高质量数据供给，让行业大模型应用落地更“有料”

  《数字中国发展报告（2023年）》显示，我国数据生产总量达到32.85ZB（泽字节），为国产大模型的爆发提供了丰富的“底层原料”。算力、数据、算法、场景，是决定大模型能力的四个要素，随着大模型发展由“通用”逐渐走向“垂直行业”，数据的质量直接影响了模型的性能和可靠性。

  更庞大的数据量、更高的数据质量，将推动大模型在企业侧实现应用的爆发。浪潮卓数大数据董事长张帆认为，当前高质量中文语料资源短缺问题初现端倪，且随着时间推移，优质数据的获取难度将进一步加大，这是必须要正视的问题。面对大模型产业化的挑战，市场需要具备较强算法能力和稳定训练资源的数据基础服务供应商。

  《数据要素×三年行动计划（2024-2026年）》实施后，国家鼓励科研机构、龙头企业开展行业共性数据资源库建设，打造高质量大模型训练数据集，提升数据供给水平。“我们强调以数据治理为突破口提升数据质量。”张帆表示，浪潮卓数大数据基于完善的数据资源体系，通过自主研发的标注工厂系统，结合自有的数据治理模型工具，智能化提升数据治理的质量和效率，形成高质量语料训练数据集，支撑多模态融合的数字化场景。

  行业大模型“术业有专攻”，在面向行业的“封闭场景”中，大模型所需的优质数据集并不容易获得。加速破局尚需多方合力，鼓励市场力量挖掘商业数据价值，才能为行业大模型成长提供充足“养料”。

  浪潮卓数大数据一直在积极推动完善数据服务生态发展。一方面依托天元数据网和各地签约的数据交易所，提供电商、生活服务、企业、农业、资源能化等10大类数据的API、数据集、数据报告、数据应用等的购买和个性化定制服务，旨在解决供需不匹配、数据难获得等制约大模型进一步发挥赋能效用的痛点；另一方面利用数商身份，依托自主研发的数据资产服务平台，帮助越来越多沉淀在企业内、产业端的高质量数据入表、交易。数据“流得动”，才能“喂饱”迭代升级的大模型。

  未来，在大模型的上游和下游都有很多机会。据张帆介绍，助力更多企业拥有高质量数据，打造行业或特定领域、任务的专用大模型，实现生产力革新和产业升级，已成为目前浪潮卓数大数据聚焦的重要方向。