繼上年百模大戰之后，本年內地大模子產業應用進入爆發元年。
然而，大模子產業發展如火如荼的同時，其培訓數據規模的增長速度跟不上、語料質量參差不齊，尤其是高質量中文語料短缺的疑問日益凸顯，成為各方關注焦點。
阿里研究院5月發表的《大模子培訓數據白皮書》（以下簡稱《白皮書》）顯示，互聯網上中文語料和英文語料占比存在顯著不同：在環球網站中，英文占比高達598%，而中文僅占 13%。
同樣，語料的質量會顯著陰礙大模子的功能。在大模子領域，輸入低質量數據，必定會輸出低質量結局。
在近日舉辦的第六屆北京智源大會上，中國互聯網協會理事長尚冰指出，高質量數據的生成速度遠低于AI大模子培訓數據需求量的增長速度，數據短缺疑問已初現跡象。
如何獲取規模化高質量中文數據？建設高質量中文數據集的難點和堵點是什麼？加快數據流暢，推動中國特色大模子創造發展與應用的意義何在？對此，科技日報記者進行了采訪。
高質量中文語料供應嚴重匱乏
語料即大模子培訓所需數據，是大模子培訓的根基，也是決意大模子功能和技術性的關鍵因素。商湯科技大裝置事業群高等總監張行程通知記者，中文高質量語料相對缺乏是內地外大模子面對的共同疑問。中文語料庫不僅規模較小，且其電子化和網絡化水平明顯不足。此外，受版權、隱私等限制，很多優質中文語料庫也無法公然獲取。
此中，有一類型的中文語料極為主要，但又極度短缺中式價值觀類語料。《白皮書》重要編寫成員、阿里研究院數據經濟研究中央副主任王崢辯白說，為了更好懂得客觀世界和掌握客觀紀律，大模子需要吸取大批知識和價值觀層面的數據，這些數據深受人類主觀意志的陰礙。
在王崢看來，文言文、古漢語、電子書等反應優秀傳統文化的內容，以及主流媒體發表的反應本土價值觀的內容，都可視為具有中式價值觀的高質量語料。
培訓中融入更多這類中式價值觀語料，有助于大模子深入懂得和反應中文採用者的文化底細和價值取向，從而在環球化底細下維持中國文化的獨特性。王崢說，更主要的是，能更好地服務中國本土用戶，知足行業發展的需要。
但現在面對的實際難題是，這類語料開放共享與開闢利用的水平遠遠不夠，且無法通過機械翻譯補救其短缺疑問。《白皮書》指出，中文語料量的短缺尚有可辦理方案，但中式價值觀類語料的短缺，則會成為制約我國大模子發展的短板。
高質量中文語料的供應是中國大模子本土化的關鍵。我們但願行業能加強企業間合作以及產業高下游協同，共同推動高質量中文數據集的共享、開放，勉勵數據提供方將高質量中文語料庫在一定范圍內公然，為各行各業大模子專業創造和應用奠定堅實的根基，形成中國特色的AI大模子創造路徑，連續不斷提高國際競爭力。張行程說。
供需兩方合作機制尚待完善
一方面，大模子廠商需要高質量數據支撐，以解巧婦難為無米之炊的逆境；另一方面，高質量中文語料庫的數據擁有者，如擁有各類圖書、文獻的出版商等，也期待在智能化時代實現數據增值。因此，試探數據供需兩方合作模式是關鍵。
然而，要推動數據供需兩方創建合作并非易事。攔路虎究竟是什麼？
當前，大模子數據獲取重要有合乎邏輯爬取、版權采購等道路。
張行程透露，商湯現在的辦理方案是聯盟各機構盡量挖取、尋找現存的中文高質量語料，比如精心編校過的書本、論文等，以及向供給商買入版權語料。固然買入數目有限，但質量很高。張行程說。這是以前置談判付費方式來獲取版權類語料的傳統商玩運彩網球務模式。阿里巴巴通義千問大模子也采取了雷同做法。
王錚還提到第二種潛在的方式，即與版權方談判，以培訓后的模子為版權方提供服務的方式進行對價。
然而，關于版權類語料採用，數據提供者和大模子廠商持有差異見解。王崢以為，大模子對版權類培訓語料的採用屬于轉換性採用，而非復制式拷貝，應構成合乎邏輯採用或法定允許。
