AI语料库概念股票|AI语料库板块龙头股资金流向(实时)

中国科传：知识服务业务是基于海量的、权威的、系统的科技内容资源，通过对内容资源的碎片化、标引、语义关联、深度挖掘和系统分析，为科研用户提供面向科研立项、文献检索分析、实验模拟、文献撰写与成果发表、学术传播交流等整个科研生命周期的多元化、立体化、定制化服务。目前公司在知识服务业务板块主要布局了专业学科知识库、数字教育云服务、医疗健康大数据、期刊融合平台四大方向，已开发上线了“科学文库”“科学智库”“中国生物志库”“中科云教育平台（CourseGate）”“中科医库”“SciEngine全流程数字出版与知识服务平台”等多个数字化平台，为用户提供系统化的“科研解决方案”。

昆仑万维：公司作为中国领先的人工智能科技公司，近年来在AI大模型、AI搜索、AI短剧、AI音乐、AI游戏、AI社交等多个领域取得了显著进展，构建了全面的AI业务布局。公司通过自研技术持续迭代“天工”系列大模型，在复杂任务处理、多模态等方面实现多项突破，整体AI技术实力稳居行业第一梯队。公司自研的AI音乐大模型达到行业SOTA，位居全球第一；公司开源的SkyworkR1V多模态思维链推理模型达到开源SOTA，位列全球同类型开源模型第一；公司面向AI短剧创作的SkyReels视频大模型达到全球领先水平。此外，公司旗下的大模型学习强化Skywork-Reward奖励模型亦达到全球第一，成为Kaggle官方推荐的数学rewardmodel。同时，昆仑万维积极推动AI技术的普惠化应用，开源多项核心技术，赋能全球开发者与用户，为全球AI生态建设不断贡献力量。

元隆雅图：公司持续强化AI技术驱动的差异化竞争优势，通过成立AI研究院，深度开发营销垂类AIGC模型，构建行业领先的AI数据中心。实现了产品创意设计、图文视频内容生产、达人智能匹配、IP数字资产生成等全流程AI化升级，显著提升业务效率与服务质量。公司自主研发的UOVAMETA平台已升级为SaaS多链数字私域社群运营平台，通过整合WEB3、AIGC文生图垂类模型、AR/VR及3D生成技术，打造虚实融合的快速开发能力。平台支持企业一站式完成数字藏品创作、沉浸式场景搭建及智能会员运营，为客户提供更高效的IP数字化营销解决方案。通过持续迭代AI技术与深化行业应用，公司构建了从内容生产到数字营销的全链路智能服务体系，进一步巩固了在创意营销与WEB3商业化方面的领先优势。2023年6月9日公司在互动平台披露：公司创意设计团队已经在使用ChatGPT及一些AI绘画工具辅助创意设计工作，以拓宽创意思路、提高工作效率。2024年5月22日公司在互动平台披露：公司基于新媒体营销业务长期积累的爆品文案，可以作为AIGC模型训练的语料。

视觉中国：平台拥有可供版权授权的内容超过5.4亿，包括摄影、矢量图、视频、音乐、3D模型等各种类型的素材，是全球优质的同类视觉内容数字版权交易平台之一。平台聚合的海量、高质量、版权合规的内容数据，也是构建可信人工智能模型的关键基石，公司以应用为导向，持续加强人工智能高质量数据集建设，平台拥有可供AI大模型训练的合规内容数据超过7亿，位居行业领先地位。平台在人工智能产业链中凭借自身数据资源与场景应用优势，构建了覆盖数据采集、标注、审核、认证及授权的全链路AI大模型数据服务解决方案，已成为国内领先的多模态数据授权商。

同方股份：同方知网积极参与国家层面数据治理相关工作，参与多项国家标准的制订工作；成功通过数据管理能力成熟度评估模型三级认证，领先于同行业水平；构建从多源数据采集到数据治理、分析挖掘、共享应用及资产管理的全链路数据要素综合服务方案；参与北京人工智能数据训练基地建设，与中科（黑龙江）数字经济研究院、贵阳大数据交易所等单位开展战略合作，与上海数据交易所共同发起《数炬计划——中国数据要素新锐学者项目》评选；开展实质性挂牌交易，知网承担的上海数据交易所知识资源平台已登记、挂牌数据产品80余个。

中文在线：公司拥有海量优质正版内容资源和创作者资源，结合公司在文学领域的语料数据，目前公司自研的“中文逍遥”数字内容智能生成模型，在保留通用性能力的前提下有效提升小说创作质量，实现小说辅助创作、续写，以及基于角色设定的聊天机器人等功能。此外，公司也在研发推动更多AI多模态产品落地，目前公司已使用AI生成了漫画、动态漫。公司在AI多模态领域持续投入，未来在AI多模态加持下，IP开发制作难度大幅下降，制作周期大幅缩短，打破产能瓶颈，加速了IP商业化落地的进展，借助AI大幅提升公司IP的商业化变现速度。公司历经20多年数字文化领域深耕，沉淀丰富数字内容。公司基于自有大模型数据需求，不断整合高质量数据包含文字/音频/图片/视频等多种类型数据600TB，目前已有有声书及干音、百万量级中英文出版物、原创文学数据、视频数据，以及亿级图片、题库、期刊、行业问答、中外文平行语料等近40种文字和多模态语料及成品语料集。目前，公司已与数十家大模型建立数据及数据服务合作，其中包含央国企、互联网巨头及AI新势力等多家头部大模型。

