中新社北京8月14日电 （记者 刘亮）在人工智能时代，Token（即“词元”）作为处理文本的最小数据单元，如同互联网时代的“流量”。中国国家数据局局长刘烈宏14日在北京举行的新闻发布会上介绍，截至今年6月底，中国日均Token消耗量已突破30万亿。

8月14日，中国国务院新闻办公室在北京举行“高质量完成‘十四五’规划”系列主题新闻发布会，国家发展改革委党组成员、国家数据局局长刘烈宏，国家数据局副局长沈竹林，国家数据局副局长陈荣辉，国家数据局副局长夏冰介绍“十四五”时期数字中国建设发展成就，并答记者问。中新社记者 杨可佳 摄

国务院新闻办公室当天举行新闻发布会，介绍“十四五”时期数字中国建设发展成就。刘烈宏在会上表示，2024年初，中国日均Token的消耗量为1000亿，截至今年6月底，日均Token消耗量已突破30万亿，1年半时间增长了300多倍，这反映了中国人工智能应用规模快速增长。

他指出，人工智能快速发展，与中国高度重视数据工作密不可分。中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。中国强调“人工智能+”行动到哪里，高质量数据集的建设和推广就要到哪里。

近年来，中国大力推动高质量数据供给，出台高质量数据集建设相关文件，多部门联合推动相关工作。同时，持续推进高质量数据集建设工作。截至今年6月底，中国已建设高质量数据集超过3.5万个，总体量超400PB。据悉，1PB可存储约5亿张2MB大小的高清照片，400PB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数据交易需求攀升。刘烈宏介绍，截至今年6月底，中国各地高质量数据集累计交易额近40亿元人民币，数据交易机构挂牌的高质量数据集总规模达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%。

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。刘烈宏说，中国多数模型训练使用的中文数据占比已超过60%，有的模型已达80%。中文高质量数据的开发和供给能力持续增强，推动中国人工智能模型性能快速提升。

来源：中国新闻网