data becomes a strategic asset in the AI era

數據資料成為AI時代的戰略資產,內容生產者對此應該有更深刻的體會

  

李世達

在全球人工智能競賽火熱推進的當下,人們逐漸體認到,大模型進入推理階段後,數據並不就此失去價值,反而因為動態知識需求而更顯關鍵。「最後一哩」的語料質量與多樣性,往往決定了一個大模型的優劣。

這或許是臉書母公司Meta(META.US)斥資143億美元,戰略性投資AI數據公司Scale AI的主要考量。

Scale AI是一家數據標註與數據清洗的公司,專為AI模型訓練提供高品質語料。數據標註指為圖片、文本或語音資料加上標籤,例如標示出圖片中的行人或文章的傾向等;數據清洗則是刪除錯誤、重複、無效或不相關資料,提升資料準確性與一致性。Scale AI以海量人力與自動化流程,為OpenAI、Meta、Google等科技巨頭提供高質量、結構清晰的數據資料。

優質數據的價值還有另一個例子。美國媒體《紐約時報》宣布,已與科技巨頭亞馬遜(AMZN.US)簽署新聞內容授權協議,將其經過編輯和事實查證的新聞內容投入大模型訓練。而此前還有美聯社對OpenAI的授權也是如此。

雖然表面上是「新聞內容的授權」,但實際上也體現了「內容即資料、資料即服務」的邏輯,不僅反映了媒體對自身內容價值的再認識,也揭示了AI團隊對高質量語料的迫切需求。

相比之下,中文世界面臨公開可用資源佔比極低、專業標註與文化典籍難以大規模數字化等挑戰,更凸顯了中文語料在本土化AI發展中的關鍵地位。

中文語料相對稀缺

據阿里研究院發布的《大模型訓練數據白皮書》指出,全球可爬取網路文本中,英文佔比高達59.8%,中文僅1.3%,一旦放大至需要大規模預訓練的場景,中文語料顯得尤為稀缺。同時,維基百科作為常用開放語料,英文維基擁有超過700萬篇條目,而中文維基則約為150萬篇,二者相差超過三倍。

在這種明顯不均的環境中,中文大模型若缺乏足量的公開預訓練語料,其基礎語言理解與生成能力就會明顯落後於英文對應系統,使得中文AI在理解表達及文化傳承方面可能「喝洋墨水」過多、出現「水土不服」現象。

當然,中國官方機構早已認識到此一問題,紛紛採取行動。人民網、新華社等官方平台積極構建「價值觀對齊」的語料庫,向AI開發方提供經過審核的新聞、評論與政策解讀等高質量文本,為模型價值觀安全層面的訓練奠定基礎。

中國官方亦透過如「網信研究大模型」等項目,聚焦政策法規與官媒語料建設,強化價值觀對齊。

可以想像,對齊中國價值觀是中國AI大語言模型的「基本功」。在中文世界,雖尚未有類似Scale AI規模如此大的公司,但已有多家企業與機構投入數據產業鏈建設,例如北京愛數智慧、雲測數據、科大訊飛(002230.SZ)與海天瑞聲(688787.SH)等公司提供大規模標註與清洗服務。

市調機構IDC的數據顯示,中國AI訓練數據集市場規模在2023年約2.6 億美元,預計到2032年將增至約23.2億美元,複合年增長率約27.4%。

AI模型的進步,最終取決於它「吃進什麼樣的內容」。當新聞、評論、學術論文與文化資產被結構化使用時,其價值從即時資訊轉化為可商用的數據資產。內容生產者不只是「提供素材」的角色,而是數據服務供應鏈的一環,包括新聞媒體在內的內容生產者,或許都應該認真思考自身的附加價值。