上海世紀出版集團數字出版部副主任劉寅春對此持有保存意見。她指出，大模子的深度吸取機制與人類吸取有相似之處，採用版權類數據進行培訓，雷同于人類閱讀文獻后撰寫論文而不標注參考文獻。從學術規范上來說，這種做法很難說沒有瑕疵。她說。
此外，大模子廠商培訓大模子的終極目的是商用，這與合乎邏輯採用的初衷和條件并不相符。法定允許需要知足一定前提，包含有說明作品的出處、作者姓名，并支付報酬。假如這些前提無法知足，那麼在顯性法律釋義下，這種行為很難構成法定允許。
在人工智能時代，高質量數據集是出版行業的要點資產。劉寅春以為，在有利于行業康健、可連續發展的條件下，切實保障知識產權，對高質量數據集進行有效開闢和高質量轉化，是出版行業的要點。
出版行業為大模子提供語料，相應地，大模子的專業先進、性能提拔，也應惠及包含有出版行業在內的更廣泛群體。劉寅春提倡以合作共贏的方式與大模子廠商開展數據買賣，通過訂立授權協議，明確授權范圍和前提，實現共同發展。
如何將出版物進一步加工為數據要素并有效、有序流暢，是擺在出版人眼前的新疑問。中國出版傳媒股份有限公司副總經理張紀臣說，但我以為這同樣是新機緣，由於我國出版行業一直強調知識服務這一理念。將出版物作為語料採用，從而提供產品和服務才幹，正是出版知識服務的產品化體現。
數據開源分享動力不足
現在，我國可供大模子培訓的優質數據資本呈零碎化、散開狀態。
特別是語料和科研成績等中文高質量數據集開放水平低，企業在培訓大模子時採用的語料來歷不透徹、權屬不明確，開源后存在合規風險，這導致企業更傾向于自行采集和採用數據，大模子數據流暢機制尚未形成。王崢說。
北京理工大學控制學院副研究員尹西明以為，需要構建一個市場化、互利共贏的數據共享機制，以促進高質量中文玩運彩賠率數據的積累和有效利用。
確立明晰的數據要素市場制度對于發憤高質量數據集構建至關主要。在復旦大學教授、上海市數據科學重點實驗室主任肖仰華看來，只有當市場機制能夠確保數據功勞者獲得合乎邏輯回報時，才能吸引更多的數據流入市場，充分發掘并實現數據共享的巨大潛力與價值。
2024年12月31日，國家數據局等部分印發《數據要素三年行動策劃（20242026年）》，強調堅定需求牽引、講究實效，試點先行、重點突破，有效市場、有為政府，開放混合、安全有序4方面根本原則。
該行動策劃進一步明確，要提拔數據供應程度，在科研、文化、交通運輸等領域，推動科研機構、龍頭企業等開展行業共性數據資本庫建設，打造高質量人工智能大模子培訓數據集。
事實上，作為數據流暢領域中最大的富礦，公眾數據開放的步伐正連續不斷加速。《全國數據資本查訪教導》顯示，2024年，我國公眾數據開放量同比增長16%；省一級政府的開放數據量同比增長了185%，北京、浙江等15地數據控制部分開始試探公眾數據授權運營機制。
本年初開始實施數據入表政策。張紀臣以為，跟著數據入表政策的實施，出版企業的數字資本途經確權、評估、尺度化后入表，成為出版企業的數據資產。在此根基上構建大模子培訓採用方與出版企業共贏的商務模式，能發揮中國價值要點數據在人工智能時代的智能服務話語權。這樣一來，數據入表可能成為加快數據有效流動、共享并實現共贏的關鍵一步。他說。
數據流暢環節疑問突出
算法、算力、數據和場景是大模子發展的4個要點要素。當前，我國大模子算力算法才幹顯著提拔，高質量發展取決于數據和場景，應構建供得出、流得通、用得好的高質量數據集。
尹西明表示，大模子變強用好，條件是創建以場景驅動創造的思維，帶領高質量數據連續在各種應用場景中發揮價值。那麼，辦理數據供得出困難后，應重點確保高質量數據流得通，真正面向場景開釋數據乘數效應和大模子對新質生產力的引擎價值。
數據要素在生產中的身份愈發主要，數據要素流動帶來的開放性與動態性疑問，為傳統數據理論與相應專業帶來新挑戰和新要求。
