是，让AI（无论是具身智能还是其他形式）能够主动感知世界、主动为我们解决问题。这就回溯到了数据问题上。
我们一直在做空间智能大模型，目标是让机器人更智能地理解物理世界。我之前与斯坦福的李飞飞博士探讨过：如何让AGI真正实现工业化、进入家庭？这需要一个递进的过程。要实现AGI工业化，就必须有空间智能大模型的支持。
目前主流的大模型仍以文本为主，其数据规模大约在50-100T，已基本涵盖人类文字数据。但这个量级远远不足以支撑具身智能和空间智能的发展。要让空间智能大模型变得更智能，必须依赖丰富的多模态数据——不仅是文本和语音，还包括视频、空间和3D数据等，这些都至关重要。
因此，推动具身智能与空间智能发展的核心，在于推动数据本身的发展。在未来很长一段时间里，数据都将是不可或缺的基石，它属于新一代的基础设施建设。
谢云鹏：今年大家都在思考：具身智能在具体场景中究竟能创造什么价值？从我们云迹做服务机器人多年的经验来看，这个价值最终要落在“服务”两个字上。
那么，什么是好的服务？是无微不至，还是保持距离？其实并没有统一标准。我们认为，真正好的服务，是懂你的服务——它能在千人千面的情况下，理解每个人的真实状态与需求，并提供相应服务。
过去十年，我们已在超34000家酒店落地，去年完成了5亿次机器人服务。如何把服务从千篇一律的配送，升级为千人千面的精准服务？这不能只靠具身智能替代简单重复劳动，而必须让它参与到前期的感知、认知与决策中，才能实现精准执行。
因此我们认为，未来智能体的趋势一定是“具身智能”与“离身智能”的结合。离身智能负责感知、认知和决策，这需要打通各类社会数据才能真正理解客户需求——包括吴总提到的物理世界模型，这点非常关键。而具身智能则负责最终的物理执行。
举个例子：如果我说“想喝杯咖啡”，最懂我此刻在什么时间、什么空间下具体想喝什么咖啡的，应该是离身智能。一旦需求明确，就可以由具身智能完成制作，再由机器人递送到我手中——这才是从需求洞察到服务闭环的完整过程。
所以说，数据的重要性恰恰体现在具身智能与离身智能的结合点上。只有通过数据，未来的智能体才能实现真正个性化、精准的懂你服务。
主持人：谢谢大家的精彩分享，请问高总。目前政企数字化的大背景下，叠加人工智能的转型需求。您认为在AI时代，客户有哪些新的需求变化？如何确保AI服务的安全合规？
高体伟：结合今天大会的主题，我看到政府管理决策正发生重要转变。过去决策主要依赖经验、有限信息或层层上报的报表；而现在，通过全域感知、实时数据收集与模型优化，决策模式正从事后响应转向事前预警与事中调整，从追求局部最优转向全局最优。决策流程也从固定化走向柔性化、实时化，这是政企领域最显著的变化。
如何让AI变得可信、可用而非“黑箱”？我们在实践中总结了四个关键：确保数据可信、模型可信，实现流程可控与合规可控。通过这四方面的协同，才能构建出真正适合政企场景的可信AI系统。
主持人：感谢高总，接下来请问何总，高质量数据是近两年的重点，数据堂在数据行业也耕耘很多年了，请您分享下，为什么高质量数据忽然成了热点，高质量数据有哪些战略价值？
何鸿凌：关于高质量数据，我观察到其内涵已因大模型发生了根本性变化。我们公司从机器学习时代发展至今，过去的模型主要在感知层面，判断标准是客观的——比如语音转文字是否准确、情感分析是否贴合标注。那时的数据质量高，意味着模型能准确复刻标注结果。
但大模型带来了根本不同。现在的模型具备了推理能力，输出带有主观性，传统的客观评判标准已不再适用。我们常会遇到模型推理过程错误却得出正确结论，或者推理看似合理结果却错误的情况。
随着大模型进入各行各业，其推理质量直接影响决策，这使得数据评估变得异常复杂。因此，我们现在必须从新的维度定义高质量数据：不仅要核查最终结果，还要追溯推理逻辑是否合理；需要进行一致性校验；必须检测数据是否被潜在投毒或含有偏见；最后还需通过专业评测集进行多维度验证。
正是这种评估方法的根本性转变，使得高质量数据在今天如此关键——它直接影响着千行百业的决策，而不再只是辅助客观判断的工具。
主持人：接下来想请教李总：在许多传统企业中，海量的纸质或图片文档长期沉淀在内部，难以访问和利用，行业常称之为“暗数据”。您认为企业应当如何有效挖掘这类暗数据的价值？
李明：我们合合信息的AI OCR技术，核心就是帮助企业唤醒各类沉睡的非结构化数据。通过多年在OCR算法上的积累，并结合大语言模型的能力，我们现在能一站式解决企业与个人在文档处理上的多样化需求。
这其中涉及多项技术环节。例如，面对非结构化文档，我们首先进行样本标准化预处理，包括去除复杂背景、曲面校正、文字增强与锐化等，以此大幅提升后续结构化的效果。在业务流程中，企业常有海量文档自动分类的需求，我们的分类引擎能快速识别文档类型并自动归类，进而精准提取关键字段。
此外，很多业务文档是混合型的——一份PDF里可能包含多类单据或样本。对此，我们通过AI技术实现智能“拆套”，自动分离不同页面并分别处理。针对日益增多的“非标”文档（如无固定版面但要素复杂的教材、论文），也能处理其中复杂的数学公式、化学式等内容，将其结构化后提供给大模型进行训练。
