# 中国正用“符合主流价值观”的数据集，争夺全球AI训练语料的话语权

> 原标题：具有中国特色的AI数据：中国争夺人工智能时代话语权

- 来源：纽约时报中文网
- 发布时间：2026-08-17T05:37:01.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/51366
- 原文：https://cn.nytimes.com/china/20260817/china-ai-data-chatbots/

## 摘要

中国国家数据局发了份蓝图，要在2028年底前在20多个领域做出“高质量”数据集，并打算开放给全球用。上海人工智能实验室已经在GitHub和Hugging Face上发布了“万卷”这类多语种数据集，覆盖历史、法律、医学，但要求内容对齐“中国主流价值观”。

## 推荐理由

中国国家数据局计划到2028年底在20多个领域建成高质量数据集并开放全球使用，上海人工智能实验室已在GitHub和Hugging Face发布万卷等多语种数据集，并对其内容提出价值观对齐要求。

## 锐评

要求内容对齐"中国主流价值观"，这个门槛一写进数据集说明，海外团队基本就不会用了。Hugging Face 上开源数据集那么多，谁愿意在训练语料里埋一层自己看不懂的合规风险。

能落地的场景大概是国内厂商和一带一路市场，2028 年底 20 多个领域这个时间表摆在那，现在还没做完。做海外产品的不用太担心语料被卡，做国内的可以盯一下万卷这类集子，能省不少清洗成本。
