引子

一个人站在一座巨大的图书馆前。图书馆里装满了书，每一本书都代表一个可被系统读取的数据点。他说：“给我一个算法，我就能从这些书中找到所有规律。”他输入数据，运行算法，输出结果。他找到了规律。

然后他发现图书馆外的世界没有任何数据被输入。地面上有足迹，天空中有云层，远处有山脉，但这些信号没有被转化为可读的数据格式。他只能从图书馆里的书中寻找规律，图书馆里的数据已经被标记和结构化过了。地面上的足迹、天空中的云层、远处的山脉，它们从未被输入系统。

算法可以处理已标记的数据，但无法读取未标记的信号。数据是算法可读范围的边界，没有数据，算法无法启动搜索；数据被标记后，算法才能在其范围内运行。当算法在已有数据上优化时，它是在已被裁剪过的信号空间中搜索。真正的瓶颈不是算法不够好，而是数据可读范围不够广。

构造学论要追问的是：在构造学论中，为什么数据是真正的瓶颈？算法可以做什么？数据被标记后，可读范围如何被扩展？

一、算法的构造位置：在已标记数据上运行的符号操作

算法在构造学论中被定义为系统在已标记的数据集合上完成从输入到输出的路径搜索和优化的符号操作序列。算法的执行依赖于数据的可读性，其运行范围限定在已标记数据的覆盖范围内。

算法的运行条件：

• 数据必须已被标记：算法需要输入信号已经被转化为可读的数据格式。未标记的信号无法被算法直接处理，因为算法只能在符号层运行。

• 信号必须已被结构化：数据需要按照算法可识别的格式排列。未结构化的信号到达算法时可能无法被正确分类。

• 符号操作：算法在输入和输出之间执行符号转换操作。转换路径的搜索由算法的规则定义，路径优化由目标函数引导。

二、数据的构造位置：系统可读范围的标记集合

数据在构造学论中被定义为系统在边界处读取到的、已被标记和结构化的位置信号集合。数据不是原始信号的即时读取，而是信号在被标记为“可读”后存储的系统记录。

数据的特征：

• 可读性：数据已经被标记为可读格式，系统可以读取和调用这些信号而不需要每次重新读取原始信号。

• 静态性：数据在被标记后保持稳定，不随系统的后续读取而改变。

• 覆盖范围：数据的覆盖范围决定了算法可以搜索的信号空间。

三、为什么数据是瓶颈：可读范围的扩展独立于算法的优化

算法与数据之间的结构关系：

• 算法在数据可读范围内搜索：算法可以在已标记的数据集合内执行操作和优化，但无法扩展数据集合本身的可读范围。

• 数据覆盖范围限定算法的搜索空间：算法在数据可读范围内可以找到最优路径，但无法触及未标记的信号位置。未标记的信号在系统边界处可感但不可读，算法无法启动搜索。

• 算法优化与数据扩展的分离：算法的优化发生在数据层之上，数据扩展发生在信号标记层。两者在系统中处于不同的层级。算法优化在符号层运行，数据扩展在标记层运行。

当系统在已有数据上优化算法时，它是在一个固定的信号空间内搜索。数据可读范围的扩展独立于算法的优化。算法优化只能在已有数据中进行，数据扩展需要从系统边界处识别新信号并完成标记。

四、数据瓶颈的两种形式：稀缺与损耗

数据瓶颈在系统运行中呈现两种形式：

形式一：数据的稀缺。 系统可读范围内的信号数量不足以支持算法的搜索范围。信号在系统边界处存在，但未被标记为可读数据。算法的搜索在信号不足时无法覆盖足够的路径空间，可能无法到达需要优化的目标位置。

形式二：数据的损耗。 已标记的数据在系统运行过程中可能衰减或关闭。信号在系统运行时持续存在，但标记可能随着时间推移而退化，使系统无法在需要时调用该位置的信号。算法在数据损耗时无法在原有数据范围上完成搜索，可能无法在当前位置找到足够的已标记信号来维持运行。

