2026年10月24日，由中国计算机学会（CCF）主办、YOCSEF哈尔滨学术委员会组织的专题论坛“数据工程，如何成为大模型时代的智能基座？”在中国计算机大会（CNCC 2026）期间举行。随着大模型应用从训练延伸到检索增强与智能体协作，数据工程既要支撑模型学习，也要让模型及时获取准确的现场信息，大模型时代的数据工程，正在从面向数据规模的管理，走向面向模型能力演化的管理。本次论坛邀请学术界与产业界专家，围绕数据工程的技术路线、数据价值度量，以及人、数据、模型与智能体的协同演化展开交流，为大模型时代智能系统的可持续演化提供新的研究视角、技术路径与产业启发。

论坛由YOCSEF哈尔滨AC副主席丁小欧与哈尔滨工业大学计算学部教授王宏志担任执行主席。论坛邀请到清华大学软件学院院长王建民教授、东北大学国家示范性软件学院院长杨晓春教授、浙江大学软件学院常务副院长高云君教授、哈尔滨工业大学人工智能学院副院长冯骁骋教授、成都飞机工业集团有限责任公司副总工程师牟文平研究员作引导报告。此外，YOCSEF昆明主席云南财经大学刘应波、YOCSEF成都副主席成都信息工程大学白杨、YOCSEF成都AC委员四川大学杨彦兵、YOCSEF桂林AC委员桂林理工大学梁应毅以及YOCSEF哈尔滨5位老主席潘海为、鹿泽光、孙广路、宋洪涛和玄世昌等40余位代表共同参与本次论坛。

引导发言从工业数据系统、多模态处理、向量数据管理、大模型幻觉和航空制造实践等角度切入，为讨论“数据怎样支撑模型”提供了不同视角。

引导嘉宾王建民以“工业时序数智库架构与应用”为题作报告，聚焦工业时序数据的组织、管理与应用。面对设备持续产生的数据，如何形成可供分析和模型使用的数据基础，是工业智能应用的重要问题。

引导嘉宾杨晓春以“多模态数据压缩与检索”为题，关注不同类型数据的高效管理。论坛议题也由此延伸到一个具体问题：在提高压缩与检索效率的同时，如何保留异常信息和任务所需的关键细节。

引导嘉宾高云君的报告题为“向量数据管理赋能智能体推理”，将数据管理与智能体获取、使用知识的过程联系起来。如何让检索结果准确、及时地服务具体任务，成为数据平台与模型协作中的一个关注点。

引导嘉宾冯骁骋以“从大模型到智能体：幻觉的变与不变”为题作报告。随着模型从生成回答走向调用工具、执行任务，幻觉和错误反馈可能进入后续的数据更新环节；如何核验这些信息，是模型持续使用过程中需要面对的问题。

引导嘉宾牟文平围绕“AI赋能航空制造的思考与实践”作报告，将讨论带入工业现场。航空制造中的设备、工艺与质量数据具有鲜明的场景约束，也为检验数据工程和模型能力的实际价值提供了应用背景。

随后，论坛进入思辨环节。嘉宾与现场参会者围绕三个议题展开讨论：数据工程如何让模型用好数据，怎样衡量数据投入的价值，以及现场变化时数据与模型如何协同更新。

思辨点1：面向大模型，数据工程如何从“把数据管好”走向“让模型用好”？

现场讨论从数据库与大模型的分工切入，延伸到多源数据的使用方式，以及数据工程如何适应具体行业场景。

讨论观点主要集中在以下方面：

1. 明确数据库与大模型的分工。嘉宾杨晓春认为，数据库适合快速、确定性的数据处理，大模型更擅长分析推理；嘉宾牟文平强调，企业应用中的模型结果仍需数据基座和检验机制支撑。

2. 让数据与模型相互服务。嘉宾王勇提出，数据可以用于模型训练，模型也可以协助处理数据。数据工程不应只围绕训练数据展开，还要支持应用中的数据获取与使用。

3. 结合场景组织多源数据。工业任务中的时序、图像和文档各有作用，能否关联起来并保留关键现场信息，影响模型能否真正用好数据。

思辨点2：数据多了、干净了，模型就一定更强吗？怎样判断数据投入是否值得？

与会者围绕数据量、关键样本与数据质量展开讨论，重点是如何把数据投入与具体任务的效果联系起来。

讨论观点主要集中在以下方面：

1. 关键数据与数据规模需要结合任务判断。有嘉宾强调优先补齐稀缺、关键的样本，也有嘉宾指出，适度增加数据量有助于从中识别关键数据，不能只凭数量判断价值。

2. 用下游任务结果检验数据质量。数据的完整性固然重要，模型在实际任务中的表现同样应成为评价依据；数据改进是否值得投入，还要看具体场景能否受益。

3. 重视现场经验等容易被忽略的信息。刘应波提出，工作人员的经验等细节虽然难以纳入通用指标，却可能对实际生产十分关键。

思辨点3：设备、工艺和知识持续变化，数据与模型如何协同改进？

讨论聚焦现场变化后的更新次序、专家参与方式，以及如何根据行业问题选择技术路径。

讨论观点主要集中在以下方面：

1. 根据变化内容与成本决定更新方式。嘉宾梁应毅认为，在模型训练成本较高的情况下，可以优先更新数据；是否需要调整模型，仍要结合任务效果判断。

2. 为关键工业环节保留专家把关。嘉宾刘应波指出，部分场景需要人工参与，应把人工投入与模型更新成本一并考虑。

3. 由实际问题驱动数据与模型协同。嘉宾杨晓春强调，底层数据处理会影响上层模型与智能体的效果，不同行业各有特点，解决方案应围绕具体问题展开。

最后，由YOCSEF哈尔滨AC主席哈尔滨工程大学王勇作论坛总结。他指出，本次论坛紧扣主题，将数据工程置于模型训练、现场应用与持续更新的全生命周期中进行审视，既关注数据能否被模型有效使用，也深入探讨了数据改进如何转化为可衡量的任务收益。然而，面对复杂工业场景，数据工程仍面临多源异构、实时增量、高价值筛选等多重挑战，如何把专家经验、数据管理与模型能力衔接起来，仍有待学术界与产业界在理论与实践中进一步探索。