给人工智能提供训练数据
【深圳商报讯】（记者 肖晗 谢惠茜）“数·算·网”融合发展暨粤港澳大湾区（南山·前海）算力服务联盟第一期交流研讨会近日在南山举行。会上，深圳数据交易所发布了大模型训练数据路线图，并联合开放算料联盟发布500个垂直行业多模态算料集。
会上，深圳数据交易所（以下简称“深数所”）人工智能行业主管王吴越进行了主旨发言，并展示了深数所助力粤港澳大湾区人工智能训练场建设的行业实践。
王吴越表示，在数字经济时代，“数据要素×”与“人工智能+”成为推动新质生产力的双轮驱动，共同引领着经济社会的进步与发展。数据作为一个高效的“乘法”因子，能够与不同行业结合，显著提升行业的生产效率或创新能力，而人工智能技术则通过“加法”方式为传统产业带来渐进式的改进和优化，两者相互交织，共同成为数字经济发展的双翼。
王吴越介绍了以数据为中心的人工智能（Data-Centric AI）发展理念并发布了大模型训练数据路线图。深数所将按照大模型应用的不同阶段（训练、推理、调优），有的放矢地提供数据源，使得国产大模型厂商“寻数有路”。
当天，深数所与开放算料联盟联合发布了由37家不同的数据商提供的、首批500个人工智能大模型高质量训练数据集，涵盖12个“数据要素×”领域、3家境外数据商、7类数据模态（文本、图像、音频、视频、多模态、3D、GIS等）。本批数据集首次汇聚了来自中国气象局、中国知网、中译语通、万邦同和、微梦数据（新浪微博）、前海数据、海天瑞声、拓尔思、数据堂、智慧芽、网智天元、柏川数据、深信科技等数据商的数据集作为大模型算料。其中大部分算料为全国首发。
会上，深圳数据交易所公开了高质量数据集的可信流通渠道。未来，深数所将坚持创新引领，为国产大模型厂商提供燃料，并携手大模型厂商在数据要素×重点行动领域共建垂直行业大模型数据应用。