此中之一就是數據確權。肖仰華表示，比擬其他生產要素，數據要素在流暢過程中主體加倍多樣，涉及數據生產者、采集者、加工者、採用者、運營者和其他產權人，權屬界定復雜。
北京智源人工智能研究院理事長、中國互聯網協會人工智能工作委員會主任委員黃鐵軍指出：當前普遍存在一種誤解，即將數據視為傳統意義上的物理資產。實在，數據并非物理資產，作為數字形態產品，它可以被無窮次採用，且不會導致數據損耗。
他提倡在確保採用合規的條件下，大模子培訓階段可以免費獲取數據資本。假如採用數據的過程中并未產生商務長處，則無需支付任何費用；反之，一旦通過數據採用獲得了商務收益，便應依照既定比例支付相應的數據採用費用。
固然這一模式背后還涉及到數據確權、費率設定、監玩運彩下注規則管機制等復雜疑問，這些還有待深入探討求和決，但先採用后收益更有利于大模子的康健發展。黃鐵軍說。
王崢則以為，確保數據流暢需政府與企業、開源或非盈利組織、學界、多類型機構等社會氣力協同推進。
他發起，在政府側，對可用于模子培訓的公眾數據勉勵應開盡開，避免在數據開放過程中由於預設特定場景限制了應用范圍；在社會氣力側，應堅定應試盡試原則，通過連續不斷迭代，試探數據的有效搭配，尋找發揮最大價值的配方。
標注技術化、規模化提上日程
從2024年《關于構建數據根基制度更好發揮數據要素作用的意見》出臺以來，數據要素建設和市場革新正穩步推進。本年5月，國家數據局提出建設國家級數據標注基地，這一舉措對人工智能發展至關主要。
中國信息通訊研究院人工智能研究所高等工程師、中國人工智能產業發展聯合數據委員會主任李蓀表示，數據標注是推動人工智能先進的要點環節，它能夠提拔數據質量，發掘數據要點價值，形成高質量數據集，連續為AI提供數據支援。
也便是說，在一定水平辦理數據供應、促進數據共享和打通流暢機制后，如何讓大模子吸取到高質量數據，是接下來各界面對的另一個新挑戰。
數據標注的技術性和規模化也被提上日程。
李蓀指出，當前內地數據標注產業還對照初等，大部門標注工作以人工為主，勞動密集型特點對照突出。可是，在通用人工智能時代，傳統手工標注或簡樸自動化標注想法無法知足大模子對大規模、高質量、多樣化數據的需求，特別是具備模子培訓知識、行業領域知識的技術化數據標注人才也相對匱乏。
大模子培訓數據標注人員的學歷要求比以前更高，許多是本科結業。王崢表示，行業大模子數據標注凸顯了技術知識的主要性。
機械在對語言程度這一抽象概念進行評估時，必要依賴預先設定的人類價值判定和尺度。電子科技大學智能語言吸取與測評實驗室與字節跳動合作開闢了一款語言程度測驗產品。實驗室擔當人陳大建說，在研發階段，實驗室擔當對自行蒐集的用戶音頻數據進行標注，其標注內容重要是基于音頻所體現的英語才幹程度進行分類和標誌。標注人員由學校四五十名大學英語老師組成，且均為應用語言學技術的碩博士。
吃得好、吃得香，還要吃得夠。只有終極實現了規模化高質量標注，才能切實提拔大模子懂得中文、傳遞中國傳統文化價值的才幹。中國大模子的蓬勃發展也將助力中華優秀傳統文化海外散播，架起一座連結古今、溝通中外的橋梁。
中國出版集團中國圖書進出口總公司下屬中圖科信數智專業（北京）有限公司總經理李沄沨以為，從正式出版物如文獻、學術專著等入手，依托進步的提取工具求和析專業，將出版物語料化、零碎化、尺度化，加工成高質量的語料數據，有別于一般的數據加工。我們已經實現了大規模和批量開展數據語料化的專業和工具軟件，能夠更深層次地分析數據，并形成獨立的圖片、表格、公式數據集，為大模子人工智能服務提供價值更高、尺度水平更好的語料供應，使出版數據在人工智能時代煥發出新活力。他說。
在數字經濟大潮中，數據要素的放大、疊加、倍增作用日益顯著，成為推動相關產業高質量發展的必定要求。張紀臣以為：我們正站在新一輪產業科技革命的門口。這是一個不進則退的時代。
