联合国把权威统计开放给AI：UN Data Commons上线，大模型统计题正确率只有21.2%

9月17日，联合国与谷歌宣布上线 UN System Data Commons，一个把分散在各联合国机构手里的统计数据搬进同一套机器可读框架的平台。按 TechCrunch 与 Livemint 的报道口径，它将逐步取代老旧的 UNData 门户。这事表面上是政府数据门户改版，实际上是把「权威信源」直接接进了AI的工作流：自然语言可以查，AI智能体可以通过MCP直连取数，每个数字还能溯源回原始数据集。对做内容、做GEO的人来说，这是一条值得认真读的信号。

六款大模型答统计题，平均只有21.2%是对的

为什么要专门给AI建一层数据底座？联合国在发布时给出了一份很扎眼的背景研究：UNICEF的工作论文测了OpenAI、Anthropic、谷歌的六款模型，跨13.3万多次回答，涉及全球发展指标的问题平均准确率只有21.2%。主持这项研究的UNICEF首席统计师若昂·佩德罗·阿泽维多给出的口径是，大约五分之三的回答根本给不出可用的数字。更麻烦的是稳定性：同一个问题隔两天再问同一版本的模型，两次都给出数字的回答里，只有大约一半两次数字一致。这项研究还是未经同行评审的工作论文，但方向足够清楚——通用大模型在「检索并解释精确统计」这类任务上，能力与人们的预期差得很远。

平台做了什么：自然语言可查，智能体可直连

平台基于谷歌开源的Data Commons搭建，指标、时间序列和地理边界在入库时自动对齐，用户用大白话提问就能拿到结果和交互式图表，不用先学会某个统计数据库的目录结构。规模上，上线时已有近20家联合国机构的数据可用，26个实体承诺接入，联合国秘书长办公室的口径是首发即有约4400万个数据点；长期目标是2027年前把联合国系统80%的统计数据集搬上平台。Google.org为项目提供了200万美元的能力建设资金和技术支持，平台跑在联合国治理的实例上，目标是最终由联合国独立运维。

MCP直连，才是给GEO定规矩的那一步

真正的重头戏是MCP。谷歌的Data Commons团队演示了把AI助手经MCP接到这套数据上：模型不用再依赖训练时记进参数里的旧数字，回答时直接取权威数据，还能把多个指标合成图表、信息图和成稿分析。演示案例是评估美国总统防治艾滋病紧急计划（PEPFAR）在非洲的影响——模型自己定位HIV感染、艾滋病死亡与预期寿命三组指标，拼成一张信息图。对做GEO的人来说，这个演示几乎是在剧透生成式引擎的下一步：答案合成会越来越多地「现场取数」，而取数的对象是结构清晰、口径统一、可溯源的数据层。你的内容如果想在统计类问题里被引用，光有文字叙述已经不够了。

溯源机制，值得每个内容团队抄作业

平台还内建了provenance机制，每个统计数字都能回溯到原始UN数据集。谷歌Data Commons负责人Prem Ramaswami在发布时强调，即便接的是权威库，人类也应当在引用或发布前审查输出；联合国统计司代理司长Shantanu Mukherjee对TechCrunch的说法是「我们在规模、范围和灵活性上比原来先进了几个数量级」。落到实操：给页面里的关键数字带出处、注明统计口径和时间范围、让数据可以被机器对齐——这些恰好在向生成式引擎证明「这个页面可作为信源」。联合国用一整个平台示范了一遍GEO的底层逻辑，接下来值得盯的是接入数据集朝80%目标推进的速度，以及还有多少国际组织会照这个模式开放自己的数据。

（文 / AI30媒体部 ｜ 最后更新：2026年9月20日）