衝破人工智能水電行年夜模子的“數據瓶頸”

——構建國家級語料庫運營平臺的思慮

中國網/中國發展門戶網訊  習近平總書記強調，人工智能是引領這一輪科技反動和產業變革的戰略性技術，具有溢出帶動性很強的“頭雁”效應。從全球范圍來看，人工智能（AI）年夜模子行業競爭日趨劇烈，american、歐盟、japan(日本)等密集出臺AI發展戰略，全體晉陞本身科技競爭實力。語料作為AI年夜模子訓練的基礎，其范圍、數量和質量直接影響到模子的訓練後果和機能，高質量語料庫已然成為晉陞系統準確性和泛化才能的焦點。是以，構建國家級語料庫運營平臺顯得尤為主要，它不僅是實現高質量數據供給的主要渠道，也是促進我國產業升級、技術進步的關鍵氣力，更是晉陞AI國際競爭力的殊途同歸。

中正區 水電行數據瓶頸：AI發展面臨訓練數據乾涸問題

全球AI年夜模子行業競爭日益加劇

AI年夜模子領域呈現史無前例的技術創新活氣和全球競爭態勢。多個國家投進年夜模子研發陣營，american谷歌、OpenAI等機構較早開始年夜模子技術研發，歐盟、俄羅斯、以色列、韓國等地區和國家也緊跟其后，參加全球AI年夜模子研發陣營。特台北 市 水電 行別是在ChatGPT發布以來，全球范圍內的AI年夜模子迎來了絕後的發展飛騰。近年來松山區 水電行，我國進進年夜模子加快發展期，在天然語言處理、機器視覺和多模態等各技術分支上發水電行展迅猛，不僅涌現出“文心一言”“通義千問”“星火認知”等一批具有行業影響力中山區 水電的AI年夜模子，特別是隨著DeepSeek-R1、V3、Coder等系列模子為代表的AI水電網結果不斷涌現，國產模子在語言懂得、內容天生和邏輯推理等方面展現出強年夜的才能，初步構成一流的AI年夜模子技術群。從區域分布來看，當前全球年夜模子呈現出“american領跑、中國緊跟、其他區域落后”的態勢。2025年，全球AI的競爭將進一個步驟升級為系統性競爭，各國將在基礎年夜模子、行業應用、硬件、產業鏈等方面展開周全較量。

AI年夜模子領域日益成為中美兩國科技競爭的前沿陣地。從全球已發布的AI年夜模子分布來看，中國和american年夜幅領先，合計數量超過全球總數的80%，這充足顯示了中美兩國在AI年夜模子領域的領先位置和強年夜實力。AI年夜模子的競爭，已經不僅僅是技術層面的競爭，更是國家科技戰略的競爭。american將優先發展AI上升為國家戰略，不斷向AI領域發展投進大批資源，以實現絕對的優勢。並且，american將中國確定為AI領域的重要競爭對手，出臺了一系列法規和政策來限制中國在AI領域的技術獲取和一起配合機會，尤其是針對AI芯片和年夜模子技術的封鎖和限制。例如，american陸續出臺《2020年國家人工智能倡議法案》（National Artificial Intelligence lnitiative Act of 2020）、《2022年芯片與科學法案》（CHIPS and Science Act 2022）等文件，對中國實施AI芯片新限制，試圖通過封鎖算力克制中國AI年夜模子的發展，使american成為“頭號玩家”。細觀中國AI年夜模子產業，得益于政策、技術和市場的配合驅動：一方面，中國當局強無力的政策支撐和不斷擴年夜的市場需求為中國AI年夜模子行業的蓬勃發展供給了無力保證，企業技術創新主體位置加倍凸顯；另一方面，台北 水電行american的限制辦法和技術封鎖，客觀安慰和促進了中國技術創新程度的晉陞，助力中國在全球年夜模子領域競爭力晉陞。

