近日，中国科学院院士孙胜利在谈到建设高质量科学数据集时提出，高质量科学数据体系支撑科学研究创新需要重视稀有数据建设。他指出，所谓“稀有数据”（Rare Data）犹如稀有金属，应用价值高、存在较大稀缺性，通常指在总体数据分布中出现概率极低、样本量极少，但往往决定系统稳定性、安全边界或核心物理相变的极端数据。

“稀有数据”这一概念，为数据要素市场提供了一个探索方向。我们可以想象，哪些行业可能产生稀有数据、什么场景需要稀有数据支撑推演。

普通大数据体系以常态化、高频次数据为核心，只能刻画系统稳态运行规律，无法覆盖极限临界状态。稀有数据填补了数据真空盲区，可以说，是数据元素周期表中的重要资源，具备不可替代的价值。具体来说，可能在以下几个方面。

第一，突破人工智能技术瓶颈。当前AI模型普遍存在“泛化能力不足、极端场景失效”的问题，核心原因是缺乏特殊样本支撑。如果稀有数据能够规模化汇聚，让智能模型从“适配常态场景”升级为“预判极端场景”，可为人工智能赋能基础科研、高端制造、前沿科技提供核心数据支撑。

第二，提升风险治理能力。重大安全风险、灾害危机，均诞生于常规数据之外的极限临界状态。稀有数据是识别、预判、处置极端风险的核心依据，能够推动防灾减灾、工业安全、公共安全等领域从“事后处置”向“事前预判”转型，为安全治理提供数据保障。

第三，激活数据要素价值。在通用数据集趋于同质化的当下，稀缺性、高壁垒的稀有数据成为数据要素价值化的突破点。其推演、评测能力，能够孵化高端科研服务、工业安全仿真、极端风险预判等新业态，推动数据要素从“海量积累”向“高质增效”转型。

来源：《人民数据智库报告》7月下

编辑：许多、韩佳琪（实习）

责编：岳禺宁