高質量、大規模、安全可信的語料數據資源是AI時代的重要基石。7月6日上午，2024世界人工智能大會語料主題論壇在上海成功舉辦，上海市政府副秘書長莊木弟出席論壇并致辭，中國科學院院士鄂維南作主旨演講。上海市各相關部門代表、上海人工智能實驗室、人民網、上海報業、上海圖書館、上海信投、上海算法創新研究院、中國信通院、復旦大學、華東師范大學、上海資產管理協會、中國銀行、招商銀行，國泰君安，以及近1000家大模型語料生態企業共同參會。
本次論壇以“語料筑基，智生時代”為主題，圍繞高質量語料數據如何高效供給賦能大模型產業發展，向市場傳遞專業化、鏈接型、前瞻性的語料生態設計理念。
會上，中國工程院院士鄂維南，人民網黨委書記、董事長葉蓁蓁發表主旨演講。華為、階躍星辰等大模型語料生態企業通過案例分享、圓桌共話的形式暢談了各自對大模型產業發展的創新想法和實踐。庫帕思公司攜手大模型語料生態伙伴，集中發布了一批大模型語料成果。
上海市政府副秘書長莊木弟在致辭中表示，語料數據是大模型訓練的重要“燃料”，高質量的語料對于大模型在各行各業的應用十分關鍵，有助于大模型更好地適配實際應用場景，加快實現人工智能賦能千行百業的愿景。
未來，上海將圍繞戰略性語料資源重點發力，為大模型創新發展，創造更好的語料基礎的環境：夯實語料數據基座，發揮大模型語料運行平臺核心樞紐作用，匯聚基礎性綜合語料資源，配置行業性、專業性語料資源；厚植語料應用場景，圍繞大模型訓練需求，保障多知識、多模態、標準化的高質量語料數據供給，賦能大模型行業應用落地；營造語料良好生態，緊密鏈接大模型語料供給方、需求方、加工方、技術策源方、專家智庫等主體，針對語料領域的好企業和好產品，著力制定認證標準、開展品牌建設，不斷擴大朋友圈。
語料運營平臺1.0上線，首批十大高質量語料產品發布。
對照最高標準、最好水平，打造世界一流的語料樞紐，實現更高效率、更高質量的語料供給，會上發布了“語料運營平臺1.0”，實現了面向語料數據“采、洗、標、測、用”五位一體的工具鏈能力。
為打響高質量語料品牌，進一步激發市場主體語料創新活力，增強供給側能級，加速醫療健康、城市交通、消費零售、金融、影音等重點行業的大模型產業發展。會上，庫帕思攜手咪咕視頻、寶信軟件、復旦大學智能醫學研究院、上海工創中心、匯納科技、萬達信息、DGC數傳集團、文遠知行、文因互聯、上海電科智能、海天瑞生集中發布了十大語料數據產品。
首個語料庫建設導則面世，金融、教育、生命健康三大領域技術白皮書發布
語料數據是人工智能研究和應用不可或缺的資源，高質量語料庫更是人工智能賦能新質生產力的關鍵。大模型賦能千行百業需要構建與場景適配的語料體系需要規則與實踐的“并跑”。本次論壇中還發布了金融、生命健康、教育三項行業語料術白皮書。
《高質量金融語料技術白皮書》聚焦銀行、證券、保險、基金等行業實踐，重新定義了高質量金融語料數據集的內涵和外延，形成了基于金融領域知識體系的“語料魔方”方法論。
《教育人工智能大模型數據治理與共享技術白皮書》對標國內外教育數據的系列政策、標準，確立了教育行業語料數據的標準用例與價值體系，形成了一套教育AI大模型數據治理與共享技術標準。
《高質量生命健康語料技術白皮書》從基礎醫學、藥物研發、臨床醫學、健康管理、中醫中藥五個方向確立了生命健康語料庫的路線圖，創新了從尋源、清洗到標注、測試的工具體系。
為實現“語料數據資源共建共享”“鼓勵多元主體共同推動高水平語料數據要素建設”的目標，庫帕思公司會同覆蓋多模態數據資源供應、加工、應用和運營全鏈的近二十家企業共同發布了團體標準《語料庫建設導則》。
50余單位共同發起語料倡議，10家企業入選2024語料風云榜
建立模型訓練、語料供給、學術研究、第三方服務等多方機構合作機制，攜手打造資源共享、互利共贏、國際融通的“語料生態圈”，是眾多語料生態伙伴共同的愿景。為了進一步強化語料生態全產業鏈各主體間的交流合作，營造有利于我國大模型產業生態健康發展的環境，會上，50余家單位共同發起“語料生態服務大模型可持續發展倡議”，共同倡導攜手為我國大模型產業發展持續提供高質量語料。
