卡位人工智能上游规则制定，东软参编合成数据行业标准，为AI定义"第二燃料"

当真实数据不够用、不能用的时候，AI靠什么继续长大？合成数据，正在成为这个问题的答案。

近日，工业和信息化部批准发布《YD/T 6767—2026人工智能关键基础技术合成数据生成和管理要求》，将于11月1日起正式实施。这是我国人工智能合成数据领域的首个行业标准。该标准由中国信息通信研究院牵头，联合24家单位共同编制，东软位列主要起草单位。

合成数据

正在成为AI的“第二燃料”

大模型走到今天，瓶颈已经从算力转向数据。高质量真实数据稀缺、采集昂贵、隐私合规约束强，是所有AI企业共同的墙。合成数据——由算法生成、贴近真实分布、又不直接指向真实个体的数据——正在成为绕开这堵墙的主路径。

这个趋势有明确的量级。2026年全球头部AI实验室用于训练的数据中，合成数据占比已突破55%；在自动驾驶、具身智能、医疗仿真等垂直场景，这一比例高达80%。未来的AI，很大程度上是“用数据训练数据”。谁掌握合成数据的生产与质控能力，谁就握住了AI产业链更上游的一环。

但产业跑得快，规则一度是空白。不同平台在保真度、隐私安全、全流程管理上差异巨大，“生成的数据到底能不能用、可不可信”没有统一尺度。《YD/T6767—2026人工智能关键基础技术合成数据生成和管理要求》要解决的，正是这件事：标准围绕合成数据全生命周期，构建“四维一体”能力框架，规定数据生成、生产流程管理、质量评估、数据管理四大能力域，并把能力从基础到高级分级，让“凭感觉造数据”变成“按标准生产数据”。

标准起草名单

本身就是一道筛选

这份标准的起草名单值得细看。牵头方是中国信息通信研究院，参与方既有华为、百度等头部科技企业，也有海天瑞声、宽客进化、希尔贝壳等专业数据公司，还有中车工业研究院、七腾机器人、苏州群核智能等场景方，以及广州国家实验室、广州医科大学附属第一医院等临床与科研机构。

标准编制不是挂名。它要求参与方在合成数据的生成、管理、评估等环节有实际投入，能对条款的可行性、边界和落地路径提出经得起讨论的意见。换句话说，能进入起草名单，前提是在这个领域有可被验证的实践积累，而不是仅仅有参与意愿。

东软位列主要起草单位，与过去十余年在数据治理、高质量数据集建设和AI应用落地方面的积累直接相关。从数据平台承建，到专病数据集建设，再到医疗AI场景中的实际应用，这些工作让东软对“数据能不能用、怎么用、用到什么程度”有了一线的判断依据。合成数据的难点不在生成本身，而在于生成结果是否贴近真实分布、是否经得起业务规则检验——这恰恰需要对行业数据有长期理解。

从承建国家和省级数据平台，到建设高质量数据集，再到参与制定合成数据行业标准，东软在数据价值化这条主线上的位置，正在从数据的使用者、治理者，向规则制定的参与者延伸。

规则定义权

才是更深的商业价值

衡量一家企业在某个领域的实际位置，有一个朴素的角度：它是规则的被动执行者，还是规则的共同制定者？参与首个行业标准，意味着东软在合成数据方面的实践经验，有机会被吸收进行业通用语言。这种影响不体现在单个订单上，而体现在产业起步阶段——当规则尚未定型时，参与定义规则的企业，其技术路线和实践方法更容易成为后续参照。

放在全球坐标里看，这件事的分量更清楚一些。国际主要标准组织中，合成数据相关标准大多仍在制定过程中。ITU-T关于合成数据安全指南的标准尚处于研究修订阶段，ISO/IEC JTC 1/SC 42下关于合成数据概述的技术报告刚结束征询意见期，另一项关于生成数据用于分析和机器学习框架的项目仍处于新项目登记状态。相比之下，国内《YD/T6767—2026人工智能关键基础技术合成数据生成和管理要求》已经批准发布并进入实施倒计时。在这个全球都刚刚起步的标准空白区，中国率先拿出了可操作的行业规则。

这不是说竞争已经分出胜负，而是说在合成数据这个AI数据底座的关键环节，中国的标准供给节奏走在了前面。而参与制定这套规则的企业，其技术路线和实践方法，也更早进入了行业参照的视野。

对市场而言，这也是一个值得关注的信号。东软的价值，不只是在软件系统交付层面，而是在AI数据底座上，同时具备场景理解、数据治理和标准参与的能力。当合成数据逐渐成为各行业智能化的基础环节，这种参与规则制定的经历，本身就是其业务能力的一部分。

新产业的竞争

最终是标准的竞争

在人工智能从技术突破走向产业落地的阶段，标准是产业话语权的重要载体。东软参编首个合成数据行业标准，是对其技术积累和行业实践的一次客观确认，也说明在人工智能数据基础设施这一方向上，东软已经进入规则讨论的核心范围。

这不是一句自我评价，而是由起草名单、标准内容和实施节点共同构成的事实。