麦克奥迪：在医疗领域，历经十余年深耕，公司已累积超1,260万例DNA倍体宫颈筛查标本、40多万例其他组织DNA倍体标本及100万张典型病例数字病理切片，成为国内最大的病理数据库之一。这些数据不仅能为AI辅助诊断产品的开发提供海量训练基础，还能支撑公司利用数据推动病理科从传统模式向智能化、标准化转型；同时，智慧光学可协同开发硬件设备与AI软件，优化远程数字病理会诊系统的服务效率，未来进一步构建覆盖远程诊断、质控、教育培训的全链条智慧病理服务体系。

四川长虹：2024年7月2日公司在互动平台披露，长虹云帆AI平台拥有多维感知、多重理解、多任务管理、多模交互、内容激发的五大能力。目前该平台面向智能电视用户群体，基于公司对智慧生活的深刻理解，并依托更多传感设备和多重AI算法，深度理解用户行为意图，为用户提供更加精准、更多形式的内容和服务，例如全场景AI对话、AI壁画、口语陪练、全科知识问答、生成式内容创作等创新场景。目前该平台搭载在CHiQ品牌主销机型上。2023年报披露：智能电视方面，本集团聚焦“多模态交互、画质”等核心技术，形成了屏幕、芯片、内容、传输等关键环节的全链路8K完整解决方案，先后推出全球首台“超脑”AI大模型电视，全球首台星闪电视、全球首款超两万分区Mini LED ARTIST星箔电视、8K高清和288Hz高刷电视、200英寸巨幕激光影院等。

华策影视：在人工智能快速发展的背景下，影视拍摄过程中大量的沉没素材可以通过清洗、标注、加工等技术处理形成数据集成，作为AI模型训练的优质训练语料。公司作为国内年产规模最大的影视公司，历史积累的原始拍摄素材数量庞大，具备极佳的利用潜力。公司已设立AIGC应用研究院，配置人工智能专家、AI人机共创复合型人才、影视数据专家等专职人才，以及专用设备、专项研发和投资资金。AIGC应用研究院的设立，是公司全面推进AIGC产业布局，以AIGC技术为核心驱动力量，在影视创意、制作、传播的全链条实现企业核心能力提升和商业模式创新，加快新技术在行业应用落地，实现企业高质量发展的重要一环。目前，公司已形成“全员知AI、会AI、用AI”的创新氛围，成为当前影视公司AIGC应用中的领跑者。

新华网：2024年4月29日公司在互动平台披露：新华网正积极布局人工智能大模型及其深度应用，拥有丰富权威的新闻和传媒数据作为专属大模型语料库建设基础，我司AIGC-Safe平台亦在通过采集大量国内外生成式视频内容训练AI鉴别模型。语料库建设会随着新华网在人工智能大模型领域应用场景的开发有序推进。

海天瑞声：标准化数据集产品，是公司区别于众多竞争对手以定制化服务为主的特有商业模式，也是公司核心竞争力之一。截止2025年6月末，公司新增研发超70个训练数据集产品，自有知识产权的训练数据产品储备达到1,790个，尤其在多语种语音对话、多语种OCR、多音色多情感数据集等方面积累了更丰富的标准化产品资源，并建成包括“双工数据集”、“视觉大模型（图像-文本）预训练及微调数据集”等在内的多领域大模型数据集。公司已向下游客户提供了累计超过10,000次/个定制或标准化训练数据集，并已应用于个人助手、语音输入、内容生成、智能家居、机器人、语音导航、智能客服、智能播报、语音翻译、移动社交、虚拟人、智能驾驶、智慧医疗、智慧教育、智慧交通、智慧城市、智慧金融、机器翻译、智能问答、信息提取、情感分析、OCR识别等22类创新应用领域，赋能人工智能技术与实体经济的深度融合。

世纪天鸿：公司基于30年所积累的专业化、系统化的教育内容，具备大模型训练三个必备要素之一的“语料”资源，由于该“语料”资源已经实现出版流程，其差错率达到万分之一以下，结合原有渠道优势可以在教育场景中开发基于大模型的垂直领域AI+教育应用。公司所投资的笔神作文在AI作文辅导领域持续突破，目前笔神作文APP累计用户超过2,200万，作文社区每月投稿量超过30万篇，积累了500多万篇的优质的作文语料。笔神作文的语料库积累了5年时间，超过30万篇基于人工反馈的专业微调数据，作为全国领先的中小学生作文学习平台和投稿社区，形成了较强的竞争壁垒。