語料庫成為年夜模子競爭的關鍵要素

AI年夜模子訓練對數據供給請求極高。AI是第四次工業反動的“焦點引擎”，數據是AI年夜模子發展的“燃料”台北 市 水電 行。AI年夜模子技術的疾速迭代，不僅帶來對數據的海量需求，也對數據集的構建提出了更多挑戰。因為訓練AI年夜模子需求年夜規模、高質量、多模態的數據集，這些數據凡是來自各個領域和多個數據源，包括文本、圖像、語音、視頻等多種情勢。近年來，AI年夜模子訓練所用的數據集規模呈現出顯著的增長趨勢。以DeepSeek系列模子為例，DeepSeek-LLM（V1）通過數據往重、過濾和混洗（remixing）3個階段，構建了一個包括約2萬億token的中英雙語預訓練數據集，以確保數據多樣性和高質量；DeepSeek-V2擴展了數據量并進步了數據質量，模子預訓練所應用的語料庫包括8.1萬億token的多語言數據集；DeepSeek-V3通過進步數學和編程樣台北 水電行本的比例來優化預訓練語料庫，模子預訓練所應用的語料庫晉陞到14.8萬億token的多語言數水電師傅據集。

語料將成為AI時代的下一個競爭焦點。在AI時代，語料庫將成為晉陞AI年夜模子技術機能和應用後果的關鍵。語料數據作為AI年夜模子優秀輸出才能的保證，已經被廣泛應用于天然語言處理、機器翻譯、智能問答、感情剖析等多個領域，成為推動AI技術進步的關鍵原因。並且，各國都在加速語料庫發展，特別是推動高質量語料庫的建設和應用。

訓練數據缺乏成為全球個性問題

AI技術的疾速迭代，加劇數據供需牴觸。AI年夜模子訓練所需求的數據集的增速遠年夜于高質量數據天生的速率，將會導致高質量數據逐漸乾涸。專注于AI發展趨勢的研討團隊EPOCH AI，在研討中預測，最早在2024年人類就能夠會墮入訓練數據荒，屆時全世界的高質量訓練數據都將面臨乾涸。盡管水電行他們在最新的研討中，將高質量文本數據耗盡的時間推遲到2026—2032年，可是依舊認為訓練數據是AI年夜模子技術發展的重要瓶頸。在此佈景下，企業加年夜了對數據資源的競爭，為了獲取更多數據，包含OpenAI、Meta在內的多家企業不斷調整數據采集和應用條款，甚大公開討論若何規避版權保護。是以，高質量數據缺乏將成為制約AI技術發展的主要原因，均衡科技創新與版權保護之間的關系也是不克不及回避的現實問題。

高質量語料庫：人工智能年夜模子發展的焦點動能

訓練數據直接影響年夜模子的內容天生

數據的質量、規模和多樣性直接影響AI年夜模子的機能。數據規模是AI年夜模子預訓練的基礎，數據質量直接影響模子最終天生的內容質量。假如訓練數據準確、周全且具備代表性，那么AI年夜模子在剖析和天生天然語言文本方面的才能將獲得顯著晉陞，從而更精確地模擬和懂得人類語言的復雜性和多樣性。此外，通用參數、文本語言、圖像、視頻音頻等分歧類別的數據類型直接影響AI年夜模子的認知邊界。並且，AI年夜模子所需求的數據根據訓練階段有所分歧。以ChatGPT為例，在預訓練階段重要關注數據的類型廣泛度，需求包含網頁、圖書、學術論文、新聞報道、社交媒體文本、代碼等情勢在內的各類數據；在監督微調（SFT）階段和基于人類反饋的強化學習（RLHF）階段更關注人類認知的數據，因為這2個階段是對AI年夜模子泛化才能和涌現才能的訓練，對于數據質量請求較高，強調語料特征與人類價值觀的分歧。

數據質量問題對AI年夜模子天生內容的負面影響不容忽視。假如訓練數據存在錯誤、偏見或信息稀缺，這些問題將在模子天生的文本中得以體現。準確性問題。假如訓練數據中包括錯誤或禁絕確的信息，AI年夜模子將會學習并重現這些錯誤，這能夠導致模子在天生文本時產鬧事實性錯誤或誤導性信息。偏見和刻板印象。數據中的偏見和刻板印象也會被模子學習并反應在其天生的文本中。例如，假如訓練數據中存在性別、種族或文明的刻板印象，模子能夠會在天生的內容中無意中強化這些偏見。 數據稀缺性。假如訓練數據中某些類型的信息較為稀缺，模子在處理這些信息時能夠會表現欠安。總之，禁絕確的數據能夠導致模子產鬧事實性錯誤，數據中的偏見會無意識地被模子學習和重現，而數據的稀缺性則能夠限制模子在處理特定信息時的表現。

