Data-centric AI 是指数据驱动的人工智能，即以数据为中心的 AI 技术和方法。这种方法强调数据的重要性，通过收集、处理和分析大量的数据来训练和优化 AI 模型。在这种方法中，数据是 AI 的核心，它不仅可以用于训练和优化模型，还可以用于评估和改进模型的性能。相比之下，传统的 AI 方法更加注重算法和模型的设计，数据往往被视为次要的因素。因此，Data-centric AI 更加注重数据的收集、质量、可用性和隐私保护等方面的问题。

与 Data-centric AI 相对的是 Model-centric AI，即以模型为中心的人工智能方法。Model-centric AI 更加注重设计和优化 AI 模型，强调算法的创新和模型的复杂性。在这种方法中，数据往往被视为单一的、静态的输入，而模型和算法是实现人工智能的核心。Model-centric AI 常用于处理那些数据量相对较小、数据分布比较均匀、数据质量较高的场景，而 Data-centric AI 更适用于数据量较大、数据分布不均、数据质量不佳的场景，比如自然语言处理、计算机视觉等领域。