李世達,詠竹坊編輯。他的聯絡方式:shihtalee@thebambooworks.com

欲訂閱咏竹坊每周免費通訊,請點擊這裏

新聞

知乎斥2.23億美元投資AI基金

在線內容社區運營商知乎(ZH.US; 2390.HK)周日表示,同意向天津礪思星深股權投資合夥企業(有限合夥)投資15億元人民幣(下同)。該基金將投資於人工智能及相關技術領域的早中期企業,該筆投資仍有待股東批准。 投資將使知乎獲得該基金最多30%份額。知乎表示,相信此次投資能讓公司借助基金管理人的行業專長、產業資源及投資能力,進一步拓寬獲取優質人工智能與科技投資機會的渠道。 知乎進行這筆投資,正值大型語言模型不斷衝擊其以用戶間知識分享為核心的自身業務。面對挑戰,公司收入持續下滑;今年第二季度,收入從去年同期的7.17億元降至6.9億元,同比下降3.8%。 為應對人工智能帶來的挑戰,公司正尋求將業務重心轉向前沿話題和線下活動,以保持對用戶的吸引力。 上述消息公布後,周一知乎在香港的股價於下跌2%,收報6.8港元。該股今年以來已累計下跌約20.5%。 欲訂閱咏竹坊每周免費通訊,請點擊這裏

白鴿在線首八個月MaaS收入按年增近5.8倍

互聯網保險科技服務公司白鴿在線(廈門)數字科技股份有限公司(2672.HK)周日公布,今年首8個月模型即服務(MaaS)收入約4,740萬元(人民幣,下同),較去年同期約700萬元增長579.8%,商業化落地進一步加快。 公司表示,MaaS平台建基於自主研發的AI風控決策大模型,將風險識別、精準定價、智能核保及理賠風控等能力封裝為標準化服務,並按照企業客戶的調用量收費,協助客戶推動數字化轉型及降低成本。 期內,MaaS業務客戶覆蓋範圍繼續擴大,模型服務的產品化程度及標準化交付能力提升,服務調用規模突破750萬次。公司認為,收入及調用次數大幅增長,反映企業客戶對模型服務的使用量及依賴程度提高,相關業務已由試點驗證階段進入規模化商業應用階段。 白鴿在線股價周一高開低走,一度跌超35%,至中午休市報37.3港元,跌34.45%,較6月上市價仍高逾一倍。 李世達 欲訂閱咏竹坊每周免費通訊,請點擊這裏
Vatai does cross-border e-commerce in Shenzhen

