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:小牛电动次季销量按年增长36.6%

电动两轮车品牌小牛电动科技有限公司(NIU.US)上周五公布,第二季共销售电动出行产品350,090台,较去年同期的25.62万台增长36.6%。 其中中国市场销售318,719台,占总量约91%,较去年同期207,552台增长53%;国际市场方面,小牛电动第二季销售31,371台,较去年同期下降约35%。销售数据涵盖电动摩托车、电动轻便摩托车、电动自行车、滑板车和电动自行车。 公司表示,于“618年中购物节”期间,小牛多款高端车型在天猫、京东与抖音平台均登上销售排行榜,有效巩固其于中国高端智能两轮市场的领导地位。 小牛电动股价周一一度升逾5%,收市报3.42美元,升1.79%。 李世达 欲订阅咏竹坊每周免费通讯,请点击这里 

简讯:绿城半年销售跌11% 前董事长港机场被带走

内房开发商绿城中国控股有限公司(3900.HK)周一公布上半度销售数据,今年首六个月,集团合同销售金额803亿元,涉及的面积为229万平方米,归属于绿城的权益金额为539亿元,较去年同期的608亿元下跌11.3%。 6月份绿城自投项目的销售金额为142亿元,同比下跌18.4%,但每平方米均价则上升6.8%至34,746元。 另外,多家内地媒体早前报道,绿城中国前执行董事及董事长张亚东,5月底时在香港机场准备飞往加拿大时,于登机口被带走,但具体因何事则未有披露。张亚东曾任大连副市长,2016年调往央企中交集团,至2018年被派往报掌绿城。至今年三月,绿城突然公布张亚东呈辞。 绿城周二平市报9.77港元,公司在过去一年的高位下跌27%。 刘智恒 欲订阅咏竹坊每周免费通讯,请点击这里

行业简讯:泰国对中国游客吸引力下降

财新报道称,据航班管家的数据估计,今年七八月旅游旺季,中国航司计划执行中泰航线班次达12,800架,同比下跌22.6%,更较疫情前水平低40%。今年前五个月,中国赴泰旅游人次降至195万,同比减少33%。 财新指出,多重因素令中国游客望而却步,包括演员王星赴泰时被绑往缅甸诈骗园区。其他担忧还包括地震,以及泰铢对人民币升值,导致赴泰旅游成本上涨。 当中国游客对泰国兴趣减退之际,他们正涌向日韩等亚洲地区。中国航司计划,于七八月执行中日航线的航班达25,300架次,同比增长35.3%;中韩航线计划执行20,500架次,同比增长13.4%。 阳歌 欲订阅咏竹坊每周免费通讯,请点击这里
Hong Kong Robotics’ stock soars on robotics pivot, but does it have legs?

华丽转身股价狂飈 港仔机器人价高势危?

