AI語料是指用于訓(xùn)練、測(cè)試和優(yōu)化各種人工智能（AI）系統(tǒng)和模型的的大量數(shù)據(jù)集合。AI語料涵蓋文本、圖像、音頻、視頻等多種數(shù)據(jù)類型，旨在幫助AI模型學(xué)習(xí)如何與人類進(jìn)行交互、如何分析音頻內(nèi)容、如何執(zhí)行復(fù)雜任務(wù)等。
　　為保障網(wǎng)絡(luò)信息安全，國內(nèi)外均在積極采取措施來規(guī)范AI語料的收集與使用。2024年2月，全國網(wǎng)絡(luò)安全標(biāo)準(zhǔn)化技術(shù)委員會(huì)發(fā)布TC260-003《生成式人工智能服務(wù)安全基本要求》，該文件規(guī)定了生成式人工智能服務(wù)在語料安全、模型安全等在內(nèi)的安全方面基礎(chǔ)要求，這為AI語料的規(guī)范化、安全化使用提供了法律指導(dǎo)。
　　AI語料是AI系統(tǒng)開發(fā)和運(yùn)作的基礎(chǔ)，在自然語言處理、語音識(shí)別、計(jì)算機(jī)視覺、圖像識(shí)別等環(huán)節(jié)均需要龐大的AI語料庫支持。隨著AI應(yīng)用場(chǎng)景拓展，市場(chǎng)對(duì)高質(zhì)量、多樣化的AI語料數(shù)據(jù)需求正不斷釋放。
　　AI語料數(shù)據(jù)集建立流程涉及到數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、數(shù)據(jù)清洗、模型測(cè)試、模型訓(xùn)練、產(chǎn)品評(píng)估等環(huán)節(jié)。我國數(shù)據(jù)資源豐富，圖書出版、影視公司、網(wǎng)文平臺(tái)等領(lǐng)域已積累了豐富語料資源，為AI語料數(shù)據(jù)集建立提供了基礎(chǔ)。但我國數(shù)據(jù)挖掘力度不足，優(yōu)質(zhì)AI語料數(shù)據(jù)集較稀缺。
　　文本語料、語音語料、視頻語料是AI語料的主要組成部分，其中又以文本語料最為常見。文本語料相關(guān)企業(yè)較多，包括中文在線、中國出版、中國科傳、果麥文化、中信出版、掌閱科技等企業(yè)；視頻語料相關(guān)企業(yè)包括中廣天澤、華策影視、上海電影等。
　　掌閱科技是我國數(shù)字閱讀平臺(tái)龍頭，主要產(chǎn)品或服務(wù)包括掌閱APP、掌閱精選、掌閱課外書、掌閱文學(xué)等。掌閱科技主營業(yè)務(wù)盈利能力強(qiáng)，根據(jù)其年報(bào)數(shù)據(jù)顯示，2023年掌閱科技主營業(yè)務(wù)收入凈額為27.78億元，2024年中掌閱科技營收13.32億元，毛利率71.34%。
　　AI語料直接影響著AI模型的理解能力、語言生成能力和任務(wù)執(zhí)行能力，其高質(zhì)量、多樣化發(fā)展對(duì)構(gòu)建高效、準(zhǔn)確的AI模型至關(guān)重要。AI語料市場(chǎng)激烈競爭，近年來，國內(nèi)涌現(xiàn)出一大批AI語料企業(yè)，進(jìn)一步加劇了市場(chǎng)競爭，同時(shí)也為AI語料多樣化、特色化發(fā)展提供了助力。