近日，由宝信软件牵头编制的GB/Z231-2026《人工智能钢铁大模型数据集技术要求》正式发布。该标准明确钢铁大模型数据集结构，规定原始汇聚、清洗治理等技术要求，提出“原始汇聚层—清洗治理层—知识融合层—样本成型层”四层架构，覆盖多模态数据类型并明确安全要求。此举有助于规范数据管理，确保质量与安全，为钢铁大模型建设提供技术依据，加速产业化落地，赋能产业数智化转型。

近日，由宝信软件牵头编制的钢铁人工智能数据集领域首项国家标准化指导性技术文件—GB/Z231-2026《人工智能钢铁大模型数据集技术要求》正式发布。该文件由市场监管总局（国家标准委）批准发布，明确钢铁大模型数据集的结构，规定了原始汇聚、清洗治理、知识融合、样本成型及数据安全等技术要求，有助于规范钢铁大模型所用数据的管理与应用，确保数据质量和安全性。

本标准由宝信软件牵头，联合宝钢股份、中国钢研、中国电子技术标准化研究院等25家单位共同研制，适用于钢铁制造企业、产业链上下游主体及数据服务机构，为钢铁大模型数据集建设、管理提供权威技术依据。

当前，企业垂类大模型的竞争本质上是高质量数据集的竞争。然而，钢铁生产数据普遍存在多源异构、工况复杂的特点，TP/AP、IT/OT数据长期分离，大量非结构化数据散落各处甚至仅存于业务人员经验之中。多模态数据集建设缺乏统一规范，导致垂类模型训练和评测缺乏行业专属数据支撑，难以形成真正意义上的企业级乃至行业级大模型。

在此背景下，该标准创新性地提出“原始汇聚层—清洗治理层—知识融合层—样本成型层”四层数据集架构：原始汇聚层：实现多源异构数据的统一接入与时序对齐，完整保留数据原始形态；清洗治理层：开展数据去重、缺失值处理与跨系统口径对齐，保障基础数据质量；知识融合层：依托钢铁领域本体，完成语义对齐、规则嵌入与知识增强，将分散数据转化为具备行业逻辑的领域数据；样本成型层：开展专业标注、样本筛选与规范拆分，形成可直接用于大模型训练与智能体应用的标准数据集。标准全面覆盖结构化、时序、文本、图像、音频、视频等多模态数据类型，并明确数据集安全技术要求，构建起数据“采、洗、标、测、用”全链条安全保障体系。

近年来，宝信软件支撑宝武通过DCMM5级贯标，打造了“采集清洗、多模态对齐、统一标注、质量评估、模型训练”全流程数据集加工生产线，开展钢铁专用数据集市场建设，为本标准的研制提供了坚实的技术基础和丰富的经验支撑。

宝信软件同时主导编制了《人工智能钢铁行业应用场景分类指南》（GB/Z224—2026），并重点参与了《人工智能钢铁大模型服务能力成熟度评估》（GB/Z241—2026）等多项国家标准化指导性技术文件的编制。未来，宝信软件表示将持续发挥工业软件与AI技术优势，依托标准化成果推动钢铁行业高质量数据集体系建设，加速钢铁大模型产业化落地，以数据要素赋能钢铁产业数智化转型。