一家三四线香港上市公司,突然变身机器人公司,股价即如脱彊野马,一路狂奔 重点: 公司去年度业绩蚀1.4亿港元,已连续亏损五年 年初与达闼组成合资企业,摇身一变成为机器人公司 刘智恒 赶潮流,追风口,从来是股票市场的本质;要数今年的热门行业,肯定是机器人,地平线机器人(9660.HK)、越疆(2432.HK)及优必选(9880.HK)等,年初以来均升幅由五成至逾倍,但要说在港股上的真正赢家,港仔机器人集团控股有限公司(0370.HK)的升幅才是王者,年初至今上升超过5倍。 公司近日公布一份不堪入目的年度业绩,收入大跌45.6%至1.16港亿元,亏损则续扩大5.3%至1.38亿元。应收贷款及利息减值亏损1,132万港元、商誉减值亏损2,182万港元、物业厂房减值及设备减值3,937万港元。 一遇达闼便化龙                              为何业绩表现乏善可陈,股价又能忽然爆升?原来一切缘于年初的一项合作协议!时间回到今年情人节,当时港仔机器人的名称仍叫国华控股(今年五月才易名),与内地的达闼机器人签订框架协议,成立合资公司,国华占股51%,达闼占股49%,目标是开拓人形机器人操作系统的民用产品。 国华在两年内协助合资公司募集足够资金,达闼则将其拥有的知识产权,授予合资公司在中国境内的全资附属。 过去香港市场的一些三四线公司最擅长的伎俩,就是转型资本市场最热炒行业,通常透过收购或合并而进入风口市场,当股价被不断推升,往往会作出连串集资行动。港仔机器人的情况似乎有点类同,他们最终能否成功,暂时仍是未知数。 小米2023底发布首部电动车SUV7时,我们曾发表 “雷军造车,一往无前”一文,从小米的往绩,主事人的能力,及公司财力去分析,结论是雷军成功机会相当高。我们不妨按此框架,分析港仔机器人的成功机会。 国华业务强差人意 首先,不妨看看港仔机器人过往业务,当你翻开资料,大抵会吓一跳,竟然有多项主业,包括商品买卖、证劵及期货经纪、物业经纪、地热能供暖制冷、楼宇建筑承包、特制技术支援、项目管理、集中供热及融资租赁。 要知道,今年初国华控股市值还不到6亿港元,业务之分散,在香港上市公司中可谓佼佼者,公司重点在哪儿?如何去营运及发展各业务?资源又怎样分配? 观乎去年业绩,除个别业务外,其余全部见红。部分业务更是问题多多,其中在运城的供热业务,因未能符合牌照要求,被勒令终止,结果公司要将该业务出售。 融资租赁方面,因未能履行监管要求,被政府部门禁止有关经营,最后要终止业务并出售。另外,今年亦公布将金融控股公司出售。 楼宇建筑承包业务,旗下的陕西江威涉及多宗诉讼,涉资达4,556万元,以致部分资产被冻结。至于公司的中介业务,旗下上海轩美房地产经公司涉及多宗诉讼,涉及金额106万元。从过往的业务看,公司的发展方针及经营管理似大有关题,现在转搞机器人公司,成功概率确实令人存疑。 达闼连年亏损 我们再看达闼机器人,说不定其有能力让港仔机器人迈向美好前景。事实上,达闼并非吴下阿蒙,反之曾是中国内地首屈一指的机器人企业,软银及富士康均是主要投资者,估值一度冠绝同行。 公司2015年由曾任职贝尔实验室及中移动通信研究院首任院长的黄晓庆成立,专注云端智慧机器人技术,2023年完成C轮10亿融资后,估值达到223亿元。 然而,人型机器人在商业市场仍属起步阶段,公司不断烧钱,2019年准备赴美上市,不幸被美国商务部列入管制黑名单,集资不成,苦苦支撑,近年屡传资金链陷断裂之危。今年4月在社交平台及媒体消息,公司在上海、北京及深圳等地,有数百员工被欠薪,位于广州的公司,更被断水断电。 达闼往绩也是乏善可陈,亏钱不是最大问题,最大问题似是看不到明天,以致原有投资者不愿再注资,公司已陷于危急存亡之秋,它又能为港仔机器人带来多少业务,何时才可扭亏为盈? 一场烧钱的竞赛 投资机器人行业,大部分企业在烧钱阶段,因此企业要有充裕的资本才能继续前行。金沙江创投合伙人朱啸虎早前表示,人形机器人面临技术成本高企,远超出顾客愿付费用。其次是许多企业所谓的应用场景,实际是想象出来,并非实际需要。 港仔机器人长期亏损,截至今年3月底,手头资金只有5,000万港元,凭什么去支撑这场烧钱的游戏?虽然港仔机器人上月宣布签定四份合作框架协议,但靠一个香港市场,能为公司带来多少生意?相信投资者也别抱太大期望。 然而,在机器人热潮下,港仔机器人的概念相信会受到一定追捧,股价或再创新高,但何时能盈利就别太乐观。再者,股价经过一轮急升猛涨后,投资者现阶段追入,风险高值博率低。别忘记,股价大升后,未来公司很大机会在资本市场进行融资,股价将会十分波动,投资者只适宜投机性买卖。 欲订阅咏竹坊每周免费通讯,请点击这里