大模型搭建少不了这块“基石”？上海数据要素建设又有“新动作”

东方网记者王佳妮7月8日报道：2022年全市数据核心企业突破1200家，核心产业规模近3400亿元；建设上海数据交易所，累计挂牌数据产品超1300个，率先提出数商体系，全国首个数据要素产业集聚区在张江启动建设……作为国家大数据综合示范区，上海始终致力于推动数据产业发展、数据要素市场培育，数字经济红利充分释放。

数据是人工智能的基石，其质量和数量最终决定人工智能水平高低，并影响其安全性、可信性。如何使数据要素更有效流通？在今天上午举行的“大模型时代下的数据要素流通”主题论坛，业内大咖上演了一场精彩的“头脑风暴”。

上海数据要素建设有“新动作”

“大模型时代下的语料库建设存在语料库供给不足、语料库质量不高、语料库多样性匮乏、语料库标准欠缺等问题。”上海数交所总经理汤奇峰在作题为“大模型时代下的语料库”的主旨演讲中指出，语料库建设不是单一企业的责任，需要多方共同推进，“如果每个企业都单独建设维护语料库，会拉低效率，也会增加企业成本，数交所希望通过自己的努力加强数据要素建设提升语料库建设效率”。

上海数交所总经理汤奇峰

东方网记者了解到，上海数交所官网已于7月7日正式上线语料库，累计挂牌近30个语料数据产品，包含文本、音频、图像等多模态，覆盖金融、交通运输和医疗等领域。为更好打造高质量语料库、围绕语料数据共建数商生态，上海数交所牵头发起语料数据生态创新合作伙伴计划，携手首批合作伙伴上海人工智能实验室、商汤科技、中国知网、澜舟科技、OpenKG、拓尔思、新致和蜜度正式启动该计划，积极引导不同行业、不同领域、具有一定规模的高质量语料数据产品挂牌交易，推动人工智能大模型技术创新与应用落地，进一步丰富语料库多样性，助力数据要素市场建设。

汤奇峰指出，目前，语料库采购已经在不少大模型企业成本中占据重要比重，上海数交所希望以市场配置的方式组织数据要素推动语料库建设。“上海数交所建设语料库，主要考虑两个维度：一是语料库的质量，另一个是语料库的开放程度。”汤奇峰举例称，比如有的企业具有海量高质量数据资源，开放意愿度也很高，但需要组织大量社会第三方企业帮助组织相关的大模型训练，上海数交所针对四类数据产品开发情况不同、实际需求不同的供方企业制定了差异化工作策略，着力打造语料数据生态。

数据合规确权等问题亟待破解