AI语料库概念股票|AI语料库板块龙头股资金流向(实时)

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。

昆仑万维：StarMaker作为海外知名音乐社交娱乐社区，涵盖在线K歌、语音房、音乐创作、直播互动及休闲游戏等多元娱乐场景。2025年，StarMaker持续深化AI技术应用，先后上线AI歌曲创作与AI视频创作功能，大幅降低用户创作门槛，提升用户体验；同时，依托生成式AI推出数字人直播解决方案，通过真人级智能互动，进一步丰富音乐社交场景。在产品运营方面，StarMaker通过赛事IP实现用户规模扩张与品牌影响力提升。

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。

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。

绿盟科技：公司基于“鹰眼安全运营中心”和“风云卫AI安全能力平台”开展AISOC运营，2025年上半年，70%的告警从发现到响应全程由AI独立接管，平均响应时间（MTTR）在分钟级稳步压缩，年内上线内容安全与攻击面管理智能体，实现黑链、黄赌毒、钓鱼、数据泄露等风险一体化监测，并将成熟模式复制至100+客户本地安全运营中心，推动安全大模型在行业落地。2025年上半年运行期间，鹰眼安全运营中心积累超过10000条高质量训练数据，累计发现0day漏洞12个、处置重大事件54起，输出威胁情报10万余条，持续巩固领先优势。

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。

中广天择：中广天择搭建的“节目购”“淘剧淘”两大视频版权在线交易平台，为全国600余家电视台提供优质视频版权。近年抢抓文科融合新机遇，建设运营“中国V链”平台，为各大版权方提供全生命周期的版权服务，可提供网剧备案、剧片交易、剧本超市、版权保护等一站式全链条综合服务；同时聚焦以音视频为主的高质量多模态算法训练语料，以40万小时4K超高清视频和200万小时高保真音频，构建起高质量垂类算料库，与国内多家顶尖大模型公司实现了合作，多项数据集产品填补国内空白。

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。

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。

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。

慧辰股份：2024年9月27日公司投资者关系活动记录表披露：在算法模型领域，经过十余年服务超大型客户及公共服务领域的沉淀形成了行业知识库、算法模型库与大量专业数据分析报告等，为公司AI模型的训练提供了丰富的训练语料库，形成了面向领域场景的多个大模型生成技术，慧辰大模型内容生成算法、语音合成算法及数字人算法已经通过国家网信办互联网信息服务算法备案。具体在服务商业消费与营销类场景的产品，包括“慧AI”、“AIGC+洞察创新”、“AIGC+数字营销”、“AIGC+客户体验”、“AI数字分身”等，可全面赋能客户的商业运营。

飞利信：2024年12月10日公司在互动平台披露：公司旗下丽水云数据中心已升级为算力（智算）中心，并以此为依托展开了与各大人工智能产品厂商及技术研究机构的合作。在Ai语料方面，公司已完成了数据处理平台向模型训练数据准备（构造、标注、增强）平台的技术升级，并参与了相关行业标准的技术要求制定工作。

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。

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。

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。

果麦文化：公司是一家以互联网驱动的新出版公司，践行“以微小的力量推动文明”的企业使命。公司创立于中国移动互联网起步发展的2012年，十年来积极拥抱互联网新媒体、新技术，并依托于创始团队多年来开发及运营的强大的内容地基、经公司研发并在实践中行之有效的“果麦方法论”训练后具有高效稳定产出的策划团队、以及高度信赖公司且持续创作优质内容的杰出作家学者们，开辟了“出版+互联网”新商业模式。公司主营业务包括图书出版发行、互联网及其他衍生业务。

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。

万达信息：公司受邀出席2024年中国首场语料主题论坛，联合发布“智慧医疗语料数据集”产品；公司共建项目“高质量多模态医疗AI训练数据标注设施建设”入选2025年国家数据局发布的《数据标注优秀案例集》，成为全国47个优秀案例之一。此外，公司还参与多个数据要素相关标准编制，充分体现出公司在大数据方面的领先创新实力。

人民网：2025年上半年，传播内容认知全国重点实验室聚焦国家需要、市场失灵的技术，开拓“用AI 治理AI”的人工智能安全治理新范式，持续建设涉政智能审核平台智晓助、主流价值语料库、人民智媒大模型、智能创作引擎“写易”和“初芯”智能体平台等多个应用，“人民智媒大模型”和“自在”心理疏导算法分别在国家网信办完成备案，发布“数据智能伙伴计划”并在多地开展应用落地。

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。