在過(guò)去的春節(jié)假期中，震驚世界科技業(yè)的最大熱點(diǎn)，莫過(guò)于中國(guó)企業(yè)DeepSeek的大模型R1了。

其僅憑OPENAI最高端模型——ChatGPT-O1百分之一的訓(xùn)練成本，以及中低端的GPU，就已經(jīng)能夠肩后者性能。

這不僅讓OPEN AI，甚至鏈硅谷、華爾街乃至整個(gè)美國(guó)都驚恐不已。

OPEN AI匆匆忙忙推出最新模型，試圖證明自己的領(lǐng)先地位；英偉達(dá)為此蒸發(fā)了數(shù)萬(wàn)億人民幣市值。

某國(guó)政府，甚至動(dòng)用大規(guī)模網(wǎng)絡(luò)襲擊，試圖癱瘓DeepSeek，可謂狗急跳墻。

而對(duì)手之所以“聞風(fēng)喪膽”，就是因?yàn)镽1通過(guò)更先進(jìn)的算法，突破了美國(guó)對(duì)中國(guó)高端GPU禁售的封鎖。

GPU已不再是中國(guó)發(fā)展AI的阻礙，并在AI領(lǐng)域，中國(guó)對(duì)美國(guó)實(shí)現(xiàn)了追趕甚至反超。

同時(shí)，由于R1是開(kāi)源的，也就是說(shuō)DeepSeek公開(kāi)了“內(nèi)功心法”。因此各行各業(yè)可以此為基礎(chǔ)，開(kāi)發(fā)專屬的大模型產(chǎn)品。

而這，必將帶動(dòng)對(duì)大模型訓(xùn)練數(shù)據(jù)需求的激增。

數(shù)據(jù)，是大模型的“知識(shí)源泉”。

人工智能生成（AIGC）有三大要素，分別是算法，算力以及數(shù)據(jù)。

其中，數(shù)據(jù)被用來(lái)不斷投喂給大模型進(jìn)行訓(xùn)練，提高準(zhǔn)確度。這就像培養(yǎng)一個(gè)學(xué)霸一樣，需要他不斷汲取豐富的知識(shí)方能成才。

而且，數(shù)據(jù)需求量也隨著模型迭代呈現(xiàn)數(shù)倍，乃至數(shù)十倍的增長(zhǎng)。

2018年的GPT-1數(shù)據(jù)集約為4.8GB，2019年的GPT-2數(shù)據(jù)集約為40GB，而2020年的GPT-3數(shù)據(jù)集規(guī)模已超過(guò)500GB。

伴隨著AI的迅猛發(fā)展，AI訓(xùn)練數(shù)據(jù)的市場(chǎng)規(guī)模急劇增長(zhǎng)。

2021年，全球AI訓(xùn)練數(shù)據(jù)市場(chǎng)需求約為42億美元.并預(yù)計(jì)到2027年,這一需求將增長(zhǎng)到220億美元，2021-2027年復(fù)合增長(zhǎng)率達(dá)32%。

訓(xùn)練數(shù)據(jù)來(lái)源則是多種多樣，而隨著AI大模型開(kāi)發(fā)日益火熱，合規(guī)數(shù)據(jù)供應(yīng)商的優(yōu)勢(shì)快速凸顯。

目前，AI大模型數(shù)據(jù)來(lái)源，主要是網(wǎng)頁(yè)、論壇等眾多公開(kāi)渠道。

但是，由于涉及的版權(quán)問(wèn)題明顯，大模型廠家面臨的訴訟風(fēng)險(xiǎn)日益嚴(yán)峻。

包括OPEN AI，微軟，Meta等都收到了大量侵權(quán)訴訟。

在這種形勢(shì)下，數(shù)據(jù)持有者通過(guò)對(duì)大模型企業(yè)授權(quán)使用數(shù)據(jù)，對(duì)雙方而言都是非常理想的選擇。

尤其是涉及到非常專業(yè)的行業(yè)數(shù)據(jù)，權(quán)威的數(shù)據(jù)來(lái)源極大地保證了模型的準(zhǔn)確性。

而憑借海量的、多領(lǐng)域的專業(yè)訓(xùn)練數(shù)據(jù)，拓爾思（300229）成為了AI訓(xùn)練數(shù)據(jù)行業(yè)的佼佼者。

公司擁有規(guī)模位列業(yè)界前茅的權(quán)威高質(zhì)量公開(kāi)數(shù)據(jù)超2000億，并具備數(shù)千億數(shù)據(jù)量的數(shù)據(jù)索引、標(biāo)記、查詢、挖掘分析能力，萬(wàn)億級(jí)數(shù)據(jù)總量的秒級(jí)檢索能力和日均億級(jí)數(shù)據(jù)獲取能力。