為加速促進大模型語料生態企業按照高標準發現“好產品”、培育“好企業”，本次論壇上，由大模型語料數據聯盟正式發布“2024語料風云榜”，本榜單經過兩個月嚴格的征集和評選，最終在眾多參與企業中遴選出了10家上榜企業。他們提供了高質量和多樣化的數據集來支持模型訓練和優化，承擔了中國大模型開發中數據的收集、清洗、標注和管理，為AI算法提供必需的語料資源，顯著提升中國大模型的性能和應用效果。首屆語料風云榜上榜企業有：上海恒生聚源數據服務有限公司、上海本原智數科技有限公司、北京云測信息技術有限公司、上海蜜度科技股份有限公司、星環信息科技(上海)股份有限公司、數據堂(北京)科技股份有限公司、整數智能信息技術(杭州)有限責任公司、標貝(青島)科技有限公司、北京海天瑞聲科技股份有限公司、天娛數字科技(大連)集團股份有限公司。
大模型與大數據庫雙輪驅動的人工智能方法
隨著AI技術的不斷進步和生態合作的深化，未來數據庫將更加智能、靈活和強大，為人工賦能千行百業的實體經濟發展提供堅實的基礎。主旨演講環節中，中國科學院院士鄂維南先生帶來了主題為“大模型與大數據庫雙輪驅動的人工智能方法”的精彩演講。鄂院士分享了如何將大模型方法和高性能的通用AI數據庫方法相結合，來建立高效率、高準確率、低門檻、低成本的人工智能系統。
基于價值對齊的模型發展與語料數據的創新供給
與價值對齊是大模型可持續演進的基石主旨環節中，人民網黨委書記、董事長葉蓁蓁先生分享了“基于價值對齊的模型發展與語料數據的創新供給”。他重點分享了人民網在主流價值對齊方面的實踐與經驗，基于多維度價值對齊體系的語料庫，讓大模型像人一樣“有德、有趣、有序、有品、有用”
大模型語料生態企業案例分享
企業案例分享環節中，兩家大模型語料生態企業代表從企業如何在AIGC時代通過提升高質量語料的開發利用來賦能業務發展。
上海階躍星辰智能科技有限公司副總裁李璟以“大模型時代的產業落地新路徑”為題，分享了階躍在大模型語料生態領域的創新應用，他表示大模型技術與語料是相輔相成的，共同構建了人工智能領域的重要基石。語料作為大模型的養料，其質量和多樣性直接影響模型的智能水平。階躍星辰將攜手行業伙伴，共建多元開放的合作關系，促進模型生態的繁榮和發展。
隨后，游族網絡CEO陳芳以“優質語料筑基，打造AI文化娛樂產業生態”為題分享了游族在文化娛樂產業里大模型語料又將面臨何種機遇和發展未來。他表示隨著AIGC時代的到來，人工智能技術正在成為數字文化產業發展的關鍵要素和澎湃動能，高質量語料是人工智能突破式發展的核心因素之一，其中互動娛樂語料具有極高的經濟和社會價值，游族正在通過“小游醬”AI玩伴、企業內知識庫等多方面創新實踐，將優質語料多方位應用于文化娛樂產業，實現企業在AIGC時代的轉型和加速發展。
共話未來－我們需要怎樣的語料供給
語料數據在大模型開發中起到了決定性作用，是模型能力提升的關鍵基礎。那么到底在提升通用大模型及垂直行業模型應用能力方面什么樣的語料供給是最有價值的又最被需要呢？在圓桌環節中，來自上海本原智數的創始人李逆勇作為圓桌主持人提出了大模型的出現對于語料供給帶來了哪些新的機會和挑戰、數據的自動化標注與人工標注現況趨勢及合成數據的未來三大問題。圓桌嘉賓華為上海代表處戰略官房思哲、北京星塵紀元智能科技有限公司總裁章磊、標貝（青島）科技有限公司聯合創始人&首席技術官李秀林、智境云創創始人&CEO王智武、中云開源數據技術（上海）有限公司創始人、CEO陳剛進行了觀點分享和思想碰撞。
本次會議由大模型語料數據聯盟、上海庫帕思科技有限公司、上海市數商協會、上海市人工智能行業協會、上海資產管理協會承辦，中國聯合網絡通信有限公司上海市分公司、上海報業集團、中國信通院上海工創中心、上海億歐網絡科技有限公司、上海市國資委系統中青年知識分子聯誼會、民建上海科創工委協辦，并得到了商湯科技、游族網絡、階躍星辰、稀宇極智、智能投研技術聯盟（ITL）等眾多單位的鼎力支持。
