中国电信网络大模型高质量数据集 打造可复制云网数据建设范式

随着人工智能大模型产业加快向行业应用落地，信息通信行业在智能化转型过程中，普遍存在通用模型专业适配不足、知识幻觉突出、垂直领域高质量语料供给短缺等问题。云网数据门类繁杂、多源分散，存在格式杂乱、隐私管控难、隐性业务知识难以挖掘等现实挑战，长期制约通信行业AI工具、数字员工落地见效。

中国电信聚焦通信云网运营核心场景，自主打造网络大模型高质量数据集，创新搭建“标准、流程、技术、平台、运营”五位一体全域数据建设体系，为云网运营AI助手及智能体筑牢数据底座，全方位赋能云网降本增效、运营智能化升级与复合型人才队伍转型，输出可复制、可推广的通信行业垂直数据治理标杆方案。

从标准制定到技术攻关，攻克数据治理难题

行业缺少统一云网知识分类规则，是高质量数据集规模化生产的首要瓶颈。中国电信网络大模型高质量数据集首创“5+2”云网知识体系，纵向搭建“来源、领域、专业、子专业、知识类型”五层分级框架，横向覆盖知识内容与知识应用阶段两大维度，建立覆盖云、网、IT、安全、管理全业务域的统一知识标准，填补通信行业知识治理标准化空白。

围绕多模态数据加工、智能检索两大核心环节，中国电信完成系列关键技术自主攻关，通过自研百级智能化处理算子，一站式解决原始数据冗余杂乱、合规风险高、样本储备不足等痛点；创新分层动态建库、跨模态并行检索、智能检索增强、RAG自优化飞轮能力，实现文本、图片、音频及元数据等多模态数据关联检索，降低大模型知识幻觉，提升知识调用准确率。为保障数据质量，中国电信同步搭建百项指标质量评估体系，机器校验+专家复核双重把关，保障语料专业可靠。

平台运营一体协同，打通数据知识应用链路

在技术能力建设基础上，中国电信同步推进平台建设和运营体系完善，打造“启明知识管理和数据集一体化平台”，构建覆盖知识采集、审核标注、数据集合成、向量检索、模型调优的一站式工具链，完整承接全链路建设流程，产出可直接用于模型训练及智能检索增强的高质量行业语料，全面支撑全国各类云网智能应用落地。

在运营方面，中国电信建立数据集全生命周期管理机制，推动知识的动态迭代与持续优化，确保数据资源始终与云网业务发展同步。同时，依托平台能力与自研技术体系，中国电信深度参与全球通信标准制定，主导ITU-T、ETSI、TMF、CCSA等国内外权威机构20项知识管理相关标准；累计取得17项发明专利、2项软件著作权，构建完备自主知识产权矩阵，形成了可向全行业推广复制的成熟经验。

建设成效持续显现，树立国家级AI数据标杆

该数据集自2023年建设以来，已覆盖全国31省份及主流网络设备厂商，建成超10TB规模领先的信息通信领域数据集，均增量14.3GB，沉淀超300万套含思维链的问答样本，400余个知识图谱，百亿级时序运营数据，构建900余个知识库，累计承载超千万次知识检索量，为云网运营智能应用提供持续的数据支撑。

凭借建设成效，该数据集此前已入选国资委首批30项央企人工智能行业高质量数据集优秀建设成果，并于2025年9月入选国家数据局首批104个具有推广示范价值的高质量数据集典型案例，连续获得国家级权威认可。

当前，人工智能正加速与实体经济深度融合，高质量数据是推动行业智能化发展的重要基础。中国电信将持续完善网络大模型高质量数据集建设，丰富云网场景数据资源，提升数据治理能力，为信息通信行业人工智能应用提供更加坚实的数据支撑，赋能千行百业数智化转型升级，以成熟可复制的数据建设范式助力产业数智化稳步前行。