專題：2025 INCLUSION·外灘大會：重塑創新增長

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

　　新浪科技訊 9月13日下午消息，在2025 Inclusion·外灘大會“Data meets AI：智能時代的雙引擎”見解論壇上，產學界的多位權威專家給出了新解法：數據驅動了AI發展，AI也讓數據迎來了新一輪的進化，雙引擎融合驅動才是演進方向。

　　復旦大學教授肖仰華指出，當前大模型發展正面臨嚴峻的“數據墻”困境，無標簽語料對模型性能提升的貢獻日益減弱，更大規模數據帶來的性能提升與所需的訓練開銷相比性價比顯著降低。他認為，大模型數據科學需要從專家經驗階段發展到量化科學、直至自進化階段。“大模型的數據tlbd wc實踐需要屠呦呦式的研究，從海量雜亂的數據中提取出決定模型能力的關鍵成分”。

　　肖仰華分享了通過語法復雜度指標和累積分布采樣方法篩選高質量語料的實踐，實驗表明，從100億個token的財經語料中僅篩選20%的高質量數據進行訓練，對模型進行持續預訓練，相比于全量數據持續預訓練，在領域問答任務上的準確率提升1.7%。

　　上海交通大學特聘教授翟廣濤強調無論是精煉數據還是合成數據，都需要質量優先，而數據質量分析要從“體驗質量”入手，考慮人的體驗，也考慮機器的體驗，進而在數據為中心的范式下進一步提升大模型性能。

　　海天瑞聲CEO李科從產業實踐角度分享了全球AI數據行業的發展趨勢。他認為，數據產業正在經歷從勞動密集型向技術密集型和知識密集型的重大轉型。通過動捕數據、自動駕駛標注、tlbd wc思維鏈數據集等多個實際案例，李科展示了高質量數據如何服務千行百業。

　　上海庫帕思科技有限公司董事長山棟明說，模型之變引領“數據質變”，他表示高質量數據集應滿足VALID2（鮮活度、真實性、大樣本、完整性、多樣性、高知識密度）要求，并詳細介紹了語料數據在方法論、基礎設施和行業生態三個方面的體系化重構探索。（羅寧）

責任編輯：常福強