高質量數據對模子內容天生具有積極影響。將AI年夜模子打形成新質生產力東西，建設高質量語料庫是關鍵。應用高質量數據進行訓練，可以顯著晉陞年夜模子天生內容的準確性、客觀性和多樣性。進步準確性。準確無誤的數據集可以幫助模子學習到正確的語言形式和知識，準確模擬真實世界，使模子的預測更貼近實際數據分布。增強客觀性。經過仔細篩選和清洗數據，并借助優化算法減少訓練中的損掉函數，可以最年夜水平地減少數據中的偏見和刻板印象，保證模子天生的文本加倍中立和客觀。豐富多樣性。多樣化的訓練數據可以使模子在處理分歧類型的信息時都能表現傑出，無論是通用知識還是專業領域的知識。

高質量中文語料庫建設意義嚴重

高質量的中大安 區 水電 行文語料數據尤為稀缺。受制于數據集建設的高額本錢，以及尚未成熟的開源生態，國內開源數據集在數據規模和語料質量上比擬海內仍有較年夜差距，進而導致數據來源較為單一，且更換新的資料頻率較低，影響模子的訓練後果。據相關數據預算，國內互聯網中文語料的質量和規模均年夜幅低于英文語料，英文文本和數據資料是中文的8倍擺佈；并且，以公開渠道獲取大量量、高質量的中文語料數據的難度較年夜。並且，中文語料、科研結果等高質量數據集開放水平低，企業用于訓練的語料來源不清楚、權屬不明確，開信義區 水電源后存在必定的合規隱患，這使得企業更傾向于自采、自用，國內AI年夜模子數據暢通機制尚未構成。

高質量中文語料庫建設勢在必行，中式價值觀類語料更為需要。AI年夜模子需求依賴現實語料庫進行訓練，因此能夠會延續現實社會中存在的彩修嘴角微張，整個人無言以對。半晌後，他眉頭一皺，語氣中帶著疑惑、憤怒和關切：“姑娘是姑娘，這是怎麼回事？你和偏見和價值誤差，甚至會因為疾速和低本錢的應用加劇這些偏見和誤差。當前，中文語料庫面臨總量缺乏、分布不均、垂直覆蓋無限、質量參差不齊等問題，導致國內許多從事AI年夜模子開發的機構在進行模子訓練時，不得不依賴于外文標注數據集、開源數據集或是爬取網絡數據。在國際形勢日趨復雜的態勢下，意識形態之爭正在慢慢加劇，而AI年夜模子很能夠被“兵器化”，成為進行輿論引導的新東西——經英文語料庫訓練出來的AI年夜模子，不成防止地更合適東方主流價值觀。是以，需求加年夜對高質量中文語料庫，尤其是反應優秀傳統文明和外鄉價值觀的中式價值觀類語料的開發，盡快掌控中文語料庫的話語權，既是幫助年夜模子更好地輿解和反應我國的文明佈景和價值取向，也能在價值引導方面占據主動位置。

“擴源提質”打造高質量語料庫

“擴源提質”是建設高質量語料庫的有用戰略。“擴源”意味著要不斷擴年夜數據的來源和多樣性，通過搜集、匯聚社交媒體文本、學術論文、新聞報道等多種來源的數據，覆蓋文本、圖像、視頻、音頻等多種數據類型，為年夜模子供給豐富的語言環境和知識佈景。“提質”則強調的是晉陞數據的質量和準確性，對數據進行往重、格局化、迭代更換新的資料、標注、內容監督等深刻發掘和精細化處理，構成包括預訓練數據集、指令微調數據集、測試數據集等內容的、高效可用的多模態語料庫，以支撐后續數據的深度剖析、模子訓練，以及數據應用與服務需求。

