在近日举办的“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（以下简称“深数所”）发布了500个垂直行业多模态算料集，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，让国产大模型厂商“寻数有路”。

此次深数所发布的首批500个人工智能大模型高质量训练数据集，由37家不同的数据商提供，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）。且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。

深数所人工智能行业主管王吴越表示，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。

“数据都是零散的，国产大模型厂商无法实现批量采集数据，我们此次推出的算料集就是，将大模型需要的训练数据进行逻辑的汇聚，从而形成了一个大模型训练数据产业高地。”深数所人工智能行业主管王吴越告诉记者，目前，人工智能和数字经济的领域存在数据荒的问题，特别是在多模态数据、中文数据、中国文化、中国价值观数据等领域，深数所按照大模型应用的不同阶段（训练、推理、调优）提供数据源，让国产大模型厂商“寻数有路”。

王吴越表示，目前，深数所已经构建了数据资源价值发现智能体，能够利用大语言模型的涌现能力，借助CoT、RAG、Few Shot等技巧，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%。

（受访者供图）

编辑 李斌 审读 张雪松 二审 党毅浩 三审 周国和