川觀智庫(kù)研究員 徐也晴

數(shù)據(jù)作為數(shù)字經(jīng)濟(jì)時(shí)代的“新石油”，其戰(zhàn)略地位與重要性日益凸顯。日前，中國(guó)工程院院士鄔賀銓公開演講時(shí)提到，2025年將成為我國(guó)數(shù)據(jù)資源建設(shè)的元年。

據(jù)鄔賀銓介紹，目前國(guó)內(nèi)數(shù)據(jù)資源呈現(xiàn)三個(gè)特點(diǎn)。一是中文開源語(yǔ)料庫(kù)不足，如果過(guò)度依賴國(guó)外語(yǔ)料庫(kù)會(huì)有價(jià)值觀對(duì)齊的風(fēng)險(xiǎn)。而中國(guó)工業(yè)門類全、規(guī)模大，工業(yè)數(shù)據(jù)全球最多，但由于企業(yè)間不共享，導(dǎo)致68%的工業(yè)數(shù)據(jù)未被利用；二是原生數(shù)據(jù)的獲得成本高，用AI自身迭代衍生雖然可合成數(shù)據(jù)，但這種操作可能會(huì)導(dǎo)致模型崩潰，因此訓(xùn)練數(shù)據(jù)中需要有10-20%的原始數(shù)據(jù)；三是行業(yè)數(shù)據(jù)清洗標(biāo)注需要較高專業(yè)知識(shí)，可利用AI來(lái)生成、標(biāo)注和編目，但需嚴(yán)格管控質(zhì)量。

過(guò)去一年，數(shù)據(jù)標(biāo)注行業(yè)頗受重視。4月1日，全國(guó)數(shù)據(jù)工作會(huì)議提出“探索建設(shè)數(shù)據(jù)標(biāo)注基地”；5月24日，國(guó)家數(shù)據(jù)局發(fā)布了承擔(dān)數(shù)據(jù)標(biāo)注基地建設(shè)任務(wù)的城市名單，其中包括四川省成都市；近日，國(guó)家發(fā)展改革委等六部門聯(lián)合印發(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(jiàn)》，提到要強(qiáng)化數(shù)據(jù)標(biāo)注、數(shù)據(jù)合成等核心技術(shù)攻關(guān)。

除此之外，臨近年底，國(guó)內(nèi)多家智庫(kù)機(jī)構(gòu)也強(qiáng)調(diào)數(shù)據(jù)標(biāo)注的重要性。比如，國(guó)內(nèi)科技產(chǎn)業(yè)智庫(kù)甲子光年提到，數(shù)據(jù)標(biāo)注可能會(huì)成為建設(shè)高質(zhì)量中文數(shù)據(jù)集的重要手段；中國(guó)信息通信研究院提到，當(dāng)前，新一代數(shù)據(jù)標(biāo)注成為高質(zhì)量數(shù)據(jù)供給的關(guān)鍵。

具體而言，新一代數(shù)據(jù)標(biāo)注具備高技術(shù)含量、高知識(shí)密度和高價(jià)值應(yīng)用的“三高”特性。高技術(shù)含量指的是智能化標(biāo)注、人機(jī)協(xié)同標(biāo)注、合成數(shù)據(jù)技術(shù)等將大幅提高標(biāo)注效率和準(zhǔn)確率，從而降低成本；高知識(shí)密度指的是從業(yè)者將出現(xiàn)高學(xué)歷背景和多學(xué)科融合的特點(diǎn)；高價(jià)值應(yīng)用指的是數(shù)據(jù)標(biāo)注整體趨向技術(shù)服務(wù)多元化、領(lǐng)域場(chǎng)景專業(yè)化、質(zhì)量高標(biāo)準(zhǔn)化等屬性。

2025年，數(shù)據(jù)標(biāo)注行業(yè)會(huì)面臨怎樣的機(jī)遇？中國(guó)信息通信研究院認(rèn)為，在技術(shù)層面，基于大模型的智能化標(biāo)注落地使用，人機(jī)協(xié)同的輕量化標(biāo)注技術(shù)突破，細(xì)分行業(yè)領(lǐng)域標(biāo)注需求增多；在產(chǎn)業(yè)層面，行業(yè)高質(zhì)量數(shù)據(jù)集建設(shè)元年帶來(lái)海量標(biāo)注需求，具身智能數(shù)據(jù)和邏輯推理數(shù)據(jù)成為行業(yè)增長(zhǎng)點(diǎn)，新一代數(shù)據(jù)標(biāo)注產(chǎn)業(yè)集群加速形成。

【未經(jīng)授權(quán)，嚴(yán)禁轉(zhuǎn)載！聯(lián)系電話028-86968276】