日前，國際數據公司(IDC)最新報告顯示，字節跳動旗下的豆包大模型在中國公有云大模型市場份額排名第一，占比高達46.4%，且多模態能力處于全球領先水平。
越來越“聰明”的豆包，是AI技術團隊持續訓練的結果。這其中，就有一支來自貴陽經開區的算法團隊——貴州網絡數據融合創新實驗室團隊，在豆包算法團隊中實力排名前列。
去年以來，人工智能發展日新月異。就在算力和應用高歌猛進之際，一個關鍵環節的短板日益凸顯：作為訓練AI的關鍵，算法供應鏈支撐率不足10%，成為制約AI發展的桎梏。
面對巨大的市場缺口，貴陽經開區依托貴陽大數據安全靶場對數據的安全保障優勢，引進貴州網絡數據融合創新實驗室，支持實驗室打造AI算法供應鏈,破解行業“算法荒”困局。
破局：布局算法供應鏈賽道
據了解，人工智能發展包括三個層面：第一個層面是作為上游的算力層，包括各類算力中心；第二個層面是作為下游的應用層，比如各種大模型。還有一個中游的算法層容易被市場忽視。
“經過這兩年的發展，應用層、算力層的規模和能力都跑到了算法前面。全國各地都在建算力中心，市場大模型層出不窮，但按照現有算力和應用的規模，算法供應鏈完成率卻不到10%。”貴州網絡數據融合創新實驗室副主任容崧瓊告訴記者。
AI行業面臨全國性“算法荒”，但也潛藏著巨大的市場空間。基于對行業需求的觀察，2023年開始，貴州省相關部門與廣西科學院進行深入交流后得出一致結論，不管是數字經濟發展情況，還是政策對大數據產業的支撐力度，貴州都更有優勢。先機即商機，2024年8月，兩地共同成立貴州網絡數據融合創新實驗室，并落地貴陽大數據安全產業示范區。
每個行業都有供應鏈，都需要原材料，人工智能行業也不例外。實驗室落地貴陽經開區以來，緊緊聚焦“算法荒”行業短板，專注于做算法供應鏈，通過匯聚數據、治理數據，為AI發展提供所需數據“原材料”。
算法供應鏈涉及生產數據、加工數據等環節，且每個環節都有著極高的數據安全需求。落地貴陽大數據安全產業示范區，依托貴陽大數據安全靶場，很好地保障了實驗室的數據安全。
“貴州孵化大模型雖沒有發達地區有優勢，但這邊的數據供應鏈較強，依托這種優勢，我們專注于做好算法供應鏈。”容崧瓊說，算法供應鏈的前提是擁有海量數據支撐，這也恰恰是貴州發展大數據產業多年來形成的先發優勢。
得益于這種優勢，實驗室成立后，與相關單位打通渠道，增強數據生產、治理能力，將數據資源優勢轉化為算法供應鏈支撐能力。目前，實驗室每天生產數據達到300億條。
強基：千人團隊解題“喂”AI
海量數據本身并沒有價值，如何“沙里淘金”，把無效數據變成有效資產？
容崧瓊介紹，實驗室猶如一個“原料生產工廠”，實驗室組建的人才團隊是“工人”。實驗室按照訂單需求，將相應數據給到“工人”，“工人”對數據進行“加工提純”后，通過貴陽大數據交易所輸送到全國各地。
隨著AI的發展，大模型訓練已經不再局限于語言訓練，而是包括語言識別、圖像識別等在內的多模態大模型訓練。因此，數據雖是資產，但真正將數據變成資產的關鍵是人才。
2023年年初，大模型應用尚未全面推廣時，實驗室團隊便預判人工智能的競爭本質是知識庫的競爭，率先啟動人才庫儲備。實驗室成立后，迅速聯合貴州大學建立貴州省數據標注實驗室，構建專業人才梯隊，以人才為核心支撐，將高校知識庫轉化為算法供應鏈的核心驅動力。
對人才的選拔，實驗室設立嚴苛篩選機制，優中選優。學生要先報名，根據想做的算法訓練參加培訓和考試，考試合格后試標，試標成功率達到95%以上的，才能進入數據標注實驗室參加數據治理。
高水平人才，解高難度題目。前兩天，一個奧數題難住了解題人。兩名學生緊密配合，一人負責解題，一人用程序把解題步驟寫成機器語言。兩人花了4小時，一共解了50多個步驟，才把題目解答出來。
目前，實驗室已在貴州大學組建1000人的人才團隊，其中50%以上是碩士研究生，有幾十名博士研究生。今年，在貴州大學的人才團隊計劃擴展到1萬人，碩士研究生要占到60%以上，博士研究生要占到300人至500人。數理化專業學生比例預計占90%以上。
此外，實驗室還與蘭州大學、安徽大學、桂林電子科技大學等高校完成簽約，下步將繼續加強與中山大學、中國科學技術大學等高校合作。每家合作高校計劃組建2000人的團隊。
為強化AI算法人才可持續供給，實驗室構建了“實訓-就業”的人才發展閉環。通過加強與企業合作，字節跳動等企業直接提供內推名額，團隊優秀人才可獲得入職大廠的機會。
開拓：數據交易規模達2000萬元
在貴州大學數據標注實驗室內，學生們正忙著解題，將解題步驟和答案轉換成機器人能夠識別的語言訓練AI，讓豆包變得更“聰明”。
“訓練AI的核心邏輯很清晰：誰能給它灌注更多知識，誰就能讓它更聰明。”容崧瓊解釋道，實驗室通過與高校合作，對高校知識庫深度挖掘，將數據供給師生進行“加工”后，再將“加工”好的數據“材料”喂給AI。
今年高考后，實驗室做了一項測試：將高考語文全國一卷的作文試題，讓目前全球最頂尖的幾款人工智能大模型進行解題作答，發現豆包的解題精準度最高。
人工智能算法供應鏈市場空間巨大，單一大模型平臺每年的算法訓練費用可達數十億元。實驗室正在為豆包等大模型提供算法支撐，為豆包提供的算法支撐力位居全國前三。
截至目前，實驗室在全國的服務單位達30余家，包括10余家上市公司，以及多家科研院所。治理好的數據主要通過兩條通道輸出：對于豆包等有自有平臺的單位直接輸送給對方；其余客戶通過貴陽大數據交易所進行交易。
實驗室已在貴陽大數據交易所發布十余款數據產品，數據集日均交易量達數千條至數萬條。實驗室成立不到一周年，已成功躋身西南地區算法供應鏈第一梯隊，截至今年6月，數據交易規模達2000萬元。
今年上半年，實驗室完成產值近800萬元。2025年，實驗室將繼續深化與重點高校合作，建強人才隊伍，努力成為豆包大模型算法供應鏈團隊的全國第一，致力于成為西南地區算法供應鏈龍頭。
（記者 黃菊）
掃碼下載
中文網微信