媒体报道丨国内多数模型训练使用的中文数据占比已超60%
2025-08-17 21:14:51 来源：国家数据局
------------------------------------------------------------------------------------------------------------------------------------------------------
8月14日上午，国务院新闻办公室举行新闻发布会介绍“十四五”时期数字中国建设发展成就，国家发展改革委党组成员、国家数据局局长刘烈宏介绍，在人工智能时代，Token作为处理文本的最小数据单元，如同互联网时代的“流量”。2024年初，我国日均Token的消耗量为1千亿，截至今年6月底，日均Token消耗量已经突破30万亿，1年半时间增长了300多倍，反映我国人工智能应用规模的快速增长。
刘烈宏表示，中文数据在国内大模型的训练性能提升方面发挥着重要作用。国内多数模型训练使用的中文数据占比已经超过了60%，有的模型已达到80%。中文高质量数据的开发和供给能力持续增强，推动我国人工智能模型性能的快速提升。
图片来源：视觉中国
刘烈宏表示，中文数据在国内大模型的训练性能提升方面发挥着重要作用。国内多数模型训练使用的中文数据占比已经超过了60%，有的模型已达到80%。中文高质量数据的开发和供给能力持续增强，推动我国人工智能模型性能的快速提升。
