深圳数据交易所首发500个垂直行业多模态算料集
近日，“数·算·网”融合发展暨粤港澳大湾区（南山·前海）算力服务联盟第一期交流研讨会在南山区英特尔大湾区科技创新中心召开。本次研讨会由南山区科技创新局和前海管理局政务数据处指导支持，国家（深圳·前海）新型互联网交换中心、深圳数据交易所、英特尔大湾区科技创新中心共同承办，汇聚了政府主管领导、企业大咖和业界专家，围绕粤港澳大湾区数据、算力、网络产业链的深度合作与创新展开热烈研讨，旨在搭建资源共享、优势互补、技术转化、应用创新的高端对话平台，推动湾区数字经济迈向新高度，助力粤港澳大湾区人工智能训练场建设。
会上，深圳数据交易所（以下简称深数所）发布了大模型训练数据路线图，并联合开放算料联盟发布500个垂直行业多模态算料集。深圳数据交易所人工智能行业主管王吴越进行了主旨发言，并展示了深数所助力粤港澳大湾区人工智能训练场建设的行业实践。
王吴越表示，在数字经济时代，“数据要素×”与“人工智能+”成为推动新质生产力的双轮驱动，共同引领着经济社会的进步与发展。数据作为一个高效的“乘法”因子，能够与不同行业结合，显著提升行业的生产效率或创新能力，而人工智能技术则通过“加法”方式为传统产业带来渐进式的改进和优化，两者相互交织，共同成为数字经济发展的双翼。
王吴越介绍了以数据为中心的人工智能（Data-Centric AI）发展理念并发布了大模型训练数据路线图。深数所将按照大模型应用的不同阶段（训练、推理、调优），有的放矢地提供数据源，使得国产大模型厂商“寻数有路”。
据介绍，目前，开放算料联盟&开放群岛大模型SIG在“数据要素×”与“人工智能+”双轮驱动发展取得的成果：一是发布了粤港澳大湾区大模型训练数据地图；二是提供了端到端的跨模态数据挖掘开源工具；三是构建了数据资源价值发现智能体。
随后，深数所与开放算料联盟联合发布了由37家不同的数据商提供的，首批500个人工智能大模型高质量训练数据集，涵盖12个“数据要素×”领域，3家境外数据商，7类数据模态（文本、图像、音频、视频、多模态、3D、GIS等），本批数据集首次汇聚了来自中国气象局、中国知网、中译语通、万邦同和、微梦数据（新浪微博）、前海数据、海天瑞声、拓尔思、数据堂、智慧芽、网智天元、柏川数据、深信科技等数据商的数据集作为大模型算料。其中大部分算料为全国首发。
会上，深圳数据交易所公开了高质量数据集的可信流通渠道，具体包括以下环节：第一步，绘制大模型训练数据资源地图，为数据交易提供清晰的导航；第二步，数据商正式入驻深数所，由数据交易所提供坚实的平台支持；第三步，数据商进行可信的质量评测，确保数据的准确性和可靠性；第四步，合规审核与产品上市，为数据的安全流通提供保障；第五步，数据要素流通交易，实现数据的价值转化。这一系列流程构成了高质量数据集从归集到交易的完整可信路径。
未来，深数所将充分发挥“双区”驱动、“双区”叠加、“双改”示范效应，坚持创新引领，为国产大模型厂商提供燃料，并携手大模型厂商在数据要素×重点行动领域共建垂直行业大模型数据应用。