基于这些能力，我们已打造了TextIn平台，全方位解决各类文字识别与结构化问题。目前，国内超过一半的头部大模型厂商，在模型训练与语料萃取环节都在使用我们的服务。我们的愿景，是通过AI OCR技术助力全球各语种、各类型文档的结构化与数字化进程。
主持人：请问吴总，空间智能对于未来数字人以及机器人产业的发展，具体会起到怎样的关键作用？它的核心价值体现在哪里？
吴邦毅：空间智能之所以关键，在于它是AGI最终支撑工业化落地的递进与桥梁。
我们天娱数科在具身智能领域，专注于“感知”和“大脑”这两个核心板块。在这个过程中，我们发现了一个普遍的行业痛点：目前，无论是市面上各种形态的机器人、智能体还是大模型，各家生成和训练的数据，大多都只能封闭地应用于自己的特定本体上，无法有效迁移和通用。这是一个很大的限制。
同时，训练空间智能大模型所必需的3D数据，目前整体上是非常稀缺的。这正是空间智能成为关键一环的原因——它不仅是感知环境，更是支撑机器人进行决策与执行的核心。因此，我们决定聚焦于基础设施建设，大力投入3D数据集的构建。
目前，全球最大的3D数据集来自Objectverse XL，规模在千万级别。经过近一两年的积累，我们天娱数科的自建数据集已达到百万级规模，正在努力追赶。难点在于，3D数据的采集与传统文本数据完全不同，成本高昂。以往它主要依赖行业从业者、爱好者和影视游戏领域的制作，数据量和质量都远不足以训练大模型。
我举个例子。在技术路径上，早期我们采用ACT（一种Transformer架构）进行模仿学习，通过人员穿戴设备遥操作来让机器人学习人类动作。但采集一个简单的抓取动作，可能就需要10万条以上数据，而当时单条数据的成本高达5到7元，非常昂贵。
技术的迭代带来了转机。特别是随着2024年DeepSeek等工作的验证，我们现在结合仿真平台和强化学习进行后训练，这极大缓解了对海量真实数据的依赖。我们现在采用“数字数据”（仿真生成）与真实数据结合的方式，能够大幅降低数据成本。
所以，回到主持人的问题，空间智能对于数字人和机器人产业的价值，我认为它扮演的是“大脑”级的角色，是具身智能实现自主决策与行动非常关键的一环。
主持人：感谢吴总。请问谢总，云迹科技最近提出了一个“机器人口红利”的概念，认为机器人不仅是提供服务的劳动力，更是离实际场景最近的数据终端。能否请您具体分享一下，这些由机器人沉淀下来的数据，是如何反过来滋养业务，并形成云迹科技独特优势的？
谢云鹏：现在人口红利在逐渐消失，我们认为下一个红利是机器人口红利。因为人生产人的成本越来越高，而人生产机器人的成本正越来越低，并且随着规模增长，成本还会进一步降低。马斯克也曾预测，未来机器人的数量一定会超过人类——物联网设备的数量其实已经远超人口总量，我们虽然无法确定这会是5年还是50年后，但相信这是一个必然趋势。
因此我们提出了“机器人口红利”这一概念。关于数据如何反哺机器人服务，这正是我们持续思考的方向。我们希望把具身智能与离身智能结合起来，尽可能精准地掌握客户在客房内所产生的需求与信息，从而让机器人提供更准确、更符合人期望的服务。
目前在酒店场景中，很多用户需求其实存在，但可能被掩盖或未被激发。机器人服务与人相比有显著差异：比如在配送物品时，客人面对人可能会因衣衫不整或未化妆而感到不好意思，但对机器人就不会那么羞怯。我们最近甚至遇到一位客人，在用机器人送水时，特意留言让机器人对他说一句“一切都会好起来的”。这类需求，人们可能更愿意向机器人提出。
所以，我们认为未来如果能更精准地把握这些客户需求信息，机器人就能提供更切实、更保护隐私、也更具人文关怀的服务。这是我们的核心想法。
主持人：今天我们的话题始终围绕数据，而台湖正是国家数据基础制度先行区——所以最后一个问题，请大家每人给台湖送上一句话的寄语。
高体伟：听了领导对台湖的介绍，我觉得这里非常有特色。在未来的发展中，首先要找准自己的长板和独特定位，通过制度设计来牵引产业和技术落地。具体到执行层面，从我的角度出发，建议打造“可信数据空间+特色行业智能体”的模式。在这个过程中，可以凝聚行业与人才，基于开放可信的数据生态，把台湖打造成国内AI原生应用的标杆。
何鸿凌：数据先行、模式创新、AI应用落地。
李明：在数据要素快速转化为生产力的进程中，客观来说，现在天时地利人和基本都已具备。无论是制度上的突破、技术的迭代，还是场景的落地，其实都呈现出百花齐放的态势，并涌现出不少标杆案例。关于台湖，我听了相关介绍，这里的产业集群覆盖了算力、场景等多个层面，还拥有自身的核心数据产业园区。基于这些优势，我确实期待能在台湖快速见证数据可确权、可定价、可交易的标杆场景，以及整个数据流通的典型实践，也希望能在这里看到更多案例落地。
吴邦毅：我送上对台湖的祝福——这里必定会成为一个以数据为核心，未来汇聚算力、算法和高新技术人才的区域，希望台湖发展得越来越好。
谢云鹏：好戏连台，以数据科技赋能具身智能的高质量发展。
