國家數據局：我國日均Token消耗量突破30萬億

　　8月14日，國務院新聞辦公室舉行“高質量完成‘十四五’規劃”系列主題新聞發布會，國家發展改革委黨組成員、國家數據局局長劉烈宏，國家數據局副局長沈竹林、陳榮輝、夏冰介紹“十四五”時期數字中國建設發展成就，并答記者問。

　　劉烈宏表示，算力是骨骼、算法是神經、數據是血液。作為人工智能發展的三大核心要素之一，數據在推動“人工智能+”過程中發揮著關鍵作用，特別是高質量數據集的建設至關重要。比如在醫療健康領域，通過標注的醫學影像高質量數據集，模型的疾病診斷準確率可以提升15%以上。在人工智能時代，Token，也就是大家通常所說的詞元，作為處理文本的最小數據單元，如同互聯網時代大家所說的“流量”。2024年初，我國日均Token的消耗量為1千億;截至今年6月底，日均Token消耗量已經突破30萬億，1年半時間增長了300多倍，這反映了我國人工智能應用規模的快速增長。

　　劉烈宏表示，我國人工智能的快速發展，與我國高度重視數據工作是密不可分的。我國是第一個把數據作為生產要素的國家，多措并舉促進數據資源的開發利用。我們強調“人工智能+”行動到哪里，高質量數據集的建設和推廣就要到哪里。大力推動高質量數據的供給，出臺了高質量數據集建設相關文件，多部門聯合推動相關工作。指導全國數據標準化技術委員會研究制定了相關標準和技術文件，組織了高質量數據集建設先行先試工作和典型案例征集活動，分行業、分領域樹立了一批典型的解決方案。

　　劉烈宏介紹，國家數據局持續推進高質量數據集建設工作。截至今年6月底，我國已經建設高質量數據集超過3.5萬個，總體量超過了400PB(1PB可存儲約5億張2MB大小的高清照片，400PB的總量相當于中國國家圖書館數字資源總量的140倍左右)。人工智能模型的訓練也推動了數據交易需求的攀升，截至今年6月底，各地高質量數據集累計交易額近40億元，數據交易機構掛牌的高質量數據集總規模達到了246PB。以北京數交所為例，高質量數據集占交易總量的比例從去年的10%躍升到目前的近80%。上海、天津、安徽等地正在試點“數據語料作價入股”等新模式，引導企業將高質量數據集折算為股權投入到相關企業。高質量數據集的發展需要數據標注產業的支撐，我們已布局了成都、沈陽、合肥等7個數據標注基地，助力高質量數據集的建設。

　　劉烈宏表示，中文數據在國內大模型的訓練性能提升方面發揮著重要作用。大家都非常關心中文數據在訓練數據中的占比情況，經過一段時間的努力，國內多數模型訓練使用的中文數據占比已經超過了60%，有的模型已達到80%。中文高質量數據的開發和供給能力持續增強，推動我國人工智能模型性能的快速提升。

　　劉烈宏表示，下一步，國家數據局將通過體系化布局持續推進高質量數據集建設，加快打造具身智能、低空經濟、生物制造等重點領域數據高地;推動全社會強化數據要素價值認同，加快推進數據要素價值共創，培育“為優質數據買單”的市場共識。

　　來源：人民郵電報