贵州数据集（语料）服务平台上架118套高质量数据集，数据总规模超700TB

近日，贵州省大数据发展管理局公布最新数据：贵州数据集（语料）服务平台已上架118个高质量数据集，总数据规模突破700TB，240余家生态伙伴入驻共建，建成覆盖多领域、多模态的多层次语料资源体系。

该平台由贵州省大数据发展管理局指导、贵州大数据集团建设运营的贵州数据集（语料）服务平台正式上线运行。平台定位为“语料超市、语料加工厂、语料生态枢纽”，一站式补齐人工智能产业高质量数据供给短板，为全国大模型训练、行业AI应用提供合规、可溯源的数据支撑。

当前AI产业普遍存在供需痛点：持有原始数据的机构缺乏标准化加工、合规流通渠道，研发行业大模型的企业、科研院所却遭遇优质语料“找不着、买不起、用不上”难题。该平台打通数据资源到AI落地全链条，集成资源汇聚、数据治理、多模态标注、合规审查、交易交付、模型微调、应用孵化全流程服务，推动贵州从“数据仓库”向“数据工厂”转型。

平台依托贵州山地、民族、产业独特禀赋，搭建公共、产业、科研三大数据矩阵，覆盖十余个核心赛道。政务板块汇聚521万条民生热线知识库、千万级城市运行事件数据；少数民族语种板块储备苗、布依、侗、水等稀缺双语平行语料；山地气象拥有超9TB喀斯特卫星遥感数据；智慧“三农”集成29万张农作物标注图像；医疗板块提供脱敏临床病历、5TB医学影像；司法领域储备2000万份裁判文书，同时配套智能工业、文化教育、智慧交通及月球科学、人口迁徙等特色稀缺数据集。数据形态涵盖文本、表格、图像、音频、视频、多模态融合六大门类，适配预训练、微调、计算机视觉、语音识别等各类研发场景。

平台设置标准化使用流程，实现供需高效匹配。供给方可线上入驻，享受清洗、标注、脱敏一站式加工，完成数据资产合规变现；需求方能多维度检索、预览评估数据集，提交申请经授权后通过专属通道交付，全流程操作留痕可追溯。针对细分定制需求，平台可联动服务商提供专属数据集生产服务，构建全周期数据安全合规防护体系，保障供需双方安心合作。

下一步，平台将持续扩充特色语料品类、严控数据质量，围绕产业真实需求迭代高价值数据集，联动全省政企、科研机构汇聚优质数据资源，把贵州独特数据资源优势转化为数字产业竞争优势。