中科院院士徐涛：AI三要素中数据仍是短板，健康医疗高质量数据集呼唤自主可控基础设施
中科院院士徐涛在数博会演讲：AI三要素中数据仍是短板。广州国家实验室按五层框架建设健康医疗高质量数据集，中国数字肺项目投入16.3亿元。
院士判断：AI三要素中数据仍是短板
"在AI三要素，即算法、算力和数据中，我国算法和算力发展迅速，但数据仍是短板，亟须打破僵局。"8月28日，在2026中国国际大数据产业博览会"聚焦场景建设 释放数据价值"交流活动上，中国科学院院士、广州国家实验室副主任徐涛给出了这个直接的判断。
这个判断有两个事实支撑：其一，健康医疗大数据是解析慢性病成因、实现"健康中国"关口前移战略的关键支撑，大部分疾病需要通过健康医疗大数据来解析其产生原因与时间节点；其二，人工智能正在变革生物医药领域，全球首款AI全流程设计的药物已于今年7月进入三期临床试验，而决定这条通路能跑多远的，是数据。算法可以追赶，算力可以采购，唯独高质量的健康医疗数据，既买不来也抄不来。
五层框架：健康医疗高质量数据集怎么建
广州国家实验室的答案是一个五层总体框架，值得被完整记录。第一层，以人的健康生理机制为中心，涵盖多组学、环境因素和健康结局——数据集的起点不是"有什么收什么"，而是围绕健康机制设计数据维度。第二层，强调数据动态迭代，通过预测验证和自主实验室实验验证持续优化模型。第三层，将数据转化为AI可理解、可应用的工程形态——从"数据"到"训练资源"之间隔着一整套工程化转换。第四层，构建数据、模型、算力、应用一体化平台。第五层，建立合规安全保障体系。
五层合起来，把"高质量数据集"从一个模糊概念拆解成了可执行的工程蓝图：科学设计、动态验证、工程转化、平台整合、合规兜底。
16.3亿元的'中国数字肺'：自主实验室与数据生产闭环
框架之下，徐涛透露了三大重点基础设施的进展。一是大湾区生物信息中心，目标打造千万级可召回自然人群队列的数据基础设施；二是中国数字肺项目，获国家"两重"项目支持、投入16.3亿元，建设国际领先的自动化、高通量自主实验室，可主动应对突发传染病和公共卫生安全事件；三是生命健康大数据产业基础设施，支撑全生命周期健康管理应用。
16.3亿元的投入规模传递了一个信号：国家层面的支持正在向"数据生产环节"倾斜。自主实验室的价值在于闭环——模型预测出的假设，在自动化实验室里高通量验证，结果又回流为新的训练数据。数据不再是静态存量，而是持续再生产的能力。
从79.4岁到'百岁时代'：数据基础设施的长线价值
徐涛给出了一个长远坐标：我国目前人均预期寿命已达79.4岁，正以每五年增加一岁的速度提升，通过系统化建设，未来百岁将成常态。依托自主可控的基础设施和高质量数据集，可以形成全生命周期个性化健康管理方案：基于基因组测序结果为个体提供饮食、运动、用药及细胞基因治疗等个性化干预建议。
从训练数据的视角看，这场演讲可以浓缩成一句话：AI医疗的下一程，比拼的不是谁的模型更大，而是谁的数据基础设施更扎实。五层框架画出了路线图，16.3亿元标定了投入量级，剩下的是行业共同的工程题。
千方医数集编辑部 出品