繼上年百模大戰之后，本年內地大模子產業應用進入爆發元年。
然而，大模子產業發展如火如荼的同時，其培訓數據規模的增長速度跟不上、語料質量參差不齊，尤其是高質量中文語料短缺的疑問日益凸顯，成為各方關注焦點。
阿里研究院5月發表的《大模子培訓數據白皮書》（以下簡稱《白皮書》）顯示，互聯網上中文語料和英文語料占比存在顯著不同：在環球網站中，英文占比高達598%，而中文僅占 13%。
同樣，語料的質量會顯著陰礙大模子的功能。在大模子領域，輸入低質量數據，必定會輸出低質量結局。
在近日舉辦的第六屆北京智源大會上，中國互聯網協會理事長尚冰指出，高質量數據的生成速度遠低于AI大模子培訓數據需求量的增長速度，數據短缺疑問已初現跡象。
如何獲取規模化高質量中文數據？建設高質量中文數據集的難點和堵點是什麼？加快數據流暢，推動中國特色大模子創造發展與應用的意義何在？對此，科技日報記者進行了采訪。
高質量中文語料供應嚴重匱乏
語料即大模子培訓所需數據，是大模子培訓的根基，也是決意大模子功能和技術性的關鍵因素。商湯科技大裝置事業群高等總監張行程通知記者，中文高質量語料相對缺乏是內地外大模子面對的共同疑問。中文語料庫不僅規模較小，且其電子化和網絡化水平明顯不足。此外，受版權、隱私等限制，很多優質中文語料庫也無法公然獲取。
此中，有一類型的中文語料極為主要，但又極度短缺中式價值觀類語料。《白皮書》重要編寫成員、阿里研究院數據經濟研究中央副主任王崢辯白說，為了更好懂得客觀世界和掌握客觀紀律，大模子需要吸取大批知識和價值觀層面的數據，這些數據深受人類主觀意志的陰礙。
在王崢看來，文言文、古漢語、電子書等反應優秀傳統文化的內容，以及主流媒體發表的反應本土價值觀的內容，都可視為具有中式價值觀的高質量語料。
培訓中融入更多這類中式價值觀語料，有助于大模子深入懂得和反應中文採用者的文化底細和價值取向，從而在環球化底細下維持中國文化的獨特性。王崢說，更主要的是，能更好地服務中國運彩討論區本土用戶，知足行業發展的需要。
但現在面對的實際難題是，這類語料開放共享與開闢利用的水平遠遠不夠，且無法通過機械翻譯補救其短缺疑問。《白皮書》指出，中文語料量的短缺尚有可辦理玩運彩 籃球方案，但中式價值觀類語料的短缺，則會成為制約我國大模子發展的短板。
高質量中文語料的供應是中國大模子本土化的關鍵。我們但願行業能加強企業間合作以及產業高下游協同，共同推動高質量中文數據集的共享、開放，勉勵數據提供方將高質量中文語料庫在一定范圍內公然，為各行各業大模子專業創造和應用奠定堅實的根基，形成中國特色的AI大模子創造路徑，連續不斷提高國際競爭力。張行程說。
供需兩方合作機制尚待完善
一方面，大模子廠商需要高質量數據支撐，以解巧婦難為無米之炊的逆境；另一方面，高質量中文語料庫的數據擁有者，如擁有各類圖書、文獻的出版商等，也期待在智能化時代實現數據增值。因此，試探數據供需兩方合作模式是關鍵。
然而，要推動數據供需兩方創建合作并非易事。攔路虎究竟是什麼？
當前，大模子數據獲取重要有合乎邏輯爬取、版權采購等道路。
張行程透露，商湯現在的辦理方案是聯盟各機構盡量挖取、尋找現存的中文高質量語料，比如精心編校過的書本、論文等，以及向供給商買入版權語料。固然買入數目有限，但質量很高。張行程說。這是以前置談判付費方式來獲取版權類語料的傳統商務模式。阿里巴巴通義千問大模子也采取了雷同做法。
王錚還提到第二種潛在的方式，即與版權方談判，以培訓后的模子為版權方提供服務的方式進行對價。
然而，關于版權類語料採用，數據提供者和大模子廠商持有差異見解。王崢以為，大模子對版權類培訓語料的採用屬于轉換性採用，而非復制式拷貝，應構成合乎邏輯採用或法定允許。