健麾信息：2024年3月21日公司在互动平台上披露：截至目前，公司累积的处方单数据已高达数十亿条，增长速度在10%左右。这些数据主要源自国内各大医院药房部门的处方药发药记录。全国百强医院中超过半数都是公司的合作伙伴，共同构建了强大的合作网络，确保了数据的专业性和参考价值。同时，公司拥有成熟的数据脱敏技术，能够在保护用户隐私的同时，确保脱敏后的数据可用于支持国内大型模型的训练工作。

三六零：公司依靠360浏览器、360搜索等高频流量入口，形成了10TB+优质文本数据及海量图文视频数据，内容覆盖全球多个语种、涉猎金融、法律、房产、体育、医药等全行业范围，形式包括文档、书籍、散文、诗歌等，为大模型训练提供了大规模、多样性、高质量的训练语料。通过海量探针和云端处理，公司积累超过3EB安全大数据资源，遥遥领先于国内同行业公司。其中包含泛终端安全数据、全球互联网基础信息、网络资产测绘信息等。在多年全网视野的一线攻防下，360形成了全球领先的安全样本库、基因库、知识库，样本文件总数超320亿。

拓尔思：2024年，公司为解决各数据产品部门多源异构数据采集分散、治理割裂、标准缺失、应用滞后四大痛点，研发了拓思数据平台。该平台定位为拓尔思集团的企业级数据资产智能中枢，构建“采-存-治-用”全链路赋能体系，通过基础治理、智能增强、应用赋能三级架构支撑前台业务场景数星、网察、数家等数据服务产品实时数据调用，实现场景化服务支撑，推动数据要素向业务价值的深度转化，进一步释放数据资产潜能。截至2024年12月31日，公司累计采集的数据总量超5,000亿条。公司每日新增数据采集量平均约为5亿条以上，每年新增文本与图片超1,500亿条，短视频约400亿个，每年经处理后的文字与索引存储300TB以上。公司始终紧跟国家政策导向，是国内首批数据资产入表的上市企业之一。公司数据服务类OpenAPI已在北京、上海、深圳、郑州、湖南、浙江、贵阳、西部等数据交易所挂牌。另外，公司积极参与国家重要行业语料库的共建工作，如中国互联网安全协会数据集、CCI中国互联网语料集等。

汉王科技：公司以AI技术为驱动，以“技术+服务”模式及App满足B端、G端、C端客户的数字化、智能化需求，并形成数据采集、数字化提取、知识图谱、数据分析、智能化数据输出的数据服务链及App等产品体系，目前客户主要包括司法、金融、人文、档案、医疗等重点行业客户及C端App用户。

慈文传媒：2024年4月17日公司在互动平台披露：公司与多家AIGC公司就慈文传媒20多年来积累的丰富的视频语料数据库正在磋商相关合作，双方就对应的价格、合作的模式、授权的界定范围等均正在进行洽谈。

岩山科技：2024年4月26日公司在互动平台披露：公司有自己的AI语料库，用于AIGC大模型的训练语料主要基于公司旗下上海二三四五网络科技有限公司拥有的数据及通过互联网获取的公开信息，经过大量数据清洗、整理工作而产生。

值得买：公司从最初的消费内容业务向智能营销等方向延展，可以借助更广泛的业务触达消费者、电商平台和品牌商，并依托所沉淀的消费数据对消费产业形成更深层次的理解。目前，随着公司逐步沉淀来自于消费内容业务板块和智能营销业务板块等的更多数据资源，已形成一个能够涵盖人、货、场等多种维度的底层数据体系。截至2025年6月末，公司商品数据库已经收录了34.7万+品牌、2290.9万+聚合商品。这些数据一方面提升了“什么值得买”平台结构化展示商品信息的能力，提升了“什么值得买”平台搜索与推荐内容分发的效率，提升了其他消费内容业务和智能营销业务的运营效率；另一方面对公司训练“值得买消费大模型”，以及为品牌提供围绕营销全链路的数据洞察和营销解决方案也发挥重要作用。

中文传媒：在图书市场方面，据开卷数据显示，公司全年在综合零售市场实洋占有率为2.96%，实洋排名第4，实洋品种效率为1.89，同比上升3位，取得近年来最好水平。在“走出去”方面，公司积极谋划出访工作，向世界讲好江西故事，深度融入国外市场，高位推进合作项目，全年实现版权输出489项，涉及38个语种，37个国家和地区，其中17个项目入选“2023年经典中国国际出版工程”和“2023年丝路书香工程”，文化输出彰显实力。在教材教辅方面，公司顺利中标2023—2025年义务教育阶段免费教科书单一来源采购项目，夯实了未来三年经营发展基础。旗下发行集团在全国新华发行系统总体经济规模排名中位居第四，连续8年稳居全国同行业第一阵营，印发集团获评国家新闻出版署首批“国家印刷示范企业”称号，连续第9年荣登“中国印刷包装企业100强”排行榜，连续3年位列全国印刷集团总体经济规模综合评价第二位。