俗话说，淘金不如卖水。
AI语料就属于AI赛道中的卖水人。
AI语料，是用于训练和优化AI大模型的数据集合。
6月28日消息，OpenAI与《时代》达成合作协议，可用其杂志内容训练ChatGPT。
通过此次合作，OpenAI 将能够访问《时代》杂志过去 101 年来的海量档案中的当前、历史内容，以增强其产品并响应用户查询。
其实，在去年OpenAI刚火的时候，A股第一支领涨的AI概念股，是做AI数据训练（AI语料）的海天瑞声，2月和3月合计涨幅最高达300%，之后才是中际旭创、剑桥科技这些算力大牛股。
什么是AI语料？
AI语料，通常指的是用于训练人工智能系统，特别是自然语言处理系统的数据集。这些数据集包含了大量的文本、视频、语音、对话记录等。
AI语料的目的是让机器学习算法通过这些文本数据来学习语言的模式、语法规则、词汇使用等，从而提高AI系统理解和生成自然语言的能力。
AI语料的应用非常广泛，像机器翻译、语音识别、情感分析、聊天机器人、文本摘要、自动问答系统等。通过不断优化和扩充语料库，提高AI的准确性和效率。
随着国内大模型的持续升级，对AI语料需求增加。
AI语料相关企业：
文本语料：中文在线、读客文化、同方股份、掌阅科技、中国科传、中国出版、中信出版。
图片语料：视觉中国
新闻语料：人民网、新华网
消费语料：值得买、汇纳科技
训练数据语料：海天瑞声
目前国内一些AI语料企业，已经开始把内容卖给大模型公司，或与大模型公司合作训练。
中文在线：根据中文在线的年报内容，中文在线拥有超过60TB的正版数据，含文字/音频/视频多种类型，覆盖小说、科普、社会等多个品类，通过文学网站和驻站作者持续更新数据，通过完备的数据保护和版权保护体系放大数据资产价值。目前，公司已跟多家模型公司签署数据内容合作合同。
值得买：公司将脱敏后的消费内容和消费数据的API开放给Kimi，帮助Kimi提升在消费类问答中的表现。
中广天择：公司出售视频版权给从事大模型业务的客户。公司与万兴科技合作，利用优质版权数据赋能国内音视频生成式AI技术。
海天瑞声：在调研中，对于目前公司都在为大模型厂商提供哪些数据服务？
公司回复：目前，公司已与国内众多知名大模型厂商开展业务合作，业务范围覆盖RLHF数据评分、Prompt改写、人机多轮交互等强化学习阶段数据需求。此外，公司通过研究数据清洗技术、模型评测数据集设计技术、大模型微调与应用等，进一步将数据服务拓宽范围至预训练以及模型评测阶段。
AI语料属于数据要素，是数据要素在AI赛道中的运用。
另外，随着数据确权制度的不断完善，数据可以作为资产，计入财务报表，从而实现了对数据资源的经济价值体现。
近期，随着OpenAI停止API使用，国内AI大模型持续迭代升级，AI语料的价值越来越大。
声明：本文只做信息分享，不构成任何投资建议，市场有风险，投资需谨慎。
关注我，了解各行业内容！