2026-05-21 19:04:10
5月18日，在杭州钱江世纪城投资促进大会上，数搭国际数据开源社区正式发布。它由整数智能信息技术（杭州）有限责任公司牵头建设，致力于解决当前人工智能发展中高质量数据从哪来、怎么评的问题，将在“数据+评测+专家生态”关键环节填补全球开源生态空白的基础设施。
专家表示，“数搭”二字，既有“数据搭建”之意，也暗含“为AI发展搭建数据基础设施”的使命。数搭社区公布了清晰的两年目标：数据集累计下载量超2亿次，专家规模超过100万人，发布200个以上评测榜单，覆盖100个以上国家和地区，入驻200家以上AI企业，带动AI数据产业规模超过100亿元。
数搭社区负责人孟卓飞介绍，在整个AI模型的生产周期中，超过80%的时间花在数据准备和处理上。“模型的训练范式已经相对收敛，真正决定模型能力上限和不同厂家核心差异化的点，是数据的质量和品位。”在他看来，训练一个聪明的大模型，大部分功夫不在写代码，而在“备课”——收集、清洗、标注、评测数据。如果数据质量差，再强的算力也只能训练出“糊涂”的模型。
大模型不仅要知识广，更要在具体场景里解决问题。这对数据提出了全新要求，不光要告诉AI“这是什么”，还要让它理解“这是什么关系”“处于什么状态”“将如何演变”。这种高端数据标注，恰恰是大语言模型、具身智能、智慧医疗等前沿领域所急需。
围绕这一行业需求，数搭社区明确了三大核心使命：构建高质量开源数据集、打造覆盖全部主流模型的核心评测基准、连接全球专家网络。
在数据集方面，社区将联合高校和科研机构，把分散在各处的优质数据集中起来，形成开放的数据集，供开发者免费或低成本使用；在评测基准方面，社区将设计各种评测任务，检验模型在代码编写、逻辑推理、金融交易等不同场景下的真实能力，致力于成为全球大模型能力评估的“标尺”；在专家网络方面，社区将通过线上挑战赛、线下工作坊等形式，把跨学科、跨领域的专家聚集起来。
在开源领域，整数智能的积累为数搭社区提供了坚实的运营基础。团队运营开源生态两年，累计发布50余个高质量评测基准，数据集下载量突破1亿次，多家头部模型厂商在重大版本发布时，引用的评测榜单中超过20%来自其开源项目。
建设数搭国际数据开源社区，离不开杭州钱江世纪城的产业生态。作为杭州人工智能产业重要集聚区，这里集聚多个国家级科研平台，汇聚近200家国家高新技术企业。同时，杭州拥有深厚的开源基础，既有知名开源模型，也有相关工具链平台，在全球开发者群体中拥有较高认可度。在杭州钱江世纪城，35岁以下青年人才占比达70%，近三年年均净流入青年人口超1.9万人，新增常住人口中本科及以上学历占比超八成，硕士及以上占比近三成。
孟卓飞表示，未来数搭社区将致力于打通“产业—模型—数据”生态链，串联产业需求、模型训练和数据构建，助力数字经济与制造业数字化转型。依托钱江世纪城，打造全球人工智能开源生态重要节点，实现从“技术跟随”到“生态引领”的跨越，构建自主可控、开放共赢的AI数据基础设施。