上海世紀出版集團數字出版部副主任劉寅春對此持有保存意見。她指出，大模子的深度吸取機制與人類吸取有相似之處，採用版權類數據進行培訓，雷同于人類閱讀文獻后撰寫論文而不標注參考文獻。從學術規范上來說，這種做法很難說沒有瑕疵。她說。
此外，大模子廠商培訓大模子的終極目的是商用，這與合乎邏輯採用的初衷和條件并不相符。法定允許需要知足一定前提，包含有說明作品的出處、作者姓名，并支付報酬。假如這些前提無法知足，那麼在顯性法律釋義下，這種行為很難構成法定允許。
在人工智能時代，高質量數據集是出版行業的要點資產。劉寅春以為，在有利于行業康健、可連續發展的條件下，切實保障知識產權，對高質量數據集進行有效開闢和高質量轉化，是出版行業的要點。
出版行業為大模子提供語料，相應地，大模子的專業先進、性能提拔，也應惠及包含有出版行業在內的更廣泛群體。劉寅春提倡以合作共贏的方式與大模子廠商開展數據買賣，通過訂立授權協議，明確授權范圍和前提，實現共同發展。
如何將出版物進一步加工為數據要素并有效、有序流暢，是擺在出版人眼前的新疑問。中國出版傳媒股份有限公司副總經理張紀臣說，但我以為這同樣是新機緣，由於我國出版行業一直強調知識服務這一理念。將出版物作為語料採用，從而提供產品和服務才幹，正是出版知識服務的產品化體現。
數據開源分享動力不足
現在，我國可供大模子培訓的優質數據資本呈零碎化、散開狀態。
特別是語料和科研成績等中文高質量數據集開放水平低，企業在培訓大模子時採用的語料來歷不透徹、權屬不明確，開源后存在合規風險，這導致企業更傾向于自行采集和採用數據，大模子數據流暢機制尚未形成。王崢說。
北京理工大學控制學院副研究員尹西明以為，需要構建一個市場化、互利共贏的數據共享機制，以促進高質量中文數據的積累和有效利用。
確立明晰的數據要素市場制度對于發憤高質量數據集構建至關主要。在復旦大學教授、上海市數據科學重點實驗室主任肖仰華看來，只有當市場機制能夠確保數據功勞者獲得合乎邏輯回報時，才能吸引更多的數據流入市場，充分發掘并實現數據共享的巨大潛力與價值。
2024年12月31日，國家數據局等部分印發《數據要素三年行動策劃（20242026年）》，強調堅定需求牽引、講究實效，試點先行、重點突破，有效市場、有為政府，開放混合、安全有序4方面根本原則。
該行動策劃進一步明確，要提拔數據供應程度，在科研、文化、交通運輸等領域，推動科研機構、龍頭企業等開展行業共性數據資本庫建設，打造高質量人工智能大模子培訓數據集。
事實上，作為數據流暢領域中最大的富礦，公眾數據開放的步伐正連續不斷加速。《全國數據資本查訪教導》顯示，2024年，我國公眾數據開放量同比增長16%；省一級政府的開放數據量同比增長了185%，北京、浙江等15地數據控制部分開始試探公眾數據授權運營機制。
本年初開始實施數據入表政策。張紀臣以為，跟著數據入表政策的實施，出版企業的數字資本途經確權、評估、尺度化后入表，成為出版企業的數據資產。在此根基上構建大模子培訓採用方與出版企業共贏的商務模式，能發揮中國價值要點數據在人工智能時代的智能服務話語權。這樣一來，數據入表可能成為加快數據有效流動、共享并實現共贏的關鍵一步。他說。
數據流暢環節疑問突出
算法、算力、數據和場景是大模子發展的4個要點要素。當前，我國大模子算力算法才幹顯著提拔，高質量發展取決于數據和場景，應構建供得出、流得通、用得好的高質量數據集。
尹西明表示，大模子變強用好，條件是創建以場景驅動創造的思維，帶領高質量數據連續在各種應用場景中發揮價值。那麼，辦理數據供得出困難后，應重點確保高質量數據流得通，真正面向場景開釋數據乘數效應和大模子對新質生產力的引擎價值。
數據要素在生產中的身份愈發主要，數據要素流動帶來的開放性與動態性疑問，為傳統數據理論與相應專業帶來新挑戰和新要求。