高質量分解數據或將是通俗數據的有用補充。基于各類原始數據，運用模數學模子創建天生新的分解數據，能夠為模子供給訓練資料。例如，專攻棋類的AlphaZero就是應用分解數據訓練出來的。分解數據既可以基于真實數據構建，也可以通過現有模子或許人類專業知識創建；分解數據在豐富數據多樣性的同時，能夠更快地天生多模態數據，幫助模子預訓練。可是，由于分解數據天生過程能夠存在誤差或噪聲，其質量和真實性無法完整模擬客觀世界，在數據可托度、泛化才能及倫理方面面臨更多的挑戰。是以，基于當前數據現狀，以及分解數據的發展實踐來看，分解數據為豐富模子訓練數據供給了一種解決計劃，可是要想讓分解數據成為有用的訓練數據，必須保證分解數據的質量。

語料庫運營平臺：晉陞人工智能國際競爭力的殊途同歸

對標國外：歐american家積極建設語料庫運營平臺

american、歐盟積極建設語料庫運營平臺以實現各類語料庫的匯聚、開發、應用。例如，american最周全的公共數據平臺Data.Gov、歐盟“配合數據空間”（Common European Data Spaces）等。通過對國外語料庫運營平臺架構剖析發現，這些平臺建設內容重要包含數據匯聚共享、數據管理，以及平安監管等方面。具體來看，各國重要基于數據處理分歧的階段進行平臺的設計和建設。

數據匯聚階段，各國不斷擴年夜數據來源，并選取公道方法實現數據匯聚。各國加年夜對公共、企業、個人數據匯聚的同時，重視對科台北 水電研數據的搜集、匯聚。例如，歐盟“配合數據空間”匯聚了法令、氣象、平安執法等公共數據，制造業、綠色節能、路況、安康等17類行業數據，以及姓名、郵箱等個人數據。在數據匯聚方法上，年夜多采用物理匯聚和邏輯接進的方法。例如，歐盟出于對數據平安的考量，更傾向于邏輯接進，而非物理匯聚方法進行集中存儲。

數據管理階段，國內外廣泛通過數據清洗、數據標準化、數據標注、數據質量評價等方法實現數據高效管理。具體實踐中，數據清洗更多側重明確清洗規則、應用自動化技術和東西；數據標準化旨在統一數據格局、數據類型、數據定名等規范；數據標注環節關注標注技術和東西研發、人才培養和生態培養等內容；數據質量評價更多側重數據質量評價指標體系打造、反饋機制及優化等內容。例如，americanData.gov重要采取包含人工評價、系統自動評估、第三方評價在內的綜合數據質量評價體系。此外，國外倡導當局、行業協會、非營利性平臺、企業等主體配合參與數據管理，營造傑出的數據管理生態。

數據服務階段，重要通過公共數據平臺和社會數據平臺供給各類數據服務。具體方法包含：樹立檢索下載平臺、開發數據東西服務、組建語料庫聯盟、構建開源生態等。例如，年夜模子訓練數據庫Common Crawl以API接口服務情勢為GPT-3、騰訊WeLM等AI年夜模子供給語料。並且，國外積極引進數據中介、數據經紀商等多方氣力，構建多元服務生態。

數據運營階段，當前語料庫運營平臺運營主體重要包含當局、高校和科研機構、非營利（開源）組織，以及年夜型互聯網公司和專業機構。分歧類型的運營主體根據對語料庫的定位分歧，采取分歧的建設運營形式，也對應分歧收費形式。例如，american當局基于公私合營買通數據運營全鏈條，構成以“開放共水電師傅享數據集+高質量語料庫+全性命周期的語料處中正區 水電行理+靈活多樣的配套運營保證”為焦點的全鏈服務矩中山區 水電行陣。此外，語料庫運營平臺的平安監管和運營生態建設也是各國關注的重點內容。

國內環境：建設語料庫運營平臺是科技競爭的必定

發展AI語料庫不僅是科技競爭的關鍵地點，也是落實國家戰略、推動產業升級、優化資源設置裝備擺設的主要舉措。從國家戰略請求看，建設國家級語料庫運營平臺是落實國家AI戰略，發揮平臺經濟感化，推動高質量發展的主要載體。《新一代人工智能發展規劃》的發布，將AI發展放在國家戰略層面系統布局、主動謀劃。建設國家級語料庫運營平臺是基于AI年夜模子發展對高質量、年夜規模、平安可托語料數據資源需求的現實考量，是加速推進發展AI，促進新質生產力發展的主要引擎。此外，推動平臺經濟發展是國家安身新發展階段、貫徹新發展理念、構建新發展格式、推動高質量發展的戰略布局。建設國家級語料庫運營平臺，以數據基礎設施為主要支撐，以促進數據關鍵生產要素價值發揮為目標，能夠充足凸顯平臺建設的價值和優勢。

