AI语料库概念股票|AI语料库板块龙头股资金流向(实时)

芒果超媒：2024年11月25日公司在互动平台披露，公司基于大模型打造面向短剧的创新生产引擎——山海短剧智能制作平台，正在进行AI语料收集和训练。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。公司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。

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。

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。

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。

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。

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。

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。

华泰股份：2025年11月17日公司在互动平台披露：公司全资子公司瞬捷数科的造纸行业AI语料库入选山东省重点行业语料库揭榜挂帅项目。该语料库计划整合造纸全产业链的多元数据，经专业处理后可支撑行业大模型的开发、训练与微调，适配自然语言处理等AIGC相关的AI任务。同时，公司通过研发的瞬捷云链造纸产业大模型，依托上述语料库支撑起造纸“产业大脑”、数字孪生工厂等项目，可以实现生产、质检等全链条的数智化协同。

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。

四川长虹：数通业务持续聚焦四大核心业务领域，巩固媒体业务在运营商市场的领先地位，构建覆盖家庭、企业、边缘接入等多元场景的全系列、高性能接入产品体系，丰富智能家居、智能控制、环境感知等AIoT产品矩阵，重点拓展智慧家居和跟踪定位等应用场景端到端系统解决方案，逐步实现从产品供应商向智慧物联整体解决方案提供商的转型升级。

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。

中远海科：面对数字经济和人工智能的迅猛发展，公司聚合算力、数据、算法、场景等核心资源，明确“算力基础、数据供给、算法牵引、场景落地”为发展路径。公司已构建一个适当规模的算力资源池，通过公司自主研发的混合云计算管理平台，集私有云、公有云及容器云为一体，无缝集中管理跨多个数据中心的云计算资源。公司已研发形成支撑从数据采集、存储、分析、可视化展示、移动应用的数据中台技术架构体系，加速构建高质量的航运大数据集作为关键生产要素，以融合的多源数据为驱动，以机器学习、强化学习、深度学习等算法为工具，深度挖掘数据中的隐藏模式和规律，船视宝平台已经研发了超200种核心算法，能够自动识别和预测船舶的各种行为。

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。

中文传媒：旗下朗知传媒聚焦“全链路+数智化”技术赋能，以前沿科技驱动内容生产与精准营销，持续打造智慧营销新范式。江西朗知中文于2025年9月正式发布“版慎通”智能审校系统，入选中国新闻出版研究院“出版业新一代信息技术创新应用案例”，该系统已在国家档案局等100余家企事业单位推广应用，审校效率与准确率显著提升。《江右文库》编纂出版及数字化工程项目推出第三批成果和《江右文库》数据库移动端应用，并入选2025古籍数字化与活化利用典型案例。

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。

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。

博彦科技：在AI大模型领域，公司积极与国内外主流大模型厂商建立生态与技术协作关系，凭借在行业场景化落地的突出表现，荣获百度智能云“大模型最具成长伙伴奖”。依托原有“人工智能计算平台”技术基座，公司持续为行业客户提供涵盖数据标注、模型开发、训练、部署及推理服务的一站式解决方案。为进一步加速企业级AI应用进程，公司自主研发了具备可扩展性与集成能力的“AI Agent平台”，其采用模块化架构设计，可有效降低开发复杂度，实现与企业现有系统的无缝对接，形成灵活且可扩展的智能化解决方案，显著缩短AI项目交付周期。2024年内，公司已在金融、制造等领域成功落地多个大模型行业应用解决方案，其中与渤化资产的战略合作项目，在企业级层面有效助力客户的智能化转型。2023年7月28日公司在互动易平台披露：公司为部分客户提供AI大模型训练相关的语料、数据标注、数据训练等服务。

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。

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。