此中之一就是數據確權。肖仰華表示，比擬其他生產要素，數據要素在流暢過程中主體加倍多樣，涉及數據生產者、采集者、加工者、採用者、運營者和其他產權人，權屬界定復雜。
北京智源人工智能研究院理事長、中國互聯網協會人工智能工作委員會主任委員黃鐵軍指出：當前普遍存在一種誤解，即將數據視為傳統意義上的物理資產。實在，數據并非物理資產，作為數字形態產品，它可以被無窮次採用，且不會導致數據損耗。
他提倡在確保採用合規的條件下，大模子培訓階段可以免費獲取數據資本。假如採用數據的過程中并未產生商務長處，則無需支付任何費用；反之，一旦通過數據採用獲得了商務收益，便應依照既定比例支付相應的數據採用費用。
固然這一模式背后還涉及到數據確權、費率設定、監管機制等復雜疑問，這些還有待深入探討求和決，但先採用后收益更有利于大模子的康健發展。黃鐵軍說。
王崢則以為，確保數據流暢需政府與企業、開源或非盈利組織、學界、多類型機構等社會氣力協同推進。
他發起，在政府側，對可用于模子培訓的公眾數據勉勵應開盡開，避免在數據開放過程中由於預設特定場景限制了應用范圍；在社會氣力側，應堅定應試盡試原則，通過連續不斷迭代，試探數據的有效搭配，尋找發揮最大價值的配方。
標注技術化、規模化提上日程
從2024年《關于構建數據根基制度更好發揮數據要素作用的意見》出臺以來，數據要素建設和市場革新正穩步推進。本年5月，國家數據局提出建設國家級數據標注基地，這一舉措對人工智能發展至關主要。
中國信息通訊研究院人工智能研究所高等工程師、中國人工智能產業發展聯合數據委員會主任李蓀表示，數據標注是推動人工智能先進的要點環節，它能夠提拔數據質量，發掘數據要點價值，形成高質量數據集，連續為AI提供數據支援。
也便是說，在一定水平辦理數據供應、促進數據共享和打通流暢機制后，如何讓大模子吸取到高質量數據，是接下來各界面對的另一個新挑戰。
數據標注的技術性和規模化也被提上日程。
李蓀指出，當前內地數據標注產業還對照初等，大部門標注工作以人工為主，勞動密集型特點對照突出。可是，在通用人工智能時代，傳統手工標注或簡樸自動化標注想法無法知足大模子對大規模、高質量、多樣化數據的需求，特別是具備模子培訓知識、行業領域知識的技術化數據標注人才也相對匱乏。
大模子培訓數據標注人員的學歷要求比以前更高，許多是本科結業。王崢表示，行業大模子數據標注凸顯了技術知識的主要性。
機械在對語言程度這一抽象概念進行評估時，必要依賴預先設定的人類價值判定和尺度。電子科技大學智能語言吸取與測評實驗室與字節跳動合作開闢了一款語言程度測驗產品。實驗室擔當人陳大建說，在研發階段，實驗室擔當對自行蒐集的用戶音頻數據進行標注，其標注內容重要是基于音頻所體現的英語才幹程度進行分類和標誌。標注人員由學校四五十名大學英語老師組成，且均為應用語言學技術的碩博士。
吃得好、吃得香，還要吃得夠。只有終極實現了規模化高質量標注，才能切實提拔大模子懂得中文、傳遞中國傳統文化價值的才幹。中國大模子的蓬勃發展也將助力中華優秀傳統文化海外散播，架起一座連結古今、溝通中外的橋梁。
中國出版集團中國圖書進出口總公司下屬中圖科信數智專業（北京）有限公司總經理李沄沨以為，從正式出版物如文獻、學術專著等入手，依托進步的提取工具求和析專業，將出版物語料化、零碎化、尺度化，加工成高質量的語料數據，有別于一般的數據加工。我們已經實現了大規模和批量開展數據語料化的專業和工具軟件，能夠更深層次地分析數據，并形成獨立的圖片、表格、公式數據集，為大模子人工智能服務提供價值更高、尺度水平更好的語料供應，使出版數據在人工智能時代煥發出新活力。他說。
在數字經濟大潮中，數據要素的放大、疊加、倍增作用日益顯著，成為推動相關產業高質量發展的必定要求。張紀臣以為：我們正站在新一輪產業科技革命的門口。這是一個不進則退的時代。
