2025年開年，DeepSeek的橫空出世再次點(diǎn)燃全球AI競賽。當(dāng)公眾為國產(chǎn)開源大模型的驚艷表現(xiàn)歡呼時，產(chǎn)業(yè)界正將目光投向更上游的隱秘戰(zhàn)場——AI語料庫。這場靜默的“數(shù)字石油”爭奪戰(zhàn)，正在重構(gòu)人工智能產(chǎn)業(yè)的底層競爭邏輯。

大模型迭代背后的隱秘戰(zhàn)場

DeepSeek-R1在數(shù)學(xué)、代碼和推理任務(wù)上可與OpenAI o1媲美，并且預(yù)訓(xùn)練費(fèi)用只有557.6萬美元，不到OpenAI GPT-4o模型訓(xùn)練成本的十分之一。這些突破的背后，是高質(zhì)量AI語料庫的持續(xù)擴(kuò)容。

所謂AI語料，是指用于訓(xùn)練人工智能算法和模型的文本、語音、圖像或其他形式的數(shù)據(jù)集合。AI語料作為訓(xùn)練人工智能算法和模型的核心資源，其重要性隨著技術(shù)發(fā)展與行業(yè)滲透持續(xù)提升。求思咨詢數(shù)據(jù)顯示，2023年我國AI語料市場規(guī)模達(dá)68.7億元，預(yù)計到2025年將突破100億元大關(guān)，增長至109億元，年復(fù)合增長率超過25%。

上市企業(yè)爭相布局

面對如此廣闊的市場前景，眾多上市公司也紛紛加快布局，力求在人工智能產(chǎn)業(yè)鏈上游搶占戰(zhàn)略制高點(diǎn)。

在文本語料領(lǐng)域，中文在線集團(tuán)股份有限公司依托20余年文化數(shù)字產(chǎn)業(yè)積累，構(gòu)建起涵蓋文學(xué)、教育、科技等多類型的高質(zhì)量語料庫；中國科技出版?zhèn)髅焦煞萦邢薰尽⒅袊霭鎮(zhèn)髅焦煞萦邢薰镜瘸霭纨堫^則將專業(yè)學(xué)術(shù)資源轉(zhuǎn)化為AI語料，服務(wù)于科研、教育等領(lǐng)域的AI應(yīng)用。

在視頻語料賽道，浙江華策影視股份有限公司憑借影視劇制作優(yōu)勢積累海量原始素材庫，為AI在視頻領(lǐng)域的應(yīng)用提供了豐富資源；中廣天擇傳媒股份有限公司的“淘劇淘”平臺匯聚了優(yōu)質(zhì)電視劇版權(quán)，并出售大模型客戶，為大模型訓(xùn)練提供深度數(shù)據(jù)支持。

除文化傳媒行業(yè)外，其他行業(yè)巨頭也布局AI語料領(lǐng)域。浙江核新同花順網(wǎng)絡(luò)信息股份有限公司、上海鋼聯(lián)電子商務(wù)股份有限公司等在金融和大宗商品領(lǐng)域的語料庫建設(shè)，推動金融科技的快速發(fā)展。

北京值得買科技股份有限公司、匯納科技股份有限公司等公司則通過消費(fèi)語料庫，助力AI更好地理解和滿足消費(fèi)者需求。中遠(yuǎn)海運(yùn)科技股份有限公司在航運(yùn)領(lǐng)域的語料庫布局，將有助于提高航運(yùn)效率和安全性。這些上市公司的超前布局，有望在這一領(lǐng)域構(gòu)建起強(qiáng)大的競爭優(yōu)勢。

同時，政策層面的支持也為行業(yè)發(fā)展注入強(qiáng)勁動能。2024年12月份，國家印發(fā)《關(guān)于促進(jìn)數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見》，明確提出支持企業(yè)面向人工智能應(yīng)用創(chuàng)新，開發(fā)高質(zhì)量數(shù)據(jù)集，大力發(fā)展“數(shù)據(jù)即服務(wù)”“知識即服務(wù)”“模型即服務(wù)”等新業(yè)態(tài)。

2025年2月19日，國家數(shù)據(jù)局召開高質(zhì)量數(shù)據(jù)集建設(shè)工作啟動會，明確指出要扎實(shí)做好高質(zhì)量數(shù)據(jù)集建設(shè)工作，加快推動形成一批標(biāo)志性成果，以此賦能行業(yè)高質(zhì)量發(fā)展。

在政策紅利與市場需求的雙重推動下，AI語料的價值正經(jīng)歷全面重估。未來，掌握高質(zhì)量AI語料的企業(yè)，將真正掌控智能時代的“數(shù)字命脈”。