歐稅通赴港上市 航向跨境電商合規成新藍海

跨境電商合規服務提供商歐稅通已申請在香港上市,今年上半年收入增長66% 重點: 歐稅通已申請在香港上市,聚焦快速增長的跨境貿易,為日漸成熟的電商行業帶來一個高增長的新故事 美國取消小額包裹進口免稅政策後,公司去年美洲地區收入增長大幅放緩,暴露出歐稅通少數弱點之一   陽歌 電商這個行業多少有點像昨日黃花,阿里巴巴和亞馬遜等巨頭已不復十年前那般令人振奮。不過,跨境電商是個例外。隨著愈來愈多中國商家和品牌直接向全球消費者銷售產品,跨境電商過去數年蓬勃發展。 有望從這股浪潮中受惠的公司之一,是上周申請在香港上市的跨境電商合規服務提供商深圳歐稅通控股股份有限公司。當Temu和Shein等知名企業憑藉將中國商品直接銷往全球而備受關注,歐稅通服務的則是數以千計從事跨境電商的中小型企業。 具體而言,公司去年擁有246,245名付費用戶,較前一年的167,133名增加47%,足見市場對這類合規服務需求之大。這並不令人意外,因為中國企業從事跨境電商時,往往需要面對相當陌生的當地稅務、產品標準等合規要求。 坦白說,這家公司可挑剔之處不多。根據申請文件所引述的第三方資料,按2025年銷售額計,歐稅通是全球最大的跨境電商合規服務提供商。公司去年在中國跨境電商合規平台市場的市佔率為21.5%,並稱其銷售額超過市場排名第二至第八名參與者的總和。 如果說有甚麼稍令人擔憂,那就是當前跨境貿易面對的不確定性。近年美國和歐洲日益警惕廉價中國商品大量湧入,並開始設置一些貿易壁壘,試圖減緩流入速度。歐稅通近期部分數據已反映這一點,我們稍後會再作討論。 但撇除這項隱憂,這家公司看來確實相當穩健。 佔據有利位置 根據申請文件所引述的第三方資料,2025年全球跨境電商市場規模高達14萬億元(2.09萬億美元),預計2030年將增至22.2萬億元,歐稅通正處於這個龐大市場的核心位置。隨著中國品牌和商家日益擅長透過亞馬遜及阿里巴巴旗下全球速賣通等平台向海外消費者銷售產品,市場中很大一部分交易由中國流向世界其他地區。 儘管規模相對較小,歐稅通的上市計劃卻得到多家重量級機構支持,其中包括擔任主要承銷商之一的中國領先投資銀行中金公司。公司的早期投資者還包括博裕資本,後者去年因成為星巴克新的中國合作夥伴而備受關注。科技投資巨頭IDG最近亦投資了公司。 公司成立於2019年,兩年後博裕資本於2021年投資時,其估值已達2.6億美元。公司並未披露IDG今年較早前上市前投資完成後的估值,但若歐稅通在該輪融資後躋身估值超過10億美元的「獨角獸」行列,我們也不會感到意外。 接下來,我們仔細看看歐稅通的部分財務數據。對一家如此年輕的公司而言,這些數字同樣相當亮眼。今年上半年,公司收入由去年同期的2.33億元增長66%至3.86億元,較2025年全年的51%及2024年的46%增幅進一步加快,顯示公司增長尚未見頂。 歐稅通透過各類服務收費取得收入,並將業務劃分為四大類別。值得注意的是,當中前三大業務均錄得強勁而穩定的增長。其中,環保合規服務表現居首,今年上半年收入按年增長70%,佔總收入44.7%。同期企業財稅合規服務收入同樣增長約70%,佔總收入36.1%;產品檢測及認證服務收入則增長71%,佔總收入14.5%。 全球布局多元 按地區劃分,公司幾乎所有收入均來自中國以外市場。歐稅通最初為向德國銷售商品的中國電商企業提供企業財稅合規服務,其後擴展至法國、英國、意大利和西班牙等其他歐盟主要市場。公司表示,目前業務已遍及全球121個國家及地區。 歐洲仍是公司最大的市場,今年上半年佔其收入83%;美洲則以9.3%的收入佔比位居第二,但差距甚遠。美洲市場亦提供了一項重要數據,反映歐稅通容易受到貿易政策變化風險影響。美洲地區收入於2024年接近翻倍後,去年增幅大幅放緩至僅28%,其後於2026年上半年回升至62%。相比之下,歐洲業務於2025年並未明顯放緩。 去年對向美國銷售商品的中國企業而言意義重大,因為特朗普政府當時取消了一項免稅漏洞。此前,價值低於800美元的海外包裹可以免關稅進入美國。這項稱為「最低限度免稅」的安排,於當年2月正式取消對中國商品的適用,其後再擴大至所有國家的商品。 與此同時,歐洲亦採取類似措施,由今年2月起,對進入歐盟、價值不超過150歐元(174美元)的包裹臨時徵收3歐元關稅,這類商品此前同樣可以免關稅進入。歐稅通的美洲業務今年回升,而歐洲業務於2026年上半年亦未受到影響,似乎顯示長遠而言,這類貿易措施對公司的影響應該相對有限。 歐稅通亦展現出在不大幅增加成本下擴大業務規模的良好能力,推動公司今年上半年經調整利潤由去年同期的4,360萬元增長70%至7,410萬元。該項指標不包括股份支付及重組開支。 公司的現金流亦相當強勁,截至今年6月,現金由一年前的1.22億元增至5.63億元,部分亦受惠於今年較早前完成的上市前融資。這可能令人疑惑,既然歐稅通似乎並不缺乏資金,為何選擇此時上市。我們估計,公司希望藉此提升知名度及改進技術,並可能將服務對象擴展至中國以外其他市場的電商賣家。 欲訂閱咏竹坊每周免費通訊,請點擊這裏

麥科田超額雖逾400倍 首開大挫逾三成

醫療器械提供商深圳麥科田生物醫療技術股份有限公司(2041.HK)周一在港首日掛牌,開市即跌35%報10元,之後股價在低位徘徊,中午收市報10.1元。 公司出售3,891萬股,公開發售錄得435.4倍超額認購,國際配售僅獲超額1.4倍,每股售價15.42元,集資淨額4.96億元。 麥科田去年收入上升15.7%至16.19億元人民幣(下同),期內扭虧為盈賺4,889萬元。今年首季度收入同比升19%至4.2億元,但卻錄得虧損310萬元,去年同期則獲利502萬元。 是次集資所得,35%用於研發,20%用於發展製造中心以擴大產能,20%用於提高銷售和營銷,10%用作戰略投資和收購,5%升級IT基礎設施,餘下10%作一般營運資金。 劉智恒 欲訂閱咏竹坊每周免費通訊,請點擊這裏