（原标题：猎豹出动傅盛：数据才是大模子竞争的委果壁垒）

21世纪经济报说念记者白杨 北京报说念

在AI大模子的浓烈竞争中，算力资源和算法优化一直是各大企业追赶的焦点。有关词，跟着技艺徐徐老到，行业的焦点正在发生玄机的调动——从单纯的模子历练和算力参加，转向了如何措置和哄骗海量、高质地的数据。

事实上，数据照旧成为了大模子能否生效落地的决定性要素。11月27日，猎豹出动董事长兼CEO傅盛在罗致21世纪经济报说念记者采访时明确指出：“算法和算力并不是大模子的中枢竞争力，委果的壁垒是数据。”

傅盛提到，大多数大模子公司在算法上并莫得权臣的相反化。尽管芯片和算法依然要津，但它们的差距并不像数据那么深刻。“要是数据莫得饱胀的质地和数目，任何算法和算力的上风齐无法施展作用。”

大模子的历练依赖无数标注过的数据，这一过程胜仗决定了模子的本色后果。傅盛譬如说，模子就像一个正在成长的孩子，只消得到正确的信息，他才能正确学习。

数据面对证地和数目双重挑战

有关词，在数据的获取和哄骗方面，大模子的发展正面对诸多挑战。

领先是能用于大模子历练的真的数据正在草率。DeepMind在一篇论文中深入有计划了Scaling问题，并得出论断：为充分历练一个模子，其token数目需要达到该模子参数目的20倍。

现在，已知闭源模子中历练token数最多的是GPT4，约为20T；开源模子中历练token数最多的是LLaMA3，约为15T。照此计较，要是一个5000亿参数的Dense模子要达到疏导的历练后果，则需要历练约token数为107T，而这已远超面前业界领有的数据量。

因此，使用合成数据照旧成为大模子的一个共鸣。有权衡数据显现，到2026年，当然数据将被大模子一齐用完，而2030年，东说念主工智能使用的合成数据将跨越真的数据。

但傅盛觉得，胜仗使用合成数据历练大模子存在弥远风险。由于合成数据自己不能幸免地带有系统性偏差，若胜仗将其用于历练，模子可能会舛讹地将这些偏差视为旧例，真切下来，模子的理解可能会出现致命颓势。

是以合成数据也需要进行一些措置，如东说念主工调优大约是用其他数据进行增强，来擢升合成数据质地。

而针对真的数据，最权臣的问题是哄骗率不高。好多企业有饱胀的数据，可是历练出的大模子后果老是不睬念念，原因也在于他们的数据质地不够高。

挖掘数据做事商机

基于此，猎豹出动也看到一个商机，其控股公司猎户星空推出了全新的数据做事家具——AI数据宝AirDS（AI-Ready Data Service）。

AI数据宝AirDS提供的做事涵盖数据集中、清洗、标注、辅导词工程以及评估等步调。傅盛示意，因为猎豹出动我方也在历练大模子，是以相干于传统的数据标注公司，猎豹出动对大模子有更深刻的意会，也更能鼎沸企业对数据的需求。

需要指出的是，现在的数据做事依然离不开东说念主工。在大模子期间，数据筛选、清算等步调，不错借助一些器具提高效用，但要念念取得高质地数据，东说念主工紧密标注仍是不能或缺的。

傅盛示意，在大模子期间，猎豹出动的中枢业务样式并非通过模子接口来赢利，而是通过匡助客户已矣AI应用的落地来创造价值。

该业务样式的中枢是围绕大模子的应用场景进行深度挖掘。以AI数据宝（AirDS）为例，猎豹出动通过数据做事家具，匡助企业客户已矣从数据清洗到标注、再到应用优化的全经过做事，这不仅大幅擢升了企业的AI应用后果，也为猎豹出动创造了弥远的买卖化空间。

现在，AI数据宝的生效案例照旧遮蔽了多个行业，包括出动通讯、互联网文娱、新动力汽车等。

关于大模子异日的发展，傅盛觉得，尽管技艺瓶颈已使得模子的迭代速率放缓，但应用场景的深度和广度却在不休膨胀。异常是在搜索、企业做事等垂直行业，跟着数据质地和应用能力的擢升，AI有望为行业带来立异性的变革。

“来岁将是应用大茁壮的一年，”傅盛权衡，“大模子的能力照旧相对相识，下一步的竞争将更多依赖于如安在特定场景中应用大模子。只消场景饱胀明晰，它的爆发力将绝顶强。”