🔥36氪•最新收集於 1m
中國建成12萬個高品質AI數據集
💡獲取1565 PB的工業級精選數據，可能成為提升您模型領域專精能力的關鍵。
⚡ 30-Second TL;DR
有什麼變化
截至6月底，高品質數據集總量達1565 PB。
為什麼重要
大規模的精選數據將顯著降低中國訓練特定領域AI模型的門檻，標誌著企業AI正轉向標準化、高品質的數據供應鏈。
下一步行動
密切關注國家數據局即將發布的數據集授權指南，以便將合規的高品質數據整合至您的訓練流程中。
誰應關注：Researchers & Academics
關鍵要點
- •截至6月底，高品質數據集總量達1565 PB。
- •數據標註產業在七個試點城市擁有14萬名從業人員。
- •致力於建立數據集有償使用的價值閉環，推動模型迭代。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •數據集涵蓋領域廣泛，重點聚焦於工業製造、醫療健康、自動駕駛及科學研究等具備高戰略價值的垂直行業。
- •國家數據局推動建立「數據資產入表」機制，旨在解決數據資源難以量化與交易的會計處理難題。
- •試點城市採取「數據空間」模式，透過隱私計算技術實現數據「可用不可見」，確保敏感數據在訓練過程中的安全性。
- •政府正推動建立國家級數據交易平台，並制定統一的數據標註標準與質量評估體系，以降低模型訓練的數據清洗成本。
- •該計畫不僅服務於大型語言模型（LLM），亦同步支援多模態模型與具身智慧（Embodied AI）的訓練需求。
🛠️ 技術深入
- 數據處理架構：採用分佈式存儲與計算框架，支持 PB 級數據的快速清洗、標註與特徵工程。
- 隱私保護技術：集成聯邦學習（Federated Learning）與多方安全計算（MPC），在不共享原始數據的前提下進行模型協同訓練。
- 數據質量標準：建立多維度評估體系，包含數據多樣性、時效性、準確性及倫理合規性指標。
- 標註技術：引入自動化標註工具與人機協作（Human-in-the-loop）機制，提升標註效率與一致性。
🔮 前景展望AI analysis grounded in cited sources
中國AI模型訓練成本將顯著下降
高品質、標準化的數據集供給將大幅減少企業在數據清洗與標註上的重複投入與時間成本。
數據要素市場化交易規模將在兩年內翻倍
隨著數據資產入表與有償使用機制的成熟，企業將更積極參與數據交易，推動數據資源向數據資產轉化。
⏳ 時間線
2023-10
中國國家數據局正式掛牌成立，負責統籌數據資源整合與開發利用。
2024-01
國家數據局等部門聯合發布「數據要素×」三年行動計劃，明確推動數據在重點行業的應用。
2025-05
國家數據局啟動高品質數據集建設試點，開始在七個重點城市進行數據標註與整合工作。
2026-06
高品質數據集總量達到 1565 PB，標誌著國家級數據基礎設施建設取得階段性成果。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