AI语料库概念股票|AI语料库板块龙头股资金流向(实时)

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。

元隆雅图：2024年3月29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。

中文在线：随着人工智能技术的不断发展和广泛应用，涵盖了文本、图像、音频、可视化等多种形式的AIGC多模态融合将成为内容生产的新趋势。目前，公司在AI大模型、AI多模态方面已积极开展技术建设并进行了商业化落地。公司于2023年10月发布了公司自己的AI大模型“中文逍遥”1.0版本，可实现一键生成万字小说、一张图写一部小说、一次读懂100万字小说等。公司可用于AI大模型训练的数据集已超过60TB，主要由小说和出版物组成，这为公司的AI模型提供了巨大的优势。在AI多模态方面，公司基于多年来各类IP衍生品制作技术的基础以及海量数字内容的优势，在有声书、漫画、动漫、视频等多模态领域进行了技术布局和商业化落地。公司从2021年开始使用“AI主播”进行优质内容的生产，直接输入文本，通过由神经网络搭建的黑盒部分，输出合成高质量仿真音频（有声书），加速了网络文学到音频内容的生产能力，“AI主播”录制的有声书时长已超过18万小时。通过AI技术的支持，公司已成功将超过2500万字的小说IP内容转化为外语版本，并成功推向海外市场。

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。

芒果超媒：2024年3月27日公司在互动平台披露：公司丰富的版权内容数据资产为“芒果大模型”（行业垂类大模型）的研发提供了高质量的训练语料。我们非常重视这些数据的价值开发，并将分类整理的数据用于“芒果大模型”的训练。近期，我们推出的国内首个AI导演“爱芒”，就是基于“芒果大模型”衍生的细分场景推理模型创新应用。爱芒在湖南卫视、芒果TV播出的《我们仨》节目中首秀，承担助理导演的职责，负责与艺人沟通确定节目行程、撰写分镜头脚本、创作文案、设计节目游戏、完成vlog剪辑等等。

海天瑞声：2024年3月15日公司在互动平台上披露：公司是专业的人工智能训练数据服务提供商，目前正在围绕AIGC/大模型数据服务领域进行投入、建设。一方面，公司将基于现有商业模式，开发大模型相关的专业训练数据集，该数据集建成后，将提供可供大模型训练和评测的不少于10个品类的专业数据集，显著提升行业内面向大模型训练数据集的类别和质量，协助实现公共数据、社会数据等各类高价值数据资源汇聚，实现基于大模型通用能力和垂直领域数据的训练学习。另一方面，公司计划将研发设计数据生产垂直大模型，公司全栈自研的数据生产垂直大模型，将可辅助完成面向多个下游任务的数据设计与处理规则，形成包括数据清洗方案设计、指令方案设计、指令泛化与迁移、指令数据验证、多模态数据方案等在内的多项生成能力，以及在上述方案下的原始数据及标注成果生成能力。 公司已与相关客户签订了大模型训练数据集相关的业务合同或意向订单。此外，公司已与其他大模型领域的知名机构签署了合作协议，未来拟围绕人工智能大模型数据处理技术、大模型数据集供给和大模型评测等方面进行合作。

视觉中国：2023年6月2日公司在互动平台披露，公司抓住AIGC的发展机遇期，并确定了“AI+内容+场景”发展战略，结合自身的交易场景、优质合规数据以及全球创作者社区等核心优势，专注“以客户为中心”的AIGC技术创新，以客户为中心来落地AIGC产品。AI对各行各业都有广泛的应用价值，公司主业主要在视觉内容与服务，主要在营销传播场景服务党政媒体、广告营销、品牌企业以及互联网平台企业。2022年度公司拥有的数字版权交易平台，主要为客户提供超过4亿的图片、视频、音乐海量优质、安全合规的版权素材服务。2023年3月，公司率先在全球版权素材行业推出了基于自然语言理解的AI智能搜索，客户不仅可以通过“关键字”进行搜索，也可以使用自然语言进行搜索，大大提升了客户获取优质内容的效率；5月上线AI创意工具，提供模特转换、插画转化等功能提高用户体验与工作效率。今后，公司将通过提供“AI智能搜索+AI灵感生成”的组合服务体系，将AI灵感生成服务集成到已有工作流中更好地服务客户。另外，训练数据集的质量、类型、合规性、风格都会决定AI生成的内容质量。公司拥有数以亿计的专业级且获版权许可的优质图片、视频音乐素材，是市场上少有的高质量素材的图像库之一，有助于确保模型生成内容安全合规，可用于商业用途的内容，不将风险转嫁给客户。公司将充分发挥海量、高质量、版权合规的数据集价值，与算力、算法战略合作伙伴一起合作打造专有的垂类AIGC视觉图像模型，共同探索全新的商业模式。

