data becomes a strategic asset in the AI era

数据资料成为AI时代的战略资产,内容生产者对此应该有更深刻的体会

  

李世达

在全球人工智能竞赛火热推进的当下,人们逐渐体认到,大模型进入推理阶段后,数据并不就此失去价值,反而因为动态知识需求而更显关键。“最后一公里”的语料质量与多样性,往往决定了一个大模型的优劣。

这或许是脸书母公司Meta(META.US)斥资143亿美元,战略性投资AI数据公司Scale AI的主要考量。

Scale AI是一家数据标注与数据清洗的公司,专为AI模型训练提供高品质语料。数据标注指为图片、文本或语音资料加上标签,例如标示出图片中的行人或文章的倾向等;数据清洗则是删除错误、重复、无效或不相关资料,提升资料准确性与一致性。Scale AI以海量人力与自动化流程,为OpenAI、Meta、Google等科技巨头提供高质量、结构清晰的数据资料。

优质数据的价值还有另一个例子。美国媒体《纽约时报》宣布,已与科技巨头亚马逊(AMZN.US)签署新闻内容授权协议,将其经过编辑和事实查证的新闻内容投入大模型训练。而此前还有美联社对OpenAI的授权也是如此。

虽然表面上是“新闻内容的授权”,但实际上也体现了“内容即资料、资料即服务”的逻辑,不仅反映了媒体对自身内容价值的再认识,也揭示了AI团队对高质量语料的迫切需求。

相比之下,中文世界面临公开可用资源占比极低、专业标注与文化典籍难以大规模数字化等挑战,更凸显了中文语料在本土化AI发展中的关键地位。

据阿里研究院发布的《大模型训练数据白皮书》指出,全球可爬取网络文本中,英文占比高达59.8%,中文仅1.3%,一旦放大至需要大规模预训练的场景,中文语料显得尤为稀缺。同时,维基百科作为常用开放语料,英文维基拥有超过700万篇条目,而中文维基则约为150万篇,二者相差超过三倍。

中文语料相对稀缺

在这种明显不均的环境中,中文大模型若缺乏足量的公开预训练语料,其基础语言理解与生成能力就会明显落后于英文对应系统,使得中文AI在理解表达及文化传承方面可能“喝洋墨水”过多、出现“水土不服”现象。

当然,中国官方机构早已认识到此一问题,纷纷采取行动。人民网、新华社等官方平台积极构建“价值观对齐”的语料库,向AI开发方提供经过审核的新闻、评论与政策解读等高质量文本,为模型价值观安全层面的训练奠定基础。

中国官方亦透过如“网信研究大模型”等项目,聚焦政策法规与官媒语料建设,强化价值观对齐。

可以想像,对齐中国价值观是中国AI大语言模型的“基本功”。在中文世界,虽尚未有类似Scale AI规模如此大的公司,但已有多家企业与机构投入数据产业链建设,例如北京爱数智慧、云测数据、科大讯飞(002230.SZ)与海天瑞声(688787.SH)等公司提供大规模标注与清洗服务。

市调机构IDC的数据显示,中国AI训练数据集市场规模在2023年约2.6亿美元,预计到2032年将增至约23.2亿美元,复合年增长率约27.4%。

AI模型的进步,最终取决于它“吃进什么样的内容”。当新闻、评论、学术论文与文化资产被结构化使用时,其价值从即时资讯转化为可商用的数据资产。内容生产者不只是“提供素材”的角色,而是数据服务供应链的一环,包括新闻媒体在内的内容生产者,或许都应该认真思考自身的附加价值。

李世达,咏竹坊编辑。他的联络方式:shihtalee@thebambooworks.com

欲订阅咏竹坊每周免费通讯,请点击这里

新闻

简讯:宁德时代续领风騒 第三季盈利劲升四成

电池生产商宁德时代新能源科技股份有限公司(3750.HK, 300750.SZ)周一公布第三季度业绩,截至9月底止收入按年增长12.9%至1,041.9亿元,盈利按年升41%至185.5亿元。 公司首三季度累计收入达2,830.7亿元,按年增长9.3%,盈利按年升36%至490亿元。 期间公司的总资产达到8,961亿元,较去年底增长13.9%;经营活动产生的现金流量净额,按年增长19.6%至806.6亿元,手上货币资金达3,242亿元,按年升近7%。 宁德时代周二开市报543港元,升2.8%。公司自今年5月上市以来,股价累计上升一倍 刘智恒 欲订阅咏竹坊每周免费通讯,请点击这里

简讯:阿里携手蚂蚁斥72亿港元 购铜锣湾壹号13层楼面

电商巨头阿里巴巴集团控股有限公司(BABA.US; 9988.HK)及旗下的蚂蚁科技集团股份有限公司宣布,以72亿港元收购香港铜锣湾壹号中心13层楼面,涉及面积30万方呎。公司在周五的公告中表示,交易创下香港自2021年以来,最大宗商厦成交金额纪录。 阿里巴巴与蚂蚁集团表示,此次从文华东方国际集团购入的甲级商厦,将用作两家企业的香港总部。据媒体报道,壹号中心共有24层楼面,此次收购属大厦的高层。 阿里巴巴港股周一上涨近5%,该股年内累计涨幅已接近倍翻。 阳歌 欲订阅咏竹坊每周免费通讯,请点击这里