從產業發展的角度來看，實施“AI+”行動已經成為推動現代化產業體系建設和經濟高質量發展的重中之重。AI與實體經濟的深度融會，不僅促進傳統產業的智能化改革和轉型升級，還可以催生出一批新興產業。數據是AI發展的催化劑，年夜模子驅動的AI發展對于高質量數據供提出了更高松山區 水電行請求。在AI領域，無論是算法的優化、模子的改進還是新技術的應用，都需求大批的數據進行實驗和驗證。推動語料庫運營平臺建設，加年夜高質量語料庫供給，才幹充足發揮數據的基礎資源感化和創新引擎感化。

從資源設置裝備擺設的角度來看，數據資源的集約設置裝備擺設是進步AI技術應用效力的關鍵。通過建設集中、統一的國家級語料庫運營平臺，能夠防止數據的重復采集和浪費，進步數據資源的應用效力。語料庫運營平臺還可以通過集成和整合國家AI“五年夜”訓練基地的數據資源，以實現數據資源的互通共享。這不僅可以下降數據獲取和處理本錢，也能夠為企業和個人供給更便捷、高效的AI服務。

建設戰略：積極打造國家級語料庫運營平臺

了了平臺定位，打造國家語料庫匯聚與運營平臺

國家級語料庫運營平臺是搶抓AI發展戰略機遇，構筑我國AI競爭優勢的主要衝破口。平臺的水電建設應定位為“國家語料庫集聚與運營服務平臺”，努力于打造全國范圍內最權威、最周全、最精準的語料數據和服務供給載體。是以，平臺建設應當凸起國家戰略安排和基礎服務效能，強化其公共屬性和公益定位；同時，考慮年夜規模語料匯聚、管理、開發等任務所需求的宏大資源投進，平臺可以通過語料產品的開發來獲取運營收益，反哺平臺的建設運營。平臺應兼顧匯聚和運營，不僅能夠采集、匯聚和存儲海量的語料數據，還應通過數據管理，構成對外供給語料檢索、剖析和應用的服務才能，以支撐天然語言處理、機器學習、AI等領域的研討與應用。平臺應以需求為導向，面向AI企業、AI訓練基地等具有高質量語料的需求方供給數據服務或產品。平臺應著眼于產業發展和生態構建，在數據管理和數據服務等環節，發揮平臺優勢，充足鏈接更多市場參與主體，通過專業化、鏈接型、前瞻性的戰略布局，推動市場構建語料生態。

設計總體架構，實現業務和技術的深度融會

業務架構上，國家級語料庫運營平臺采用“三橫三縱”的總體架構（圖1）。橫向維度，平臺貫通數據匯聚、數據管理和數據服務三年夜環節。數據匯聚模塊，以全國一體化政務年夜數據平臺和各省市政務年夜數據平臺為抓手實現公共數據、企業數據、專項數據等各類數據的采集、匯聚；數據管理模塊，通過數據清洗、數台北 水電據標準化、數據標注和數據質量評價的管理手腕，構成直接可用于AI年夜模子訓練的預訓練台北 水電數據集、指令微調數據集、監督測試數據集；數據服務模塊，供給數據檢索、數據共享、數據暢通買賣等配套服務，著力于開源數據生態打造。縱向維度，平臺覆蓋技術東西、平安監管、生態創新等“三年夜才能”的全流程支撐。技術東西方面，通過隱私保護、數據互操縱、跨域數據交換等技術的更換新的資料迭代，助力語料庫買通多主體、跨層級數據暢通壁壘；平安監管方面，強調對數據平安、隱私保護和合規性的周全監管，構建“技術+運維+治理”三元語料庫平安防護體系，以保證平臺平穩運行的基礎；生態創新方面，通過數據標準生態、行業多元主體參與生態的打造，增強語料庫運營平臺價值發揮，向市場傳遞重構語料生態的頂層設計理念。

