光明网讯（记者 杨亚楠）8月14日，国务院新闻办公室举行“高质量完成‘十四五’规划”系列主题新闻发布会，介绍“十四五”时期数字中国建设发展成就。会上，国家发展改革委党组成员、国家数据局局长刘烈宏介绍，作为人工智能发展的三大核心要素之一，数据在推动“人工智能+”过程中发挥着关键作用，特别是高质量数据集的建设至关重要。在人工智能时代，Token，也就是大家通常所说的词元，作为处理文本的最小数据单元，如同互联网时代大家所说的“流量”。2024年初，我国日均Token的消耗量为1千亿，截至今年6月底，日均Token消耗量已经突破30万亿，1年半时间增长了300多倍，这反映了我国人工智能应用规模的快速增长。

　　刘烈宏表示，我国人工智能的快速发展，与我国高度重视数据工作是密不可分的。我国是第一个把数据作为生产要素的国家，多措并举促进数据资源的开发利用。国际数据局大力推动高质量数据的供给，出台了高质量数据集建设相关文件，多部门联合推动相关工作。指导全国数据标准化技术委员会研究制定了相关标准和技术文件，组织了高质量数据集建设先行先试工作和典型案例征集活动，分行业、分领域树立了一批典型的解决方案。

　　国家数据局持续推进高质量数据集建设工作。截至今年6月底，我国已经建设高质量数据集超过3.5万个，总体量超过了400PB（1PB可存储约5亿张2MB大小的高清照片，400PB的总量相当于中国国家图书馆数字资源总量的140倍左右）。人工智能模型的训练也推动了数据交易需求的攀升，截至今年6月底，各地高质量数据集累计交易额近40亿元，数据交易机构挂牌的高质量数据集总规模达到了246PB。以北京数交所为例，高质量数据集占交易总量的比例从去年的10%跃升到目前的近80%。上海、天津、安徽等地正在试点“数据语料作价入股”等新模式，引导企业将高质量数据集折算为股权投入到相关企业。高质量数据集的发展需要数据标注产业的支撑，我们已布局了成都、沈阳、合肥等7个数据标注基地，助力高质量数据集的建设。

　　中文数据在国内大模型的训练性能提升方面发挥着重要作用。大家都非常关心中文数据在训练数据中的占比情况，经过一段时间的努力，国内多数模型训练使用的中文数据占比已经超过了60%，有的模型已达到80%。中文高质量数据的开发和供给能力持续增强，推动我国人工智能模型性能的快速提升。

　　“下一步，国家数据局将通过体系化布局持续推进高质量数据集建设，加快打造具身智能、低空经济、生物制造等重点领域数据高地。”刘烈宏表示，将推动全社会强化数据要素价值认同，加快推进数据要素价值共创，培育“为优质数据买单”的市场共识。