简讯:滴普科技招股集资最多7.1亿港元

中国企业级大模型人工智能应用提供商滴普科技股份有限公司Deepexi Technology Co. Ltd.(1384.HK)周一起在港交所主板招股,计划发行2,663.2万股,每股招股价26.66港元,集资最多7.1亿港元,预计10月28日挂牌买卖。 公司表示,所得款项将用于未来5年提升研发能力;扩大在中国的销售网络及客户群,从而加强商业化能力;海外业务扩张;以及用于潜在投资、并购机会,并用于营运资金及一般公司用途。 滴普科技主要为企业提供人工智能解决方案,助力企业高效整合企业数据、决策运营及生产制造等,主要向中国消费零售、制造、医疗及交通等领域的客户销售解决方案。 2022年至2024年,公司收入从1.00亿元增至2.43亿元,三年复合增长率达55.5%。2025年上半年收入达1.32亿元,同比增长118.4%,同期亏损收窄至3.1亿元,去年同期为亏损6.2亿元。 李世达 欲订阅咏竹坊每周免费通讯,请点击这里 
Xinte builds solar farms

大建电场负债沉重 新特能源发ABS减压

这家多晶硅制造商兼绿色发电运营商,计划以两个风电项目,发行资产支持证券,并将在上海证券交易所挂牌 重点: 新特能源计划以两个风电场作为基础资产,发行30亿元的资产支持证券(ABS) 这家太阳能及风电场建设商目前拥有210亿元的抵押资产,大多是中国近年绿色能源建设中的发电厂   阳歌 经历中国占全球太阳能及风电装机量半壁江山的狂潮后,政府似开始要分散这些项目带来的财务负担。换言之,投入这场建设热潮的数百亿美元资金,或将通过国有投资者与企业组成的庞大体系进行分摊。 这种将巨额支出分摊给广泛投资者的模式,恰恰是中国独具优势的领域,因其国民经济的重要领域仍属国有,常作为政策工具参与此类投资。不过,这也使最终接盘的相关主体面临风险,此类资产的建设动机,往往兼顾政府政策与商业可行性。 这一分摊新能源建设财务负担的最新信号,来自正经历转型的新特能源股份有限公司(1799.HK),公司近年从光伏材料制造商,蜕变为太阳能及风电场建设与运营商。转型在业内并非罕见,因众多光伏设备企业转向电站建设运营以撬动产品需求。但新特能源案例尤为典型,其光伏材料业务收入占比已从三年前的70%,骤降至今年上半年的13%。 据上周四港交所公告披露,转型使新特能源背负与太阳能及风电场建设相关的递增债务,公司现拟通过发行资产支持证券(Asset Back Securities,简称ABS)实现部分减负。 此类证券使企业得以将资产证券化,并通过二级市场转让给投资者。需警惕的是,2008年全球金融危机,便肇始于美国按揭机构以可疑住房贷款为底层资产发行ABS,随后全球投资者接手这些产品,最终因大规模贷款违约导致巨额损失。 公告显示,新特能源计划从其众多太阳能及风电场项目中,选取两项启动ABS计划。相关证券将在上交所挂牌,供所有证券市场投资者认购。尽管普通散户与私营机构可能参与,但实际买方主力,或将为助力实现国家政策目标的国有机构。 在这一案例中,目标包括大规模建设,这是国家主席习近平上个月在联合国气候变化峰会上宣布的碳减排计划的一部分。计划要求中国在2035年前,將全经济范围温室气体净排放量比峰值下降7%-10%,并确保未来十年非化石能源消费占能源消费总量比重达30%以上。 序幕初启? 新特能源的计划,属首例通过ABS等金融工具吸引多元投资者,以支持太阳能及风电场建设的方案。在持续至今的扩张后,中国光伏装机容量已突破1,000吉瓦,相当于全球该清洁能源装机总量的半壁江山。 根据首期资产支持专项计划,新特能源将发行规模不超过人民币15亿元的ABS,以两座现役绿电站为底层资产。规模较大的新园项目位于内蒙古锡林郭勒盟正镶白旗,是200兆瓦高压输电风电场,估值达13.7亿元;规模较小的荣晟项目位于辽宁,装机100兆瓦,估值约5.32亿元。 新特能源称其现存额度下,最终或可发行30亿元ABS,并可在额度内发行多期产品。最新财报显示,截至6月底,公司资产负债表上存在价值216亿元的抵押资产承诺,部分虽涉制造业务,但多数是其建设运营中的太阳能及风电场。 三年前,新特能源主业尚为光伏电池核心材料多晶硅的生产。然而,去年中国产能严重过剩,致多晶硅价格大跌,多数生产商陷入亏损,相关营收骤降。今年上半年新特能源该业务的收入同比暴跌83%,从上年同期的58.7亿元锐减至9.79亿元。 同期,太阳能及风电场建设运营收入同比微增5%至46.5亿元,占上半年总收入73亿元的64%,反观2022年,该业务占比仅四分之一。 市场对此次ABS计划反应平淡,公告次日的上周五,新特能源股价下挫7.1%。投资者或担忧此举暴露债务压力,亦恐公司将融资所得继续投入太阳能及风电场建设。 当前,公司股价对应市净率(P/B)仅0.36倍,市销率(P/S)0.70倍。但低估值在当前多晶硅行业较普遍,全行业深陷亏损。新特能源上半年虽录得2.56亿元净亏损,但较上年同期8.87亿亏损已大幅收窄。 长远来看,ABS计划对新特能源等太阳能及风电场企业具有积极意义,可缓解债务压力。但此纾困或属短期效应,因相关企业已成为政府实施太阳能及风电场建设计划的重要载体。 欲订阅咏竹坊每周免费通讯,请点击这里