随着AI模型从单模态向多模态演进，引发人工智能新一轮竞赛。在4月9日“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。

深圳数据交易所人工智能行业主管王吴越进行主旨发言。

深数所发布大模型训练数据路线图

此次研讨会汇聚了政府主管领导、企业大咖和业界专家，围绕粤港澳大湾区数据、算力、网络产业链的深度合作与创新展开热烈研讨，旨在搭建资源共享、优势互补、技术转化、应用创新的高端对话平台，推动湾区数字经济迈向新高度，助力粤港澳大湾区人工智能训练场建设。

在会上，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”。目前，开放算料联盟&开放群岛大模型SIG在“数据要素×”与“人工智能+”双轮驱动发展取得的成果：发布了粤港澳大湾区大模型训练数据地图；提供了端到端的跨模态数据挖掘开源工具；构建了数据资源价值发现智能体。

大模型训练数据路线图。

公布首批AI大模型高质量训练数据集

同时，深数所还首发了由数交数据经纪（深圳）有限公司基于上述智能体通过人机协同方式撰写的《数据应用场景及潜在价值分析报告》，该公司是全国首家以数据经纪为主营业务和登记名称的企业，获得全国首张由数据交易所颁发的数据经纪人登记凭证，是深圳市前海首批试点数据经纪人公司。

利用大语言模型的涌现能力，借助CoT、RAG、Few Shot等技巧，数据黄金矿工智能体将数据商内部未经治理的、复杂的4000余个字段快速深度挖掘，识别列举出32个数据应用场景及价值变现途径，提效90%。在会上，深数所与开放算料联盟联合发布由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），首次汇聚来自中国气象局、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。

粤港澳大湾区大模型训练数据地图。

公开高质量数据集的可信流通渠道

此外，深数所公开了高质量数据集的可信流通渠道，具体包括：绘制大模型训练数据资源地图，为数据交易提供清晰的导航；数据商正式入驻深数所，由数据交易所提供坚实的平台支持；数据商进行可信的质量评测，确保数据的准确性和可靠性；合规审核与产品上市，为数据的安全流通提供保障；数据要素流通交易，实现数据的价值转化。

据介绍，上述系列流程构成了高质量数据集从归集到交易的完整可信路径。未来，深数所将充分发挥“双区”驱动、“双区”叠加、“双改”示范效应,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。

出品：南都大数据研究院

采写：南都记者 袁炯贤（深数所供图）