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

名创优品旗下Yoyo 九个月GMV突破10亿

生活方式零售商名创优品集团控股有限公司(MNSO.US; 9896.HK)周四表示,今年前9个月,其Yoyo知识产权(IP)产品的商品交易总额(GMV)突破10亿元。公司宣布这一里程碑之际,正开发下一个爆款IP,以抗衡潮玩制造商泡泡玛特(9992.HK)的Labubu。 名创优品去年6月推出Yoyo玩具,目前已在全球53个国家和地区发售。公司表示,随着该IP热度攀升,继6月和7月的GMV均超过1亿元后,仅8月单月就实现2亿元的GMV。公司补充道,该IP的吸引力源自其“极简且极具辨识度的视觉形象”。 截至6月底,名创优品在113个国家和地区拥有8,674家门店,同比增长10%;其中包括8,309家名创优品同名门店,以及365家Top Toy专卖店。今年上半年,公司营收同比增长22.4%至115亿元,利润则增长5.6%至9.57亿元。 周五,名创优品港股上涨1%,报收17.97港元。该股今年迄今已累计下跌约51%。 阳歌 欲订阅咏竹坊每周免费通讯,请点击这里

速腾聚创第三季激光雷达销量增2.2倍

激光雷达制造商速腾聚创科技有限公司(2498.HK)周五公布,第三季激光雷达产品销量约59.56万台,其中用于先进驾驶辅助系统(ADAS)的产品约45.04万台,机器人及其他用途产品约14.52万台。 对照去年第三季总销量为18.56万台,ADAS及机器人等产品分别为15.01万台及3.55万台,据此计算,今年第三季总销量按年增220.9%,两类产品分别增200.1%及309.0%。 今年首九个月,公司激光雷达累计销量约131.48万台,其中ADAS产品约88.7万台,机器人及其他用途产品约42.78万台。 公司股价周五高开,至中午休市报16.18港元,升5.06%。该股今年至今累跌55.8%。 李世达 欲订阅咏竹坊每周免费通讯,请点击这里 
Deep Source moves into data centers

