全国政协委员李景虹是中国科学院院士、九三学社中央常委，他还在清华大学化学系当教授，兼任清华大学分析中心主任。他觉得现在“人工智能+”已经变成了国家战略，是大家培育新的生产力、推动产业升级的主要手段。现在人工智能正从“通用能力”往“专业赋能”的方向发展。可他在调研里发现，咱们国家在推行业大模型的时候，碰到了几个麻烦事儿：高质量专业数据不够多、数据治理规矩没建全、数据共享也不通畅。要想让“人工智能+”走深走实，就得把行业数据的系统性建设和创新性治理给搞定。 针对这个问题，他给出了几条建议：第一是加强规划引领。建议相关部门先挑生物医药、高端材料、精细化工还有智能制造这几个行业来试点。因为这些行业的数据价值大，对智能化的需求也很迫切。针对这些试点行业，要制定一个高质量数据发展的指南，把高质量数据的定义标准、技术规范、还有需要补上的短板都列出来。先搞个试点看看行不行，等总结出经验了再把这个模式推广到其他行业。 第二是提供设施支撑。要建设那种能生产又能共享数据的新型基础设施。具体就是布局行业级的“数据工场”。拿出专项资金来吸引社会资本进来，支持龙头企业、国家级科研平台还有高校一起建自动化实验室、数字孪生平台和行业知识库。 第三是加强开放共享。得想办法让公共资助的科学数据流通起来。国家要制定科学数据管理的国家标准来提升可用性和兼容性。国内的数据平台还要对接国际主流平台的标准，让数据能跨项目、跨机构甚至跨国家用起来。 第四是进一步把规则给理清楚。让数据能安全地流通起来还能回流价值。主管部门得结合行业特点来制定场景数据优化模型的指引。鼓励那些价值高的用户优先用云服务模式在保护安全的前提下让模型拿到真实反馈数据，形成一个应用-反馈-优化的循环圈加速模型在产业中迭代升级。