中文數(shù)據(jù)在國(guó)內(nèi)AI大模型的訓(xùn)練性能提升方面發(fā)揮著重要作用。國(guó)家數(shù)據(jù)局近日發(fā)布的數(shù)據(jù)顯示，目前國(guó)內(nèi)多數(shù)AI模型訓(xùn)練使用的中文數(shù)據(jù)占比已經(jīng)超過(guò)60%，有的模型達(dá)到80%。中文高質(zhì)量數(shù)據(jù)的開(kāi)發(fā)和供給能力持續(xù)增強(qiáng)，推動(dòng)我國(guó)人工智能模型性能快速提升。

國(guó)家數(shù)據(jù)局局長(zhǎng)劉烈宏表示，我國(guó)人工智能的快速發(fā)展，與我國(guó)高度重視數(shù)據(jù)工作是密不可分的。作為人工智能發(fā)展的核心要素之一，數(shù)據(jù)在推動(dòng)“人工智能+”過(guò)程中發(fā)揮著關(guān)鍵作用，高質(zhì)量數(shù)據(jù)集的建設(shè)至關(guān)重要。

“在人工智能時(shí)代，Token，也就是大家通常所說(shuō)的詞元，是處理文本的最小數(shù)據(jù)單元，如同互聯(lián)網(wǎng)時(shí)代大家所說(shuō)的‘流量’。”劉烈宏介紹，2024年初，我國(guó)日均Token的消耗量為1000億，到今年6月底，日均Token消耗量已經(jīng)突破30萬(wàn)億，一年半時(shí)間增長(zhǎng)了300多倍，反映了我國(guó)人工智能應(yīng)用規(guī)模的快速增長(zhǎng)。

據(jù)介紹，截至今年6月底，我國(guó)已經(jīng)建設(shè)高質(zhì)量數(shù)據(jù)集超過(guò)3.5萬(wàn)個(gè)，總體量超過(guò)了400PB（1PB可存儲(chǔ)約5億張2MB大小的高清照片），400PB的總量相當(dāng)于中國(guó)國(guó)家圖書館數(shù)字資源總量的140倍左右。

人工智能模型的訓(xùn)練也推動(dòng)了數(shù)據(jù)交易需求的攀升。截至今年6月底，各地高質(zhì)量數(shù)據(jù)集累計(jì)交易額近40億元，數(shù)據(jù)交易機(jī)構(gòu)掛牌的高質(zhì)量數(shù)據(jù)集總規(guī)模達(dá)到了246PB。

下一步，國(guó)家數(shù)據(jù)局將通過(guò)體系化布局持續(xù)推進(jìn)高質(zhì)量數(shù)據(jù)集建設(shè)，加快打造具身智能、低空經(jīng)濟(jì)、生物制造等重點(diǎn)領(lǐng)域數(shù)據(jù)高地，推動(dòng)全社會(huì)強(qiáng)化數(shù)據(jù)要素價(jià)值認(rèn)同，加快推進(jìn)數(shù)據(jù)要素價(jià)值共創(chuàng)，培育“為優(yōu)質(zhì)數(shù)據(jù)買單”的市場(chǎng)共識(shí)。

關(guān)鍵詞：