AI语料库概念股票|AI语料库板块龙头股资金流向(实时)

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。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。

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。

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。

汇纳科技：2024年，公司深度整合多模态大模型能力，建设了深度结合线下商业场景的大规模高质量多模态数据集，开发了新一代多模态细粒度行人Re-ID系统；面向垂直应用场景，全面整合LLM大模型、多模态大模型、AI Agent等AI技术能力，开发ASR语音转写、文本语义分析、图像理解与分析等垂类AI大模型，构建多个垂类AI场景解决方案，赋能餐饮零售、政务等泛行业客户；同时，面向海外业务场景，积极整合海外先进AI能力与自研产品，打造国际化AI客流解决方案。在数据要素方面，2024年，公司开发了汇纳大数据底座软件；综合运用区块链、数字身份DID、安全载体、可信时间戳、国密密码等技术，构建开发了汇纳可信数字身份系统、汇纳数据空间和安全交换平台等新解决方案，面向多场景推广应用。

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。

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。

新开普：2024年10月30日公司在互动平台披露：新开普在人工智能领域积极探索，并逐步建立了自己的AI语料库，用于支持智能服务和产品的研发。公司语料库的构建结合了多个渠道的数据，包括获取版权和许可的私有数据和公开数据源，并针对收集到的数据做了严格的清洗和预处理，公司对语料库的维护，采用分层存储和分布式管理的方法，使用大数据处理技术实现数据的高效管理和快速检索，同时建立了完善的版本控制机制和数据更新流程。通过这些措施，新开普的AI语料库能支持多种应用场景，如智能推荐、语义理解、自动问答等，提高产品和服务的智能化水平。

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。

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。

捷成股份：在人工智能快速发展的背景下，公司在版权生成环节可直接利用AI智能创作引擎ChatPV大模型生成多样化的内容，如文本、音频、视频片段等。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，具备极佳的利用潜力。因此，公司凭借积累的海量的影视、动漫等视频素材内容，形成了一定的资源壁垒。

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。

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。

上海钢联：作为行业领先的数据服务商之一，突破传统数据集成模式，聚焦AI技术与垂类大模型深度应用，构建“数据生产-智能分析-决策赋能”全价值链服务体系。公司积极探索行业大模型研发和另类数据采集领域，打造“大模型数据标注平台”，不断完善大宗商品行业垂类大语言模型“钢联宗师”及“小钢”数字智能助手，持续加码大数据能力、深化AI技术创新打造上海钢联EBC产品，提供数字化转型解决方案。以需求为导向强化数据产品开发和服务，为产业链上下游各类企业、金融机构、政府等主体，提供精准的数据跟踪、深入的市场洞察和先进的数据决策解决方案，推动大宗商品行业数字化进程进入“认知智能”新阶段，与客户共同迈向创新突破和可持续发展之路。2024年8月，“上海钢联大宗商品价格智能预测算法”成功通过国家网信办备案，是国内大宗商品价格智能预测领域首个通过的算法备案；同年12月，“上海钢联宗师大宗商品行业垂直大模型算法”成功通过国家网信办备案；“小钢”数字智能助手1.6版本也获得了行业与相关部委的认可。

掌阅科技：2023年4月27日公司投资者关系活动记录表披露：首先，IP对于数字阅读垂直领域的模型非常有价值，我们也在把优秀的IP语料灌输到模型当中，来提升模型的AIGC智能化程度。其次，在IP衍生方面，AI可以帮助提升降低IP衍生成本，提升制作效率，从而提升IP衍生价值。在数字阅读垂直领域的模型当中，数据是非常有价值的，我们有近300TB的数据集，在业内处于领先地位。我们希望自身优质的语料数据能够用来训练我们自己在数字阅读垂直领域的模型，打造自身的竞争优势。

人民网：针对大模型存在的意识形态风险，实验室研发构建生成式AI内容安全评估体系，对国内主要的大模型进行多轮次评估。建设主流价值语料库，已完成3千多万篇基础语料、10万余对问答语料，并在部分大模型厂家得到应用验证，大幅提高了大模型的安全性。初步构建由“舆图-网络-决策”构成的境内外舆论传播认知技术体系。推出系列智能技术应用，包括“谛听”舆论安全风控平台、“天目”智能识别系统、“智晓助”涉政智能风控平台、“写易”写稿助手等。依托内容安全能力，人民网在以智能科技服务党政机关、教育医疗、企事业单位方面构建了独特优势，为公司内容风控、内容聚合分发、内容运营等业务全面赋能。2023年，成功推出大模型内容安全评估体系，建成主流价值语料库，推出面向党政应用的智能写作、 问答大模型“写易”，中标国务院办公厅2023年至2024年国家政务服务平台和国家“互联网+监管”系统运营服务项目，为中华全国总工会研发的智能写作平台成功上线。

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。

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。

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。

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”。