當前位置：首頁 > 資訊

國內(nèi)多數(shù)AI模型訓(xùn)練使用的中文數(shù)據(jù)占比已超60%

時間：2025-08-23 10:53:50 新華網(wǎng) 52

中文數(shù)據(jù)在國內(nèi)AI大模型的訓(xùn)練性能提升方面發(fā)揮著重要作用。國家數(shù)據(jù)局近日發(fā)布的數(shù)據(jù)顯示，目前國內(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60%，有的模型達到80%。中文高質(zhì)量數(shù)據(jù)的開發(fā)和供給能力持續(xù)增強，推動我國人工智能模型性能快速提升。

國家數(shù)據(jù)局局長劉烈宏表示，我國人工智能的快速發(fā)展，與我國高度重視數(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“人工智能+”過程中發(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。

“在人工智能時代，Token，也就是大家通常所說的詞元，是處理文本的最小數(shù)據(jù)單元，如同互聯(lián)網(wǎng)時代大家所說的‘流量’。”劉烈宏介紹，2024年初，我國日均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30萬億，一年半時間增長了300多倍，反映了我國人工智能應(yīng)用規(guī)模的快速增長。

據(jù)介紹，截至今年6月底，我國已經(jīng)建設(shè)高質(zhì)量數(shù)據(jù)集超過3.5萬個，總體量超過了400PB（1PB可存儲約5億張2MB大小的高清照片），400PB的總量相當于中國國家圖書館數(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)集累計交易額近40億元，數(shù)據(jù)交易機構(gòu)掛牌的高質(zhì)量數(shù)據(jù)集總規(guī)模達到了246PB。

下一步，國家數(shù)據(jù)局將通過體系化布局持續(xù)推進高質(zhì)量數(shù)據(jù)集建設(shè)，加快打造具身智能、低空經(jīng)濟、生物制造等重點領(lǐng)域數(shù)據(jù)高地，推動全社會強化數(shù)據(jù)要素價值認同，加快推進數(shù)據(jù)要素價值共創(chuàng)，培育“為優(yōu)質(zhì)數(shù)據(jù)買單”的市場共識。