AI语料库概念股票|AI语料库板块龙头股资金流向(实时)

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。

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。

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。

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。

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。

*ST天择：2024年是中广天择音视频数据算料业务的启动元年。公司聚焦大模型基模训练与垂直领域优化需求。公司以4K超高清专业级原生视频为核心的视频算料、以48kHz高保真音频垂类场景数据库为核心的音频算料，已实践将标注前置嵌入原数据生产工作流。自身专业的成建制算法研发团队对多模态算料的处理加工及精品定制数据等工作形成技术底座，构筑天择特有的精品算料数据库，形成“多模态融合+垂类精加工”的全链路算料体系。公司对国内大模型公司已完成交付数万小时音视频粗加工及精加工数据集，报告期已确认近500万元收入。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。