8月14日上午10時，國務(wù)院新聞辦公室舉行關(guān)于“十四五”時期數(shù)字中國建設(shè)發(fā)展成就的新聞發(fā)布會。國家發(fā)展改革委黨組成員、國家數(shù)據(jù)局局長劉烈宏介紹，2024年初，我國日均Token（詞元）的消耗量為1千億，截至今年6月底，日均Token消耗量已經(jīng)突破30萬億，1年半時間增長了300多倍，這反映了我國人工智能應(yīng)用規(guī)模的快速增長。

他介紹，截至今年6月底，我國已經(jīng)建設(shè)高質(zhì)量數(shù)據(jù)集超過3.5萬個，總體量超過了400PB（1PB可存儲約5億張2MB大小的高清照片，400PB的總量相當于中國國家圖書館數(shù)字資源總量的140倍左右）。人工智能模型的訓(xùn)練也推動了數(shù)據(jù)交易需求的攀升，截至今年6月底，各地高質(zhì)量數(shù)據(jù)集累計交易額近40億元，數(shù)據(jù)交易機構(gòu)掛牌的高質(zhì)量數(shù)據(jù)集總規(guī)模達到了246PB。以北京數(shù)交所為例，高質(zhì)量數(shù)據(jù)集占交易總量的比例從去年的10%躍升到目前的近80%。

他介紹，上海、天津、安徽等地正在試點“數(shù)據(jù)語料作價入股”等新模式，引導(dǎo)企業(yè)將高質(zhì)量數(shù)據(jù)集折算為股權(quán)投入到相關(guān)企業(yè)。高質(zhì)量數(shù)據(jù)集的發(fā)展需要數(shù)據(jù)標注產(chǎn)業(yè)的支撐，我們已布局了成都、沈陽、合肥等7個數(shù)據(jù)標注基地，助力高質(zhì)量數(shù)據(jù)集的建設(shè)。

中文數(shù)據(jù)在國內(nèi)大模型的訓(xùn)練性能提升方面發(fā)揮著重要作用。大家都非常關(guān)心中文數(shù)據(jù)在訓(xùn)練數(shù)據(jù)中的占比情況，經(jīng)過一段時間的努力，國內(nèi)多數(shù)模型訓(xùn)練使用的中文數(shù)據(jù)占比已經(jīng)超過了60%，有的模型已達到80%。中文高質(zhì)量數(shù)據(jù)的開發(fā)和供給能力持續(xù)增強，推動我國人工智能模型性能的快速提升。

下一步，國家數(shù)據(jù)局將通過體系化布局持續(xù)推進高質(zhì)量數(shù)據(jù)集建設(shè)，加快打造具身智能、低空經(jīng)濟、生物制造等重點領(lǐng)域數(shù)據(jù)高地。我們也將推動全社會強化數(shù)據(jù)要素價值認同，加快推進數(shù)據(jù)要素價值共創(chuàng)，培育“為優(yōu)質(zhì)數(shù)據(jù)買單”的市場共識。