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。
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。
“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。
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。
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。
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。
“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。
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。
本文链接：http://www.vanbs.com/v-146-5145.html国内多数AI模型训练使用的中文数据占比已超60%
相关文章：
兴趣小组活动工作计划书12-28
暑假学生读书活动总结09-27
教师个人年度工作总结简短(六篇)08-09
小学生校园新闻广播稿05-16
健康知识讲座心得体会02-25
社会生活实践心得体会11-28
漫画老师话题作文03-10
出游的作文600字10-19
把琵琶行改写成作文07-23
医学美容技术专业主要学什么可以考什么证？哪些大学有医学美容技术专业11-28
《水果雨》公开课教案10-30
清平乐・春归何处原文翻译及赏析10-26
蒲松龄《地震》文言文翻译10-05
努力个性朋友圈文案10-05
学校应急预案10-05
郭德纲相声经典台词08-16