界面新聞2023年7月8日從2023世界人工智能大會“大模型時代下的數(shù)據(jù)要素流通”主題論壇上獲悉，上海數(shù)交所官網(wǎng)已經(jīng)于7月7日正式上線語料庫，累計(jì)掛牌近30個語料數(shù)據(jù)產(chǎn)品，包含文本、音頻、圖像等多模態(tài)，覆蓋金融、交通運(yùn)輸和醫(yī)療等領(lǐng)域。

語料庫是大模型訓(xùn)練不可或缺的要素。

上海數(shù)交所總經(jīng)理湯奇峰認(rèn)為，大模型時代下的語料庫建設(shè)存在語料庫供給不足、語料庫質(zhì)量不高、語料庫多樣性匱乏、語料庫標(biāo)準(zhǔn)欠缺等問題?！罢Z料庫建設(shè)不是單一企業(yè)的責(zé)任，需要多方共同推進(jìn)，如果每個企業(yè)都單獨(dú)建設(shè)維護(hù)語料庫，會拉低效率，也會增加企業(yè)成本，數(shù)交所希望通過自己的努力加強(qiáng)數(shù)據(jù)要素建設(shè)提升語料庫建設(shè)效率?！?/p>

為此，上海數(shù)據(jù)交易所在上線語料庫的同時，牽頭發(fā)起語料數(shù)據(jù)生態(tài)創(chuàng)新合作伙伴計(jì)劃。

據(jù)其透露，上海數(shù)據(jù)交易所首批合作伙伴包括上海人工智能實(shí)驗(yàn)室、商湯科技、中國知網(wǎng)、瀾舟科技、OpenKG、拓爾思、新致和蜜度，旨在引導(dǎo)不同行業(yè)、不同領(lǐng)域、具有一定規(guī)模的高質(zhì)量語料數(shù)據(jù)產(chǎn)品掛牌交易，推動人工智能大模型技術(shù)創(chuàng)新與應(yīng)用落地，進(jìn)一步豐富語料庫多樣性，助力數(shù)據(jù)要素市場建設(shè)。

上海數(shù)交所總經(jīng)理湯奇峰表示，大模型建設(shè)中，語料庫是一個非常重要的方向，語料庫采購已經(jīng)在不少大模型企業(yè)成本中占據(jù)重要比重，上海數(shù)交所希望以市場配置的方式組織數(shù)據(jù)要素推動語料庫建設(shè)。

上海數(shù)交所建設(shè)語料庫主要考慮兩個維度，一是語料庫的質(zhì)量，另一個是語料庫的開放程度?！氨热缬械钠髽I(yè)具有海量高質(zhì)量數(shù)據(jù)資源，開放意愿度也很高，但需要組織大量社會第三方企業(yè)幫助組織相關(guān)的大模型訓(xùn)練，我們針對四類數(shù)據(jù)產(chǎn)品開發(fā)情況不同、實(shí)際需求不同的供方企業(yè)制定了差異化工作策略，著力打造語料數(shù)據(jù)生態(tài)?！睖娣逭f。

目前，上海正在引導(dǎo)、扶持企業(yè)積極發(fā)展以大模型為代表的人工智能技術(shù)。

上海市經(jīng)濟(jì)和信息化委員會信息化推進(jìn)處處長錢曉在會上透露，2022年上海市數(shù)據(jù)核心企業(yè)突破1200家，核心產(chǎn)業(yè)規(guī)模近3400億元；建設(shè)了上海數(shù)據(jù)交易所，累計(jì)掛牌數(shù)據(jù)產(chǎn)品超1300個，率先提出數(shù)商體系，數(shù)商新業(yè)態(tài)蓬勃興起，全國首個數(shù)據(jù)要素產(chǎn)業(yè)集聚區(qū)在張江啟動建設(shè)。

他表示，未來將繼續(xù)加強(qiáng)技術(shù)創(chuàng)新，形成行業(yè)領(lǐng)先的高質(zhì)量語料標(biāo)準(zhǔn)操作流程和技術(shù)規(guī)范；完善組織機(jī)制，形成包括圖書館、媒體、互聯(lián)網(wǎng)平臺、大數(shù)據(jù)企業(yè)等在內(nèi)的核心數(shù)據(jù)伙伴群；做好評估機(jī)制，加快構(gòu)建高質(zhì)量數(shù)據(jù)集的評價指標(biāo)體系。