掌阅科技：公司通过多年的积累，数字内容资源丰富，品类众多，包括图书、有声读物、杂志、漫画、自出版、视频等多种类型，对优质重磅书始终保持了较高的覆盖比例，能够满足用户各种类别、各种场景的阅读需求。公司为了让用户享受高品质的正版阅读体验，持续引进精品数字内容，经过多年积累，已经和上千家出版公司、文学网站等建立了良好合作关系，建立了广泛的直接内容采购网络；大力发展“掌阅文学”内容孵化生态体系，通过挖掘、签约、培养、推荐、衍生增值等手段输出了大量优质内容，不断丰富内容创作生态圈；视频内容生产制作运营能力快速形成。

昆仑万维：公司2020年开始关注大模型和AIGC领域，目前已成功构建了包括AI大模型、AI搜索、AI音乐、AI视频、AI社交、AI游戏等在内的多元AI业务矩阵，部分业务已实现商业化落地，位列国内人工智能行业第一梯队。2023年4月，公司发布自主研发的“天工1.0”大模型。公司从数十万亿数据中清洗筛选出3万亿单词数据，成功突破了中文语料库的质量瓶颈，确保了优质的中文语料资源，让天工在理解中文语境、词汇和语法特点上具有显著优势，从而更准确地把握中文用户的意图。2024年4月17日，在天工大模型发布一周年之际，公司正式将天工大模型迭代至3.0版本。“天工3.0”采用4,000亿参数MoE架构，是目前全球模型参数最大、性能最强的开源MoE模型之一。在MMBench等多项权威多模态测评结果中，“天工3.0”超越GPT4V，多项评测指标达到全球领先水平。

中广天择：在人工智能快速发展的背景下，公司利用自身优势创新业务发展，首先是公司拥有大量优质自有版权的音视频版权数据，其次是公司具备强大的渠道能力，利用现有500+城市广电合作客户资源开展行业版权数据资源整合，在行业主管部门的支持下，打造中国广电行业优质版权的垂类数据集，在此基础上，积极建设AI模型训练的算料综合服务和交易平台。通过汇聚音视频版权数据，将进行清洗、标注、加工等技术处理后的版权数据集销售给AI大模型，实现版权数据的确权、加工和交易。

三六零：针对世界前沿的AI技术和AI安全难题，360躬身入局大模型。依托多年人工智能技术积累及搜索浏览器等场景优势，360推出自研千亿参数的认知型通用大模型“360智脑”，可覆盖大模型应用所有场景，综合能力位列国内大模型第一梯队。同时，公司基于“360智脑”底层能力推出了税务大模型、安全万事通大模型、医疗大模型、保险行业知识大模型、政务大模型，问题识别准确率、回答准确率均达到95%以上。基于360智脑的能力将自有两大优势场景“360浏览器”“360搜索”颠覆式升级为“360AI浏览器”“360AI搜索”，市场反响强烈。2023年12月，在全国信息技术标准化技术委员会人工智能分委会全体会议上，国内首个官方“大模型标准符合性评测”结果公布，360智脑成为首批通过评测的四款国产大模型之一。依靠360浏览器、360搜索等高频流量入口，形成了10T+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。

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。

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。

捷成股份：作为国内领先的数字版权分销商、全媒体文化传播服务提供商、数字生活内容运营商，公司集版权采购、数字分销、内容运营于一身，携手国内外千余家出品公司，积累了10万余小时的影视、动漫、节目版权内容，面向广电、互联网新媒体、运营商等媒体渠道进行数字化发行，全面覆盖数字电视、OTT、IPTV、电脑、平板、手机、户外流媒体等全媒体终端。一个由“海量数字内容矩阵”、“全产业媒体发行集群”和“全媒体终端交互式覆盖”形成的“云”、“端”、“场”一体化的运营模式，带来了上中下游全产业融合式服务的文化传播生态。在人工智能快速发展的背景下，影视拍摄过程中大量的素材可以通过清洗、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。公司作为国内领先的数字版权分销商，积累了海量的影视、动漫、综艺节目、纪录片内容，具备极佳的利用潜力。

华数传媒：公司拥有庞大的版权节目资源，与800多家内容供应商合作，拥有百万小时的数字化节目内容媒体资源库，包括电影、电视剧、综合资讯节目、娱乐综艺、原创动漫和音乐节目等，同时着眼优质内容聚合、垂直领域细分与本地内容运营。公司已上线求索4K超高清频道、央视4K轮播频道、4K超高清点播专区，打造真正的4K超高清家庭影院。丰富的媒体资源储备为与运营商和终端厂商的长期合作奠定了基础，为用户提供多样化的收视内容。