主要集中在政務(wù)、金融、媒體等專業(yè)領(lǐng)域，相關(guān)數(shù)據(jù)入選了北京市首批與第二批人工智能大模型高質(zhì)量數(shù)據(jù)集。

2023年，公司聯(lián)合其他單位共建的“中文互聯(lián)網(wǎng)語(yǔ)料庫(kù)”正式發(fā)布。

其是首個(gè)針對(duì)當(dāng)前主流評(píng)測(cè)數(shù)據(jù)集進(jìn)行過(guò)濾的開(kāi)源數(shù)據(jù)集，其中公司貢獻(xiàn)了其中250G的數(shù)據(jù)集，是核心參與方之一。

可以說(shuō)，公司是AI產(chǎn)業(yè)鏈條中非常關(guān)鍵的“賣(mài)鏟人”。

公司的專業(yè)性自然也是得到了業(yè)界的一致認(rèn)可。

目前，已經(jīng)與國(guó)內(nèi)多家人工智能公司、國(guó)家級(jí)實(shí)驗(yàn)室簽訂合同，為其提供高質(zhì)量多元化的數(shù)據(jù)，作為大模型預(yù)訓(xùn)練數(shù)據(jù)集。

而憑借海量數(shù)據(jù)的優(yōu)勢(shì)，公司的AI業(yè)務(wù)順勢(shì)向下游延伸，開(kāi)發(fā)了業(yè)界先進(jìn)的大模型——拓天。

在2024年相關(guān)排名中，公司憑借“拓天”，位列中國(guó)大模型企業(yè)20強(qiáng)中第七名，僅次于百度、華為、阿里等巨頭。

與大多數(shù)企業(yè)開(kāi)發(fā)通用大模型不同，“拓天”專注于公司的優(yōu)勢(shì)行業(yè)，主要面向機(jī)構(gòu)而非普通個(gè)人消費(fèi)者，因此贏利點(diǎn)更為明確。

政務(wù)端，公司指令識(shí)別精度提升到94%，涵蓋了公文輔助協(xié)作、政策分析、政務(wù)互動(dòng)等核心功能。

金融端，涵蓋了風(fēng)控輿情、研報(bào)生成、智能客服、自動(dòng)業(yè)務(wù)批處理等功能。

媒體端，指令識(shí)別精度提升到96%，能覆蓋內(nèi)容生產(chǎn)智能助手、新一代搜索與推薦、多模態(tài)傳播與服務(wù)三大業(yè)務(wù)場(chǎng)景。

并且，由于公司本身就是媒體行業(yè)IT服務(wù)的主力廠商，客戶基礎(chǔ)十分強(qiáng)大。下游覆蓋了72%的中央媒體、61%的省級(jí)媒體和40%的行業(yè)媒體。

同時(shí)，與華為的深度合作，對(duì)于公司推廣大模型起到了十分關(guān)鍵的作用。

首先，2024年，公司與華為簽訂了全面合作協(xié)議，積極推進(jìn)數(shù)智化轉(zhuǎn)型方面的合作。

其二，公司還與華為聯(lián)合推出拓天一體機(jī)，其硬件上市華為算力，軟件則是搭載的拓天大模型，屬于兩者強(qiáng)強(qiáng)聯(lián)合打造的產(chǎn)品。

此外，數(shù)據(jù)要素也將是公司未來(lái)業(yè)務(wù)拓展的重要方向。

在數(shù)據(jù)被列為生產(chǎn)要素，進(jìn)入到資產(chǎn)負(fù)債表后，數(shù)據(jù)將成為企業(yè)的重要資產(chǎn)，在流通、使用中都將體現(xiàn)其價(jià)值。

據(jù)測(cè)算，我國(guó)數(shù)據(jù)要素市場(chǎng)規(guī)模，將在2025年突破1749億元，“十四五”期間，我國(guó)數(shù)據(jù)要素市場(chǎng)規(guī)模復(fù)合增速將達(dá)到26.3%，整體上進(jìn)入高速發(fā)展階段。

而公司不僅有大量寶貴數(shù)據(jù)，并且先發(fā)優(yōu)勢(shì)極為明顯。

早在2023年，公司旗下兩款產(chǎn)品數(shù)星智能風(fēng)控大數(shù)據(jù)平臺(tái)、數(shù)家資訊大數(shù)據(jù)云服務(wù)平臺(tái)就已經(jīng)入駐多家省級(jí)數(shù)據(jù)交易所，并先后與多家省級(jí)交易所簽訂了戰(zhàn)略合作協(xié)議。

總而言之，R1大模型的出現(xiàn)不僅扭轉(zhuǎn)了中美AI競(jìng)爭(zhēng)格局，同時(shí)，也為國(guó)內(nèi)大模型產(chǎn)業(yè)鏈帶來(lái)了更大的發(fā)展空間。

如果大家喜歡天鷹研報(bào)，動(dòng)動(dòng)小手，多多點(diǎn)贊支持哈！