主持人：这次咱们聊聊人工智能领域的发展，特别是高质量数据相关的话题。2024 年信息技术产业大发展，通用大模型产品大量涌现，到了 2025 年，人工智能从技术突破转向规模化落地，应用渗透到更多领域。不过，高质量数据短缺成了大问题，联著实业就研发了‘联著高质量数据提炼引擎’来应对。咱们先说说人工智能产业发展要素的转变吧，早期以通用大模型开发为重心，算力是关键，就像让很多小学生快速学基础知识，对数据规模需求大。但后来发展到以垂直应用为重心，对高质量语料库和数据集需求大增，这背后有什么原因呢？

嘉宾：这背后的原因其实不难理解。一方面技术进步和市场竞争促使人工智能向垂直领域精细化发展，要训练满足特定场景高精度需求的定制化模型，就得有更专业的数据，对数据广度、多样性、深度和针对性要求都提高了。另一方面，数据成为新生产要素，从 2022 年相关意见出台，数据要素建设和市场改革稳步推进，政府也出台政策支持人工智能产业高质量发展，所以高质量语料库和数据集就成了行业优先需求。就好比建筑，之前是大规模盖楼，现在是要盖各种特色建筑，对材料要求就不一样了。

主持人：确实如此。那高质量数据获取到底难在哪呢？先说收集难，高质量语料少，尤其是中文语料，在特定专业领域更匮乏，而且中文语料库电子化、网络化程度不足，还受版权、隐私限制，很多优质的不能公开获取。这就像找宝藏，宝藏本身就少，还藏得严严实实。

嘉宾：没错，还有流通难的问题。优质数据资源碎片化、分散，行业数据涉及敏感信息，中文高质量数据集开放程度低，企业和机构对数据共享谨慎，高质量数据流通机制没形成。这就好比各个地方都有零散的宝贝，但没有一条路能把它们顺畅地运到需要的地方。另外，高质量数据集获取也难，传统数据标注产业能力不足，标准规范缺失，标注以人工为主，满足不了大模型对数据的需求，专业标注人才也少，标注标准不统一，语料库结构差异大，导致高质量语料积累薄弱。

主持人：面对这些难题，国家也在行动，2024 年 12 月 26 日，四部门联合发布了《关于促进数据标注产业高质量发展的实施意见》，从 13 个方面谋划壮大数据标注产业，提升数据供给质量。而联著实业也通过自身研发，推出了‘联著高质量数据提炼引擎’。这个引擎是在国家标准引领下，利用自研技术对海量中文文本数据进行语义结构化转化，能自动化输出各种高质量数据集，这些数据集准确性、一致性、完整性和可用性都很高，能给人工智能特定领域提供更好的数据支持。这就像是给人工智能打造了一个精准的数据武器库。

嘉宾：不仅如此，这个引擎在大模型训练和数据智能化标注领域作用都很大。在大模型训练中能生成高质量数据集，降本增效提质；在数据智能化标注方面，能批量导入、自动化执行和结果批量导出，比主流方法效率高很多，还提升了数据质量和应用价值。就拿做菜打比方，以前做菜靠人工一点点切菜配料，现在有了个智能机器，能快速又精准地完成这些工作。而且联著实业的多款数据集产品已经在深圳、杭州的数据交易所展示或交易，还取得了多个数据交易相关的证件，未来还会持续投入技术创新优化相关技术，为数据资源开发利用做贡献。

主持人：从人工智能产业发展重心转变，到高质量数据获取难题，再到联著实业的解决方案，这一系列发展清晰地展现了行业的现状和走向。高质量数据的重要性不言而喻，它就像工业生产中的优质原材料，没有好的原材料，再先进的技术也难以生产出高质量产品。而联著实业的‘联著高质量数据提炼引擎’，无疑为行业解决高质量数据问题提供了一种新的思路和途径，也期待未来能有更多类似的创新成果，推动人工智能产业更上一层楼。

嘉宾：是的，未来人工智能产业的发展还充满着各种可能性。随着技术不断进步，相信在高质量数据的获取和利用上会有更多突破。就像一条不断奔腾向前的河流，遇到阻碍就会寻找新的路径，最终会汇聚成更广阔的海洋。今天咱们讨论了这么多，希望能让听众对人工智能领域高质量数据相关情况有更深入的了解。