数据瓶颈是指在数据处理或研究过程中，因数据收集能力不足、理论无偏性缺失及数据随机性限制，导致数据失真或匮乏的现象，其本质是数据处理能力无法满足数据增长或应用需求的一种限制状态。
该问题在经济研究领域常见于发展中国家，表现为微观主体数据的缺失与失真 ；在人工智能领域则表现为高质量训练数据（特别是中文语料）的短缺以及“数据孤岛”等问题，据预测可用于训练的高质量语言数据可能在2026年耗尽 。在具身智能和机器人领域，数据瓶颈问题同样显著，表现为数据匮乏和场景碎片化；2026年，工业和信息化部发布了《人形机器人与具身智能标准体系（2026版）》，为解决特定产业的数据瓶颈提供了规范指导 。在社会保障领域，以长期护理保险为例，数据瓶颈表现为部门间数据无法互联互通，2026年全国两会期间有政协委员建议促进信息平台互联互通 。在“AI+核技术”融合发展中，也面临数据跨主体流通不畅等问题，2026年全国政协委员建议构建核技术领域国家级高质量数据集 。针对数据瓶颈，学界与实践领域提出了加强数据质量检验、拓展数据来源、推动数据互联互通以及完善相关法律制度等应对思路 ，需从技术管理、数据生态、法律制度等多层面着手，包括优化数据管理流程、开发非结构化数据和合成数据、推动行业数据平台建设促进互联互通，以及完善相关法律法规等。
想要了解更多“数据瓶颈”的信息，请点击：数据瓶颈百科
