在数据要素体系中，数据融合环节负责将多源、多模态的数据互相融合，形成可被挖掘分析的数据集。当前数据加工各环节整体较为成熟、技术难度不大，但受AI训练数据需求拉动，数据标注环节增速更高，供需节奏呈现“融合环节稳步集成、标注环节加速外包”的分化态势。 不同数据管理平台已开始将多源异构数据融合与多模态数据挖掘功能集成进平台，使企业数据可被分析和利用。

数据融合：多模态数据集的形成环节

数据加工是数据资源化的第一步，主要包括数据清洗、数据标注、数据审核和数据融合等步骤。其中，数据融合的核心，是把多源、多模态的数据互相融合，形成可以被挖掘分析的数据集。

从供给方式看，这一环节正从独立工具走向平台内嵌：不同的数据管理平台都开始在平台中集成多源异构数据融合和多模态数据挖掘的功能，充分释放数据价值。相比清洗、标注、审核，融合更强调跨来源、跨模态数据的整合能力，直接决定多模态数据集能否被高效挖掘。

供需节奏：标注加速，融合稳步

数据加工各环节整体比较成熟，很多数据运营商可以自主进行，因此融合环节的供给节奏相对平稳。但数据标注因人工智能技术崛起而快速发展，专门为AI训练模型提供训练数据的标注产业随之扩张，且技术门槛相对较高，不少数据运营商选择外包。

据 Grand View Research 统计，全球数据标注工具的市场规模在2021年约为6.3亿美元，到2030年将超过50亿美元，年均复合增长率接近27%。这一增速反映的是AI训练数据需求对上游加工环节的拉动，而多模态数据集的供需节奏，则更多取决于平台融合能力的集成进度。

环节主要功能供需特征
数据融合多源、多模态数据互相融合，形成可挖掘数据集平台逐步集成，节奏稳步
数据标注以人工方式为图片、语音、文本、视频打特征标签增速更高，外包较普遍

常见问题

多模态数据集在数据要素中处于哪个环节？

多模态数据集的形成对应数据加工中的融合环节，即把多源、多模态数据互相融合，形成可被挖掘分析的数据集。它承接清洗、标注、审核之后，是数据资源化走向可分析利用的关键一步。

为什么数据标注环节的增速更突出？

因为人工智能技术崛起，专门为AI训练模型提供训练数据的标注产业快速发展，且该环节技术门槛相对较高，很多数据运营商选择外包。全球数据标注工具市场规模预计从2021年约6.3亿美元增至2030年超50亿美元，年均复合增长率接近27%。

数据融合功能目前由谁提供？

目前不同的数据管理平台都开始在平台中集成多源异构数据融合和多模态数据挖掘功能，使企业数据可以被分析和利用。这类功能正成为平台的基础能力，而非单一独立工具。