数据工厂不仅是高质量数据集规模化生产设施和新型业态，也是国家数据基础设施的重要组成部分。
7月16日，“数据工厂研讨会暨《数据工厂白皮书》发布会”在北京交通大学召开，会上正式发布《数据工厂白皮书》（以下简称《白皮书》）。
7月16日，《数据工厂白皮书》在北京发布，是中国第一本关于数据工厂政策、理论、时间的研究成果。
北京交通大学经济管理学院副院长李红昌，北京交通大学信息中心主任、教授刘世峰，全国数据标准化技术委员会副秘书长张群，国家数据发展研究院数据资源研究部主任王威出席发布会并致辞发言；国家数据专家咨询委员会委员、全国数据标准化技术委员会数据基础设施工作组组长、北京交通大学教授张向宏解读《白皮书》，华为数据存储产品线副总裁杨文道、北京国际大数据交易所副总经理温天宁、贵州大数据产业集团副总经理雷宏等企业和机构代表做了实践分享。
《白皮书》是中国第一本关于数据工厂政策、理论、时间的研究成果，由北京交通大学、北京化工大学牵头，联合华为、蚂蚁、北京数据集团等30余家单位历时一年完成，首次系统明确数据工厂的涵义、类型划分与主要特征，为国内数据要素产业建设与人工智能场景落地提供体系化参考。
白皮书编制工作依托国家数据局委托的专项研究项目开展。编制团队在原有课题结题成果基础上，面向全国开展广泛实地调研，对研究内容进行大幅扩充升级。《白皮书》共分为“数据工厂新业态发展方兴未艾”“国内外数据工厂探索实践概况”“数据工厂的涵义、类型和特点”“数据工厂的构成、定位和功能”“数据工厂的建设、运营和部署”“发展数据工厂新业态政策建议”等六个章节。
《白皮书》结合《2025年全国数据资源调查报告》等行业调研数据研判，当前人工智能已发展到奇点时刻，词元调用量爆炸式增长，推理数据量首次超过训练数据量，计算驱动成为数据生产主要方式，智能体成为互联网的主要操作者。但与此同时，高质量数据集成为人工智能瓶颈。
针对行业发展，《白皮书》首次对“数据工厂”作出定义，指出其不仅是高质量数据集规模化生产设施和新型业态，也是国家数据基础设施的重要组成部分。数据工厂具备面向大规模数据资源的存储、治理、加工、流通等服务能力，可显著降低数据归集、存储、加工和治理成本，为人工智能训练提供规模化高质量数据集。提出，数据工厂是国家数据基础设施基本构成单元，是突破人工智能发展瓶颈的有效手段，是高质量数据集的规模化生产设施，也是数据全生命周期的综合产业形态。
《数据工厂白皮书》首次对“数据工厂”作出定义，并对数据工厂建设提出四点建议。
《白皮书》还提出，根据物理分布、组织方式和技术水平等特征，数据工厂可以分为集中式数据工厂、半集中式数据工厂和分布式数据工厂等三种不同类型，数据工厂的三种形式特点各异、各有优势，并将在今后很长一段时间内长期共存。
在主要特征方面，《白皮书》提出数据工厂具备五方面显著特点，一是多样化，二是设施化，三是规模化，四是标准化，五是AI化。
《白皮书》同时明确数据工厂的构成、定位和功能，认为数据工厂的构成有广义和狭义两个范畴，广义数据工厂是指站在国家宏观角度，构建一个以数据为主要对象，包括数据供应、数据生产、数据交付、数据应用的一个数据生态系统，包括国家数据基座、国家数据工厂和国家人工智能训练场三个部分。狭义数据工厂是指站在企业、行业和区域微观角度，构建一个面向人工智能大模型应用，开展高质量数据集设施化、规模化、标准化生产的数据基础设施。
围绕具体建设落地，《白皮书》指出，根据建设主题的原有基础和条件，数据工厂可以通过数据标注企业升级、数据存储基地转型、人工智能企业延伸和技术企业创新设立等四种模式建设。
《白皮书》同时梳理了国内外数据工厂领域的探索进展。海外已有多家企业和项目形成不同模式的实践样本，国内多地也结合自身禀赋开展布局。贵州、广东等东数西算枢纽节点正推动算力中心向数据工厂转型，上海、天津分别在数据要素平台、具身智能数据领域形成特色探索，农业等垂直行业也出现相关试点。据统计，目前全国已有28个省市将数据工厂纳入数字经济重点工作。
围绕产业长远发展，《白皮书》提出四方面建议。一是加快制定促进数据工厂发展政策，二是启动数据工厂相关标准研制，三是突破数据工厂关键技术瓶颈，四是加强数据工厂支撑平台建设。
