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。 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。 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。 "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。 （文章来源：新华社） 据介绍，截至今年6月底，我国已经建设 ...