菲特：推动高质量数据集建设，形成数据闭环反哺生产

数据是数字经济时代的基础性资源、重要生产力和关键生产要素。近年来大模型技术不断取得突破，其中大规模高质量训练数据的投入，起到了关键作用，也进一步将“以数据为中心的人工智能”推向一个新阶段。以 Deep Seek 为代表的大量高质量推理数据集的使用更加凸显了高质量数据的重要性，而大模型要与垂直领域深度融合同样需要高质量数据集的支撑。国家数据局围绕高质量数据集建设相关工作开展了一系列工作部署。今年上半年，高质量数据集建设工作启动会在北京组织召开，国家发展改革委、教育部、科技部、工业和信息化部等27个部门参会。下一步，高质量数据集建设工作将积极推进落实“人工智能+”行动，加快推动形成一批标志性成果，赋能行业高质量发展。

数据之于大模型就像石油之于汽车，汽车无法直接使用原油，原油只有经过一系列复杂的过程炼化成汽油后，才能给汽车使用。同样，海量原始数据需要经过“炼化”形成高质量数据集，才能真正有效地用于大模型训练。行业大模型训练所需数据集，既要覆盖行业通识，也要蕴含专门知识。其中，通识数据是通用大模型能力提升的基础，行业通识数据是行业大模型训练的基底，行业专业数据是企业推动行业大模型的应用、部署私域模型能力的底座。为此要根据急用先行、分类推进、合理使用的原则，推进高质量数据集建设。

在人工智能与大模型技术迅猛发展的今天，数据已成为驱动制造业进步的核心动力。菲特深耕汽车、化工、生物医药等多领域，积累了超 10 亿条高质量工业数据集 —— 这不仅是规模、数量的领先，更在于覆盖的深度与广度：仅在汽车行业，就涵盖齿轮加工、铝压铸、冲压、焊装、总装等全工艺流程，且每个环节都整合了供应链、设备、工艺、质量检测、物流、仓储等全层级数据。这些数据严格对齐，确保了高可用性与可分析性，构筑起行业领先的、全面的生产质量数据体系，具备高度不可复制性。

而菲特的价值不止于数据积累，更在于将数据转化为应用工具 —— 自研 “菲凡” 工业大模型，凭借强大的大数据分析能力和行业Know-How，具备智能问答、质量分析、数据分析、报告生成、根因定位、智能决策等功能，菲凡率先实现工业场景的效能突破：产品一次下线合格率大幅提高，设备停机时间减少、产能利用率提升，全流程的风险管理、运营成本下降。

最终，菲特通过构建数据闭环，打破数据孤岛困境：从数据采集到数据清洗分析，再到 AI 模型应用，最后实现数据价值反哺生产，形成 “数据采集 — 清洗分析 — 智能决策—知智能执行-反哺生产” 的完整链路。这一闭环不仅让数据真正实现价值化、资产化，更推动工业加速形成新质生产力，印证了数据驱动的工业智能化路径。