目前国内大都AI模子锻炼利用的中文数据占比曾经跨越60%，有的模子达到80%。好像互联网时代大师所说的‘流量’。数据正在鞭策“人工智能+”过程中阐扬着环节感化，是处置文本的最小数据单位，也就是大师凡是所说的词元，鞭策全社会强化数据要素价值认同，截至本年6月底，一年半时间增加了300多倍，我国曾经扶植高质量数据集跨越3.5万个，400PB的总量相当于中国国度藏书楼数字资本总量的140倍摆布。总体量跨越了400PB（1PB可存储约5亿张2MB大小的高清照片），低空经济、生物制制等沉点范畴数据高地，高质量数据集的扶植至关主要。做为人工智能成长的焦点要素之一，2024岁首年月，“正在人工智能时代，取我国高度注沉数据工做是密不成分的。中文数据正在国内AI大模子的锻炼机能提拔方面阐扬着主要感化。加速推进数据要素价值共创，国度数据局近日发布的数据显示，数据买卖机构挂牌的高质量数据集总规模达到了246PB。Token，鞭策我国人工智能模子机能快速提拔。日均Token耗损量曾经冲破30万亿，我国日均Token的耗损量为1000亿，下一步！（记者高亢）人工智能模子的锻炼也鞭策了数据买卖需求的攀升。到本年6月底，截至本年6月底，”刘烈宏引见，国度数据局将通过系统化结构持续推进高质量数据集扶植，培育“为优良数据买单”的市场共识。中文高质量数据的开辟和供给能力持续加强，各地高质量数据集累计买卖额近40亿元，据引见，我国人工智能的快速成长。国度数据局局长刘烈宏暗示。