容度经济系列白皮书
——从合成数据到专家决策链，从算力燃料到认知引擎
摘 要
本白皮书首次系统提出“推理数据”的概念、分类、生产、计量、确权、认证、交易与实施路线图，旨在回答一个根本问题：当合成数据喂不饱 AI、互联网数据已被吃尽时，AI实验室还能从哪里获得新的训练数据？答案不是“更多问答对”，而是“专家从初始问题到最终结论的完整认知过程”——推理数据。
合成数据的自噬困境正在显现。当模型用自己生成的数据训练时，误差会累积、分布尾部会丢失、深层规律会退化。互联网公开数据也已接近枯竭：公开文本存量有限，新增内容中AI 生成占比越来越高，数据重复率上升。AI 实验室的真实需求不是“答案”，而是“专家如何从问题走到答案”的决策链。Mercor 向 OpenAI、Anthropic、Meta 出售专家推理数据，年化收入约 5 亿美元，估值 100 亿美元，证明了这一市场的真实需求和巨大空间。
推理数据的定义是：专家从初始问题到最终结论的完整认知过程的结构化记录。它包含追问轨迹、纠错信号、偏好调整三个基本环节。推理数据覆盖的领域极其广泛，本白皮书采用“三层国际标准框架”进行分类：ISIC Rev.5 行业分类覆盖 21 个门类，ISCED 2013/2025 教育分类覆盖 11 个一级领域，ISCO-08 职业分类覆盖 10 个主要职业群体，并补充参照 GICS 全球行业分类标准。推理数据按粒度分为原子数据包、任务数据包、领域数据包、定制数据包；按来源分为专家交互、远程操作、真实任务、顶刊解码；按模态分为文本推理、多模态推理、动作推理。
推理数据的生产采用“五步工厂法” ：搭建专家交互平台、设计任务模板、专家与 AI 交互采集数据、提取决策逻辑链、封装为推理数据包。容度词元是推理数据的计量单位，核心公式为 RDT = ΔD × W，其中ΔD = D_before D_after。
追问轨迹、纠错信号、偏好调整各有独立的计量公式和权重因子。决策节点的容度贡献按问题熵变化和节点权重计算，推理数据包的总容度值通过多节点汇总、权重调整、综合评分得出。智慧密度评级分为A/B/C/D 四级，对应不同的定价系数。
推理数据的确权采用“三权分置”框架，涉及专家、AI提供方、平台方三方权益。三层专家网络包括：顶层专知智库核心专家、中层 Q-L3 以上认证提问者、底层 OPC 全球化发展联盟。确权流程包括采集、登记、审查、存证、核发五步。收益分配模型包括基础比例（专家60%、平台 40%）、动态调整（数据包类型、容度贡献系数、销售价格、销售次数）、平台成本扣除（23%）。智能合约自动执行结算。
推理数据的质量控制通过“三道质检关” ：容度词元计量（ΔD>0）、规律保真度评估（ACRS、LTRS、CTES、RFS≥0.6）、专家复核（专家自检、平台审核员抽查、专家评审委员会终审）。数据包分为 L1 初始级至 L5 定义级五级，定价系数从×0.5 到×2.5。
推理数据的认证采用五维标准：数据完整性、决策链质量、专家资质、容度贡献值、可复用性。认证等级分为L1-L5 五级，与 AI 技能认证、HRPP 技能认证标准对齐，实现认证结果互认。认证与认知责任链对接，决定责任比例和保险定价。
推理数据的交易市场以容度中枢为核心平台，提供挂牌、检索、撮合、结算、交割五大功能。交易品种包括原子数据包、任务数据包、领域数据包、定制数据包。定价机制包括按容度词元定价、按包定价、按订阅定价、动态定价。客户群体包括AI 实验室、机器人公司、研究机构、数据交易所、投资机构。交易市场与国家数据产权登记服务系统、各地数据交易所、数据信托制度衔接。
推理数据与人形机器人的对接是白皮书的重点之一。人形机器人推理数据具有多模态、物理推理、高实时性、高安全约束四个特殊性。数据包结构包括决策链、动作执行数据、多模态感知数据、最终方案。推理数据认证与HRPP 技能认证通过标准对齐、结果互认、数据反哺三个机制对接。机器人推理数据市场预计规模在65 至 130 亿美元，年增速超过60%。
实施路线图分为三个阶段：近期（2026-2027 年）建平台、产数据；中期（2027-2029 年）规模化、接入客户；远期（2029-2031 年）成为全球标准。实施保障包括组织保障、技术保障、资金保障、人才保障。与专知智库、成都专知利乎、成都余行代理所的业务协同，构成完整的推进力量。推理数据是 AI 的下一个石油。谁先掌握推理数据的生产标准和交易网络，谁就掌握 AI 进化的下一个十年。
为什么要读推理数据这本白皮书？
如果你还在以为“合成数据+更多算力”就能喂饱AI，这份白皮书会直接点破真相：合成数据有自噬困境，互联网公开数据正在枯竭，AI实验室真正缺的不是更多问答对，而是“专家从初始问题到最终结论的完整认知过程”——推理数据。
白皮书把问题讲得很透：合成数据在统计上相似，却会丢失分布长尾、退化深层规律；互联网高质量文本已被主流模型基本“吃尽”，新增内容中AI生成比例越来越高，自然数据的边际价值快速递减。AI实验室真正需要的，是专家如何追问、如何纠错、如何调整偏好的决策链。Mercor向OpenAI、Anthropic、Meta出售专家推理数据，年化收入约5亿美元、估值100亿美元，已经证明这不是概念，而是真实且巨大的市场。
白皮书的核心贡献，是首次系统定义推理数据从生产到交易的全流程标准。它给出“三层国际标准框架”，用ISIC、ISCED、ISCO和GICS覆盖经济行业、学科领域和职业场景；提出“五步工厂法”，从搭建专家交互平台、设计任务模板、采集交互数据，到提取决策逻辑链、封装推理数据包；用容度词元计量每一次追问、纠错和偏好调整的确定性增益，让认知价值可计算、可比较、可结算。它还设计了三道质检关、五维认证标准和L1-L5等级，解决“数据包值不值钱、可不可信”的问题。
更关键的是，白皮书没有停留在生产端。它给出确权与收益分配机制，明确专家、平台、AI提供方的权益；设计容度中枢交易市场，支持挂牌、检索、撮合、结算、交割；并系统阐述推理数据与人形机器人的对接，预测机器人推理数据市场约65至130亿美元、年增速超60%。此外，还有近期、中期、远期实施路线图，从建平台、产数据，到规模化接入客户，再到成为全球标准。
无论你是AI实验室的数据采购者、数据提供方、机器人公司、研究机构、数据交易所、投资机构，还是政策制定者，这份白皮书都提供了一套从“数据驱动”走向“认知驱动”的共同语言。推理数据是AI的下一个石油。谁先掌握它的生产标准和交易网络，谁就掌握AI进化的下一个十年。现在读它，就是提前进入认知资产化的新赛道。
