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:对冲中美关系风险 传奇生物拟第二上市

彭博社周五援引知情人士消息报道,抗癌疗法研发企业传奇生物科技股份有限公司(LEGN.US)正考虑二次上市,潜在地点包括香港、新加坡及伦敦。 传奇生物将成为赴港二次上市中概股的最新成员,多数企业选择香港上市,以对冲中美关系风险。传奇生物由金斯瑞生物科技(1548.HK)创建,后者至今仍持有其48%股权,总部位于美国新泽西州,业务遍及中国。 传奇生物认为二次上市或可提升估值,尤其在香港市场,恒生生物科技指数年内累计上涨逾一倍。该公司美国上市股票周五收涨3.1%至36.08美元,年内累计涨幅约10%。 阳歌 欲订阅咏竹坊每周免费通讯,请点击这里
Huitongda sells industrial equipment

汇通达入股金通灵 双赢方案各取所需

这家阿里巴巴支持的电子商务公司,将斥资9.94亿元收购工业设备制造商金通灵25%股权,后者正经历法院主导的重整 重点: 汇通达将以9.94亿元收购经营困难的金通灵25%股权,较这家深圳上市公司近期股价有大幅折让 汇通达认为金通灵在法院主导的快速重整后将迅速恢复盈利,并可能成为电子商务业务的重要供应商   阳歌 当持有一大笔来自电商业务的现金(该业务规模庞大但利润率不高)时,该如何应对?若是汇通达网络股份有限公司 (9878.HK),便会动用部分资金,以大幅折价入股一家陷于困境但重整后有望快速恢复的供应商。 交易对汇通达颇为有利,这家公司上周五宣布以9.94亿元(1.39亿美元)收购深交所上市的金通灵(300091.SZ)25%股权。交易财务条款对汇通达极具吸引力,因按每股1.3996元的价格,认购7.11亿股金通灵股份,较该股过去120个交易日均价有50%折让。 该投资对汇通达亦具战略意义,公司主要是批量采购工业产品,再通过电商平台销售至“下沉市场”,即中国的小城市和乡镇。金通灵作为规模较大的工业风机、压缩机、汽轮机及工业锅炉制造商,产品应高度契合汇通达客户需求。 不过,双方投资者均未看好这笔交易。汇通达投资者最感不满,公司股价在交易公告后本周一早盘一度急跌12.4%,午间休市收跌10.1%。金通灵投资者最初虽寄予厚望,致股价开盘上涨,随后却反转态度,午盘交易时段股价下跌约2.2%。 交易对汇通达相对稳健,因可为其平台增添更多产品,很可能获金通灵提供优惠折扣。主要风险在于金通灵能否在重整后,重拾早年的强劲增长与高盈利态势。然而,在当前中国经济环境下,需求疲软致众多企业步履维艰,此事知易行难。 从金通灵视角来看,这笔交易也算合理,即便有投资者或不满汇通达股权的巨额折让。但经营困难的公司很难挑三拣四,新投资不但为其带来逾1亿美元急需资金,更可能开辟重要销售渠道。 汇通达在公告中称:“(金通灵)属于高端制造业,其核心业务属于国内第一梯队,具有较强的行业地位和竞争力,由于历史原因导致暂时经营困难,拟通过本次破产重整使企业摆脱困境、重获经营能力。”公司续指出: “预计重整完成后将迅速实现扭亏为盈,并在资金和资产的双重注入下进入快速发展通道。” 业务稳健但利润率低 汇通达或需金通灵这样的投资作为业务催化剂,汇通达虽有稳定基本面,但因电商中介身份致利润率极低。获电商巨头阿里巴巴支持的汇通达,2022年以每股43港元上市,寄望借深耕中国下沉市场的故事吸引投资者。此后,股价累计跌约三分之二至15港元左右。 即便如此,汇通达保持盈利,并获投资界及分析师群体强力支持。尽管过去三年股价下跌,股份仍以20倍的预期市盈率交易,近乎为深耕中国下沉市场的拼多多 (PDD.US)11倍市盈率的一倍。更远超另一折扣电商唯品会 (VIPS.US)6倍市盈率的两倍。雅虎财经调查的五位分析师,均给予汇通达“买入”或“强烈买入”评级。 如此高市盈率及获分析师力挺略显意外,因汇通达近期财务表现未显亮色。公司至2023年仍快速增长,彼时收入增24%,但去年收入下滑29%。今年年上半年形势续恶化,收入同比再降26%至243亿元,上年同期为329亿元。 汇通达称业绩下滑部分因淘汰低效业务及创建自有品牌,此或可解释为何收入下滑,而今年上半年利润反增11%至1.39亿元,上年同期为1.25亿元。上半年毛利率也自上年同期的3.5%升至4.6%。受中介模式所限,二者数值均低,但改善表明公司正竭力维稳盈利。 截至今年6月末,汇通达持有67.4亿元现金及等价物,显示可轻松自筹资金收购金通灵股权。 金通灵现状略添变数,公司自4月因债权人申请正处重整。南通市法院已受理其预重整申请,显示案件推进较快。金通灵财务目前不佳,今年上半年收入同比大降48%至3.7亿元,亏损由上年7,600万元翻倍至2.02亿元。 法院快速解套金通灵案,似显其困局尚可控,这或为汇通达对新合作方迅速恢复盈利的信心来源。若就此落地,此次收购可为汇通达未来发展提供范本,公司可凭雄厚现金及稳健盈利,获取潜在供应商伙伴的战略股权。 欲订阅咏竹坊每周免费通讯,请点击这里

简讯:小马智行将在卡塔尔部署自驾出租车

自动驾驶出租车营运商小马智行(PONY.US) 周五宣布,与卡塔尔最大交通服务商Mowasalat达成合作,双方将在卡塔尔道路上共同部署自动驾驶车辆。这是小马智行继迪拜后,进一步扩大中东版图。 目前,小马智行的无人驾驶出租车已在多哈公共道路展开测试,首阶段由安全员随车,重点在于针对当地气候、道路基础设施及交通情况调整技术。小马智行董事长兼CEO彭军表示,卡塔尔为自驾车落地提供了独特环境,与Mowasalat合作将加速打造具韧性与可扩展性的解决方案,推进区域可持续出行。 目前小马智行在中国、中东、欧洲、中亚等16个城市,至今年底车队规模将达1,000辆。今年第二季,公司收入按年升75.9%至2,145.5万美元,其中自动驾驶出租车收入同比增长157.8%至150万美元,但净亏损也扩大72.8%至5.309.8万美元。 消息公布后,小马智行股价周五微升0.66%至13.71美元,今年以来股价已跌逾10%。 李世达 欲订阅咏竹坊每周免费通讯,请点击这里 

简讯:百度拟发人民币计价票据

互联网搜索平台百度集团股份有限公司(9888.HK, BIDU.US)周一公布,将于美国境外发行人民币计价的优先无担保票据。集资所得净额,将用于偿还若干债务、支付利息,以及一般公司用途。 公司表示,受市场条件及其他因素所规限,票据的本金、利率、到期日及其他条款等,将在票据发行定价时确定。 百度上月公布的第二季度业绩,收入按年下跌4%至327亿元,但录得盈利73.2亿元,按年升33%。 公司周一开市升2.8%报99.7港元,自今年以来股价升逾两成。 刘智恒 欲订阅咏竹坊每周免费通讯,请点击这里