国内多数AI模型训练使用的中文数据占比已超60%
中文数据在国内AI大模型的训练性能提升方面发挥着重要作用。国家数据局近日发布的数据显示，目前国内多数AI模型训练使用的中文数据占比已经超过60%，有的模型达到80%。中文高质量数据的开发和供给能力持续增强，推动我国人工智能模型性能快速提升。
图片来源于网络，如有侵权，请联系删除
国家数据局局长刘烈宏表示，我国人工智能的快速发展，与我国高度重视数据工作是密不可分的。作为人工智能发展的核心要素之一，数据在推动“人工智能+”过程中发挥着关键作用，高质量数据集的建设至关重要。
图片来源于网络，如有侵权，请联系删除
“在人工智能时代，Token，也就是大家通常所说的词元，是处理文本的最小数据单元，如同互联网时代大家所说的‘流量’。”刘烈宏介绍，2024年初，我国日均Token的消耗量为1000亿，到今年6月底，日均Token消耗量已经突破30万亿，一年半时间增长了300多倍，反映了我国人工智能应用规模的快速增长。
图片来源于网络，如有侵权，请联系删除
据介绍，截至今年6月底，我国已经建设高质量数据集超过3.5万个，总体量超过了400PB（1PB可存储约5亿张2MB大小的高清照片），400PB的总量相当于中国国家图书馆数字资源总量的140倍左右。
人工智能模型的训练也推动了数据交易需求的攀升。截至今年6月底，各地高质量数据集累计交易额近40亿元，数据交易机构挂牌的高质量数据集总规模达到了246PB。
下一步，国家数据局将通过体系化布局持续推进高质量数据集建设，加快打造具身智能、低空经济、生物制造等重点领域数据高地，推动全社会强化数据要素价值认同，加快推进数据要素价值共创，培育“为优质数据买单”的市场共识。（记者高亢）
【责任编辑:焦鹏】
阅读下一篇：
扫描二维码推送至手机访问。
版权声明：本文由财界探秘发布，如需转载请注明出处。
“国内多数AI模型训练使用的中文数据占比已超60%” 的相关文章
世贸组织（WTO）周一发表年度世界贸易报告，旗帜鲜明地捍卫国际贸易带来的好处，并警告“某些富裕国家”——挥舞关税大棒不仅会伤害地球上最贫困的国家，也不太可能给他们本国的就业带来好处。图片来源于网络，如有侵权，请联系删除 （来源：WTO）图片来源于网络，如有侵权，请联系删除 世贸组织秘书...
图片来源于网络，如有侵权，请联系删除 当地时间1月6日，美国副总统哈里斯主持国会参众两院联席会议，点数选举人票，正式确认前总统、共和党总统候选人特朗普当选总统。图片来源于网络，如有侵权，请联系删除 按照1887年通过的美国《选举计数法》，由副总统兼参议院议长主持国会两院联席会议...
美联储理事库克周一表示，鉴于就业市场强劲且通胀压力持续存在，政策制定者在降息问题上可以更加谨慎地行动。图片来源于网络，如有侵权，请联系删除 在当天密歇根大学法学院举行的一个会议上，库克指出，自去年9月份美联储开始下调基准利率以来，劳动力市场表现得更加有韧性，而通胀则比当时预期的更为顽固，“...
2025年1月7日，西藏自治区日喀则市定日县发生6.8级地震。图片来源于网络，如有侵权，请联系删除 当日，北京字节跳动公益基金会宣布捐赠500万元人民币，联合公益机构，为西藏日喀则受灾地区提供灾后救援及重建支持。由于当地大量房屋倒塌、防寒保暖需求高，北京字节跳动公益基金会已联合中国红十字基金会...
图片来源于网络，如有侵权，请联系删除 随着美国最新ISM数据展现经济活动升温、通胀加速的状况，十年期美债收益率再度拉升，迫近4.70%关口，引发美股集体回调。 （十年期美债收益率日线图，来源：TradingView） 这也意味着自从去年9月开始，美联储降息100个基点的...
在近期举办openGauss Summit 2024大会上，权威机构发布调查报告，在2024年线下集中式关系型数据库新增市场份额，openGauss系再创新高，达30.2%。图片来源于网络，如有侵权，请联系删除 数据库是支撑各类应用软件运行的基础，与操作系统并驾齐驱。中国数据库行业历经二十余年...
