数据集去哪找：国内+国际公开数据网站汇总（免费/付费/受限）

数据集去哪找：国内+国际公开数据网站汇总（免费/付费/受限）

国内常用数据平台（无需特殊网络环境，注册即可使用）

以下几个平台是国内进行数据分析、训练 AI 模型时较常使用的来源，对入门用户较为友好。

• 百度飞桨 AI Studio 星河社区：https://aistudio.baidu.com/datasetoverview

该平台提供上千个开放数据集，涵盖图像、语音、文本等类型。注册账号即可使用，基本免费，适合入门练习。

• 阿里云天池：这是一个竞赛平台，其数据的主要特点是贴近真实业务场景，例如电商、金融、物流等领域。如需接近真实业务的数据用于测试，可以考虑该平台。

• 和鲸社区（Kesci）：涵盖金融、社交、电商、医疗等多个领域的数据。其便利之处在于自带在线分析工具，下载数据后无需切换环境即可直接运行。

关于天池和和鲸的具体定位，可参考知乎上的讨论（https://www.zhihu.com/question/399674482）；具体的数据集数量与收费方式，请以各平台官网的最新说明为准。

面向大模型、多模态数据的平台

• OpenDataLab（上海 AI 实验室）：https://opendatalab.com/

该平台专门面向大模型，收集了大量文本和图片数据。根据官方说法，其已收录数千个开源数据集，注册后即可下载，具体数量以官网页面为准。如需大量语料用于大模型开发，该平台是优先选择之一。

经管、金融、学术类数据（质量较高，获取门槛也较高）

这类数据专业性强，但通常无法免费获取全部内容。

• CnOpenData：https://www.cnopendata.com/

涵盖经济、金融、会计、法律、地理、新闻等 500 多个专题库。部分免费，部分需付费或存在使用限制，具体以各专题库页面的标注为准。

• CSMAR 国泰安（现更名为深圳希施玛）：这是中国股市与会计研究领域的老牌数据库。相关介绍可参考清华经管学院的页面（https://www.sem.tsinghua.edu.cn/info/1164/12168.htm）。

需要注意，它本质上是高校图书馆订阅的付费资源，通常需要在校园网范围内、使用真实姓名和学校信息注册才能使用。个人用户较难免费获取全部数据。

政府官方公开数据（权威、免费，建议优先考虑）

进行严肃分析时，这类数据的可靠性较高。

• 国家数据（国家统计局数据库）：https://data.stats.gov.cn/

可查询月度、季度、年度及普查数据，免费查询，部分功能需要注册。

• 国家统计局·数据：https://www.stats.gov.cn/sj/

提供数据发布、普查数据、中国统计年鉴等入口，全部免费。

• 地方公共数据开放平台：目前全国已有 20 多个省市上线此类平台，大部分支持免费下载，部分需要注册。
• 上海：https://data.sh.gov.cn/
• 北京：https://data.beijing.gov.cn/
• 杭州：https://data.hangzhou.gov.cn/index.html
• 如需查找其他省市，可参考第三方汇总的索引（https://www.cnblogs.com/mo3408/p/17499119.html）。需要说明的是，具体网址、数据及字段口径，请以各平台官网的最新情况为准。

国际权威数据源（质量较高，访问体验可能不稳定）

以下网站均为境外平台，数据质量较高，但在国内访问速度可能较慢。

• Hugging Face（数据集部分）：https://huggingface.co/datasets

提供海量数据集，以文本类为主，大部分免费，其定位类似于托管数据的“GitHub”。需要注意，每个数据集都有各自的使用许可，部分需要先同意条款或提交申请才能下载。

• Kaggle（数据集部分）：https://www.kaggle.com/datasets

老牌数据科学竞赛平台，提供大量公开数据集，并自带免费的在线运行环境。使用需要注册，但个别竞赛的数据存在禁止再分发的限制，请勿随意转发。

• Papers with Code（已于 2025 年关停·作历史参考）：该平台曾按任务领域将论文与配套代码、数据归类整理，便于论文复现；目前已被 Meta 关停，域名跳转至 Hugging Face。如需查找论文配套的代码或数据，建议优先使用 Hugging Face 以及 GitHub 上论文的官方仓库。

• Zenodo：https://zenodo.org/

由欧洲核子研究中心（CERN）支持的通用开放仓库。每份数据均带有 DOI 号（便于论文引用），适合存取论文的配套数据，免费。

• World Bank Open Data（世界银行）：https://data.worldbank.org/

提供 2000 多个时间序列数据，例如世界发展指标等，支持 CSV、Excel 和 API 下载，全部免费开放。如需进行跨国对比，可优先考虑该来源。

医疗、生理信号类数据（典型的“可获知但难获取”）

• PhysioNet：https://physionet.org/about/database/

这是一个生理与医疗信号数据库，按访问权限分为三档：

• Open Access：几乎没有限制，可直接使用。
• Restricted Access：需要注册并签署数据使用协议（DUA）。
• Credentialed Access（例如著名的 MIMIC 数据库）：需先完成 CITI 的人类研究与数据隐私培训，上传培训报告并等待审核通过（一般在数天内），再签署 DUA。此外需每人单独申请，不能由团队或课堂共用一个账号。申请前的培训要求可参见：https://physionet.org/about/citi-course/

按获取难易程度的归类

• 可直接下载（最便捷）：飞桨 AI Studio、国家统计局、地方政府开放平台、World Bank、PhysioNet 的 Open Access 部分。
• 需注册/查看许可：Hugging Face、Kaggle、OpenDataLab、Zenodo。平台免费，但单个数据集可能有各自的使用规则。
• 需付费/校园账号：CSMAR 国泰安、CnOpenData 的部分专题库。个人用户基本无法免费获取全部内容。
• 需走受限流程：PhysioNet 的 MIMIC 等数据，涉及培训、签署协议和审核，如有时间需求请预留足够时间。

数据分散、难以查找时的建议

上述来源虽多，但实际使用中会发现，不少数据“可获知但难获取”——或需付费，或存在培训要求。同时，逐个平台手动查找效率较低，也容易出现遗漏。

如果你有明确的数据需求，又不希望在多个平台间反复查找，或难以判断某项数据能否获取，可以尝试使用数聚天成 DeepSData。它可以为你完成一次深度数据可得性检索，跨国内通用平台、政府官方源与国际权威库统一查询，进行去重并标注来源，最终给出客观判断：该数据能否获取，是免费直接下载、需注册付费，还是需走受限流程。如果未能找到，它也会说明原因是数据本身不存在或未公开，并提供近似数据来源与替代方向。它不承诺“一定找得到”，只如实告知“能否获取、如何获取”，帮助你减少逐个平台试错的工作量。

说明：本文为公开资料整理，仅供参考；平台政策、价格、下载方式与链接随时可能变化，本文不保证持续更新，请以各官方页面最新信息为准。