现阶段，人工智能产业发展面临的最突出、最迫切的困境，便是训练数据供给不足。随着网络空间已公开数据资源趋于“消耗殆尽”，人工智能产业愈发需要专业化程度高、领域属性强的高质量数据来提升算法模型性能。因此，建构我国人工智能法治保障体系的一项核心目标，便是形成多元化的训练数据供给体系，以满足不同规模企业的训练数据使用需求，推动算法模型性能朝着专业化方向升级。而构建多元化的人工智能训练数据供给体系是一项系统性工程，只有通过持续拓宽数据采集渠道、扩大数据流动范围、提高数据质量要求，才能为人工智能产业注入源源不断的创新动力，实现高质量发展。
健全多源头数据采集机制，拓展数据广度。在实践中，人工智能企业获取训练数据的方式主要包括网络爬虫抓取已公开数据、使用开源数据集、购买数据产品等。整体而言，数据采集方式较为单一，难以满足相关产业对训练数据质量的基本需求。若想扩展训练数据获取广度，需要在以下两个层面实现数据采集机制的延伸：一是在数据采集行为合法性方面，以类型化列举、监管实践指南等方式明确训练数据来源合法性的常见类型，以消除企业业务合规担忧；二是在数据市场供给形式方面，深入探索公共数据的开放利用模式，降低中小企业获取高质量训练数据的市场门槛，整合数据交易基础制度，拓展可交易数据产品的质量和类型。具体而言，公共服务部门在长期社会公共服务过程中积累了海量高质量数据，但由于数据安全和数据使用收益归属不明等现实因素，此类公共数据面向人工智能产业的开放使用制度还需进一步深入探索。以交通部门为例，实时路况数据不仅可以提供实时交通拥堵情况报告，在人工智能技术加持。
数据作为数字时代的“新石油”，不仅是传统产业、新兴产业发展的重要支撑，同时也是人工智能科技创新的关键创新资源。