技術架構上，建議國家級語料庫運營平臺采用“1+N”一體化架構設計。國家級語料庫運營平臺設計必須考慮當前我國數據資源現狀，以數據平安說實話，他真的不能同意他媽媽的意見。為底線，綜合考慮國家統籌治理與區域現狀特點相結合，重視資源高效應用，推動樹立全國數據要素統一年夜市場。是以，借鑒全國探了探女兒的額頭，擔心她會因為腦子發熱而說出與她性格不符的話。一體化在線政務服務平臺信義區 水電行建設和數據匯聚的思緒，建議國家級語料庫運營平臺采用“1+N”的一體化架構設計。此中，“1”，指國家語料庫運營平臺，即中間平臺。中間平臺負責國家級語料庫運營平臺的全國統籌治理，樹立中間編目系統治理分布式數據平水電網臺的元數據，但不直接進行數據管理和數據運營；具體通過制訂標準、開源系統東西支撐、開放接口建設等，實現一切平臺之間的整體聯動和協同共享。此外，中間平臺還需負責國家電子政務數據、部委、央企等單位數水電 行 台北據的匯聚。“N”，指選取部門區域建設N個國家級語料庫運營平臺。例如，支撐以國家AI“五年夜”訓練基地地點區域為試點，建設國家級語料庫運營平臺，負責各區域內的語料匯聚和存儲。在“1+N”的一體化架構下，基于全國數據互聯、服務互通的統一數據門戶，中間平臺在收到用戶請求時，根據水電 行 台北元數據描寫從分布系統實時調用對應的數據集，構成全國語料庫服務“一張網”。

確定運營主體，高效推動平臺建設與運營

國家級語料庫運營平臺的建設運營主體，是影響平臺建設進度和成效的關鍵要素。初步設想，有4種路徑：由國家數據局統一規劃建設統一運營治理，因為在國藍玉華愣了一下，然後對著父親搖了搖頭，道：“父親，我女兒希望這段婚姻是雙方自願的，沒有強求，也沒有勉強。如果有家數據局等部門印發《“數據要素×”三年行動計劃（2024—2026年）》中明確提出建設高質量語料庫和基礎科學數據集，支撐開展AI年夜模子開發和訓練。由國家數據局委托國家信息中間、中國信息通訊研討院等具有國家信息化項目建設經驗的單位開展建設運營，國家數據發展研討院協助建設。以國家數據局為總牽頭，協調“東數西算”八年夜樞紐節點或國家AI“五年夜”訓練基地地點地區發展和改造委員會、經濟和信息化廳等相關部門，聯合組建國家級語料庫運營主體。由國家數據局指導中國移動、中國聯通、中國電信等電信運營商進行建設與運營，發揮運營商在數字基礎設施、數字化才能及年夜型信息化項目建設方面所具備的較強優勢。

聚焦焦點內容，覆蓋語料生產應用全性命周期

國家級語料庫台北 水電 行運營平臺覆蓋了語料獲取、清洗、加工、管理、應用和治理的全性命周期，具有多種靈活的采集、匯聚方法；能分布式高效處理海量語料，有用晉陞語料開發應用效力，賦能企業或更多機構建設年夜模子、增強年夜模子才能。在數據匯聚環節，一方面，保證數據來源，關注公共數據、企業數據等數據來源和獲取渠道，兼顧數據在時間和松山區 水電領域維度的融會，樹立數據長期更換新的資料機制；另一方面，選取公道的數據匯聚方法——公共數據可以考慮以邏輯接進為主，企業數據視情況選擇分歧匯聚方法。在數據管理環節，既要考慮數據匯聚之后的管理，也要基于分歧的場景需求，服務于數據水電 行 台北運營需求；考慮采用先進審核技術、動態戰略治理等中間層技術，對“有毒”數據進行攔截與修正。在數據服務環節，一方面，積信義區 水電行極摸索服務內容，平臺除重要供給數據目錄、數據共享、數據交換、數據東西等服務內容外，還應加強摸索分解數據的建設和應用；另一方面，要樹立公道的數據運營機制，在明確平臺運營主體之后，基于服務內容，科學設定數據定價機制和收益分派機制。

（作者：李興騰，浙江年夜學公共治理學院；馮鋒，中國科學技術年夜學治理學院；黃鸝強，浙江年夜學治理學院。《中國科學院院刊》供稿）