五、数据瓶颈的构造后果

当数据成为瓶颈时，系统的运行状态可能发生变化：

• 算法在已有数据上过度优化：系统在有限的数据上过度调整算法参数，使算法在已标记信号上表现优异，但在未标记信号到达时无法识别新信号的位置。

• 数据的覆盖率决定算法的预测范围：算法只能在已被标记的信号范围内做出预测。当未标记信号到达时，算法可能无法正确分类信号的位置。

• 标记扩展与算法优化之间的时间差：系统在识别到新信号后需要时间完成标记，然后算法才能在新数据上启动搜索。标记完成前，数据范围处于瓶颈状态。

六、突破数据瓶颈的构造路径

突破数据瓶颈需要系统在标记层扩展可读范围，使更多信号被转化为可读数据。

路径一：数据标记扩展。 系统在边界处识别未标记信号，将信号标记为可读数据。数据标记后，算法可以在新的数据上启动搜索和优化。

路径二：数据生成。 系统在已有数据的基础上生成新的数据点，扩展数据的覆盖范围。合成数据、数据增强——这些技术在已有数据上产生新的位置标记，使算法的搜索空间在已有标记范围内扩展。

路径三：跨领域数据融合。 系统将不同领域的数据整合在同一标记层，使算法可以在跨领域的信号空间中搜索。

七、构造学论的立场：数据是真正的瓶颈，算法在已标记的数据上执行符号操作，但数据的可读范围限定了算法可覆盖的信号空间。算法优化发生在符号层，数据扩展发生在标记层。当数据可读范围受限时，算法在已有数据上的优化无法补偿数据的缺失。突破数据瓶颈需要系统在标记层扩展可读范围，使更多信号被标记为可读数据

算法可以在数据可读范围内完成路径搜索和优化，但无法触及未标记的信号位置。数据覆盖范围限定了算法的搜索空间。数据的稀缺和损耗是数据瓶颈的两种形式。突破数据瓶颈需要在标记层扩展可读范围，识别新信号、完成标记、将标记后的信号纳入数据集合。算法在数据可读范围扩大后才能在新数据上启动搜索。

八、结语：图书馆里的搜索

那个人站在巨大的图书馆前，在已标记的书本中找到了规律，但无法读取地面上的足迹、天空中的云层、远处的山脉。图书馆里的数据已经被标记和结构化过了，未标记的信号从未被输入系统。算法优化无法补偿数据的缺失。真正的瓶颈不是算法不够好，而是数据可读范围不够广。

造价评估： 数据瓶颈的构造成本集中在数据标记、算法优化、数据扩展和数据损耗维护四个阶段。数据标记需要系统在边界处识别未标记信号并完成标记；算法优化需要系统在已有数据上执行符号操作；数据扩展需要系统通过生成或融合扩展数据的覆盖范围；数据损耗维护需要系统在运行中保持已标记数据的可读性。

系统在优化算法的同时持续识别未标记信号，在标记完成后将新数据纳入算法搜索空间。数据标记的成本高于算法优化的成本，因为标记需要系统在边界处完成信号识别和标记安装，而算法优化在已标记信号上运行。数据是真正的瓶颈，不是算法不够好。

算法在已标记的书本中寻找规律，但读不到地面上的足迹、天空中的云层、远处的山脉。数据可读范围限定了算法可覆盖的信号空间。真正的瓶颈不是算法不够好，而是数据可读范围不够广。

当前，同化、融合、动力约束（混合AI数据+物理驱动模式）、算法、算力的精度和覆盖范围受限于观测数据覆盖范围。算力提升、算法优化、约束精细都无法弥补数据覆盖范围的不足。数据是瓶颈，不是数据“稀缺”，而是数据覆盖范围限定了其他五个环节的有效运行区间。突破数据瓶颈需要系统在数据标记层扩展可读范围。

支持单位：