麦克奥迪：公司旗下的数字医疗业务板块所属的质控中心数据库已经积累了超过1,260万例DNA倍体宫颈筛查诊断标本，以及其他组织的DNA倍体标本40多万例，典型病例的数字病理切片超过100万张。这些宝贵的数据资源将成为人工智能（AI）产品开发的重要基础。公司在病理领域始终专注于解决行业内的痛点问题，以远程质控平台为基石，推动病理科的数字化转型，并致力于挖掘数字病理云平台的数据价值。在此基础上，智慧光学业务板块将开发相应的硬件设备，并与软件应用相结合开发AI人工智能辅助诊断产品。这将有效提升公司运营近十年的远程数字病理会诊系统的服务效能，使得远程会诊服务更加高效。

华策影视：公司现有超5万小时正版影视版权库和150万分钟（估算约2万TB）高清/超高清的原始拍摄素材，在垂直领域的多模态模型训练上具备极佳的利用潜力。自研“有风”行业垂直模型，涵盖“AI编剧助手”“ AI剧本评估助手”等文生文功能，已内部使用，可将一部120万字的小说评估报告生成时长从5至7天缩短到15至30分钟。已经上线“AIGC多语种智能翻译工作流”，可生成并输出法语、西班牙语、阿拉伯语、日语等多个语种翻译并同步输出多语种的剧情介绍流畅音频。该功能已经在国际影视合作区CDramarights云平台上全面应用。已经上线“AI视频分析检索功能”，可以对视频中的人、物等特定元素进行自动标签，快速锁定相关素材。正在内测“AI剧照”、“多语种有声配音”、“AI适配动画”等功能。并基于分镜头创作设计需要，形成了满足、适配影视工作流所需时长的4秒文生视频能力。正在不断累积3D数字资产库建设。2023年，公司加大对剧组置景进行3D扫描的力度，现已储备有约700个可用于广告、影视剧拍摄制作的数字资产场景。

拓尔思：公司采集的公开信源数据通过加工处理，通过不同专业模型转化成不同领域的知识数据，实现数据从资源性到经营性的数据资产变现，形成了三大数据资产平台：数家（媒体资讯）、网察（舆情）、数星（产业大脑）的格局。2023年，在数据资源方面，公司对数百万个采集点进行了采集清理，保证了采集源的高度权威可信。在数据流通方面，公司数据服务类OpenAPI已在北京、上海、深圳、郑州、湖南、浙江等地的数据交易所挂牌，贵阳大数据交易所与西部数据交易中心的数据服务上架正在同步推进中。在数据服务方面，公司大力开拓大模型预训练数据集服务业务，以数据推送服务方式为全国大模型服务厂商提供优质的中文预训练数据集。目前，公司拥有规模位列业界前茅的、经过领域知识加工的权威高质量公开数据2000亿+，涵盖近10年来的报刊数据、互联网主流新闻数据、新闻资讯客户端数据、政府类门户网站数据、权威第三方平台数据及行业资讯数据等。公司已为小米、云之声、云天励飞、蚂蚁集团、上海人工智能实验室等头部大模型厂商提供了训练数据集销售服务。在数据资产管理方面，公司积极加强与上海数据交易所的交流。

值得买：2024年4月8日公司在互动平台披露：公司已经在消费内容社区“什么值得买”中部分商品详情页面接入了Kimi，为用户提供商品提炼总结服务。未来，我们还将根据对此次接入情况的评估，决定是否将Kimi接入到更多的场景中。此外，公司拥有大量优质的消费内容和消费数据，是一个非常好的语料资源，我们双方团队正在合作，将我们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。

汇纳科技：公司“汇客云”实体商业大数据平台上留存的可用于二次计算的线下商业客流相关数据资源规模为国内最大。并且随着数据服务理念的逐步深入以及公司数据服务战略的不断推进，“汇客云”平台用户接入数量的增速在逐年增长，行业多年积淀所积累的数据资源成为公司重要竞争优势，也为公司不断开拓各类数据产品及服务奠定基础。在此基础上，公司持续通过自采、收购及合作等方式，不断扩大平台数据规模、丰富数据维度、提升数据准确度，持续优化平台性能及数据治理能力、提升平台安全性和合规性，建成了包含商业环境、商圈概况、商场基础信息、商场品牌库、互联网数据等的实体商业数据底座，并持续迭代。