至源跨界进军数据中心 投资者反应冷淡

大宗商品贸易商至源控股正推进马来西亚一个造价2.21亿美元、IT容量67兆瓦的数据中心项目建设 重点: 至源获政府批准,并与项目客户签约后,正于马来西亚兴建一个IT容量67兆瓦的数据中心 公司的核心大宗商品贸易业务毛利率一向微薄,数据中心运营的毛利率则高得多    阳歌 又一家姗姗来迟的企业,从沉闷的传统业务转向人工智能(AI)。投资者是否终于听腻了这类故事? 至源控股有限公司(0990.HK)的情况看来正是如此。这家大宗商品贸易商本周公布了在马来西亚兴建新数据中心的相关条款。自6月首次披露正探索AI算力基础设施的商机以来,公司股价几乎没有变化。 其后,至源于9月7日披露,已选定马来西亚发展数据中心业务。公司表示,计划已获当地投资、贸易及工业部批准,但未有提供太多其他资料。 直到周三,公司才首次披露具体细节:这个规模相对不大的项目,已与客户签约。根据周三公告,项目位于槟城,IT容量为67兆瓦,建造费用约2.21亿美元。 有人或许会对这样的小项目不屑一顾。大小企业正争相兴建新设施,追赶AI热潮,与正在建设的庞大新增算力容量相比,至源的项目确实微不足道。据仲量联行(JLL)资料,今年初全球容量接近100吉瓦,预计到2030年将再增加100吉瓦。美洲约占全球容量的一半;至源项目所在的亚太地区,容量预计将由目前约32吉瓦增至2030年的约57吉瓦。 仲量联行表示,随着AI技术从支持大型语言模型,迅速延伸至智能体及其他应用,AI可能占数据中心工作负载约一半。 在如此庞大的扩建潮中,至源的67兆瓦实在不起眼,仅相当于亚太地区现有容量的0.2%。但说实话,对一家在这个领域毫无经验的公司而言,在当前环境下如此谨慎,反而算是稳妥。眼下的AI泡沫也确实可能破裂,届时数以千计的数据中心使用不足,大量算力容量将被闲置。 至源先找到客户才兴建数据中心,似乎有助应对这个问题。不过,在不知道客户究竟是谁的情况下,很难判断这样能降低多少风险。 根据本周公告,至源表示已与该客户订立10年期协议,客户同意就数据中心全部67兆瓦容量付费。按照协议条款,无论实际使用多少容量,客户均须支付每月经常性服务费全额,电费则另按实际用电量结算。 至源表示,已与当地承包商Longmotive DC Solutions Pte. Ltd.签订协议,兴建该数据中心。建造总费用为2.21亿美元,公司须预付1,100万美元,相当于总额的5%。对至源而言,这笔预付款看来负担不大,公司截至6月底持有现金约37.3亿港元。 设施的前期工程已获授权开展,项目计划分两期完成。首期26兆瓦容量将于明年3月底前交付,其余41兆瓦则于6月底前交付。 沉闷的大宗商品贸易商 数据中心运营,无疑比至源目前的大宗商品分销、贸易及加工业务更具吸引力。这门传统生意的盈利能力一向偏低,公司今年上半年毛利率仅为3.02%。 相比之下,Digital Realty(DLR.US)及Equinix(EQIX.US)等大型数据中心运营商,毛利率通常约为50%,营业利润率则为20%。 至源的收入规模确实不小,今年上半年收入由去年同期的100亿港元增至150亿港元,增幅约50%。约八成收入来自铁矿石相关服务,其余大部分来自铬矿、镍矿等其他矿石业务。公司将今年收入大增归因于铁矿石贸易量上升。 至源的归属于公司所有者的净利润增长远慢于收入,上半年仅由去年同期的3.22亿港元增至3.79亿港元,增幅为18%。不过,这种差距看来主要与会计上的利润归属有关,因为公司期内整体利润有很大一部分归属于非控股权益,而非普通股股东。 公司自2000年上市,过去10年的大部分时间,股价几乎与核心业务一样平稳而沉闷。一个明显例外是2020年底至2021年,公司参与非洲国家纳米比亚一个铜矿项目的消息引发炒作,股价突然急升,但该项目最终告吹。这让公司最新的动作有点似曾相识:铜相关股票如今也表现不俗,投资者押注AI数据中心需要大量电力,而输电所需的铜线将带动铜需求大增。 那么,至源目前究竟处于什么位置?从传统业务转向小规模数据中心运营的中小企业,远不止至源一家。原本从事汽车贸易的灿谷(CANG.US)也已进入这个领域,目前正将美国佐治亚州一处原有的50兆瓦加密货币挖矿设施,改作高性能计算用途。与至源一样,灿谷也已与首名客户签约。 两家公司的一大差别在于,灿谷已为数据中心业务提出相对详细的发展路线,包括成立新子公司,以及聘请业界资深人士领军。至源尚未采取这些措施,对计划披露的细节也十分有限。这或许能解释,为何投资者至今仍未买账公司的AI转型故事。…

赛力斯上月销售不佳 同比大跌逾3成

新能源汽车生产商赛力斯集团股份有限公司(9927.HK)周四公布9月汽车产销售量,上月共售出汽车32,218辆,同比下跌33.28%。今年前九个月累计销量为283,161辆,同比减少16.88%。 旗下新能源汽车9月销量同比跌34.48%至29,271辆,前九个月累计销量下跌15.79%至256,521辆。其中,赛力斯汽车上月售出25,370辆,同比大跌38.5%;其他车型销量则跌18.32%至2,947辆。产量亦同步回落,9月总产量同比减少38.38%。 周五赛力斯开盘升1.3%至34.98港元,现价较去年11月的上市价131.5港元大跌逾七成。 刘智恒 欲订阅咏竹坊每周免费通讯,请点击这里