數據是大模型“智能涌現”不可或缺的原材料，它在今天展現出強大的能力，得益于背后的海量數據、蘊含了豐富的“人類”知識和智能，通過大模型技術將其提煉出來，用神經網絡去表達復雜數據的背后規(guī)律。

當前，大模型正處在產業(yè)落地前期，高質量的數據，是大模型實現產業(yè)化的關鍵要素。多位業(yè)內人士都曾向雷峰網(公眾號：雷峰網)表達了類似的觀點，認為模型性能所取得的階段性突破，最重要的離不開數據質量的提升，模型的訓練語料在一定程度上會影響 AIGC 應用、微調后模型等內容生成的合規(guī)、安全以及價值觀等問題。

對于以 ChatGPT、文心一言為代表的生成式 AI，海量的數據訓練、人工標注、指令微調、基于人類反饋的強化學習（RLHF），可以讓大模型與人類價值觀、思維方式不斷對齊，使大模型更加可用。

為此，百度智能云升級了大模型數據服務能力，與?？谑姓献鞴步ǖ膰鴥仁讉€大模型數據標注中心，該基地已于近日正式啟動運營，未來會為各行各業(yè)提供大模型數據服務。

這是百度智能云推動大模型產業(yè)落地的又一重要布局。

百度智能云方面表示，目前已經在全國與各地政府合作，共建了十多個數據標注基地，累計為當地提供超過 1.1 萬個穩(wěn)定就業(yè)崗位，間接帶動 5 萬人就業(yè)。

百度智能云海口人工智能基礎數據產業(yè)基地

國內首個大模型數據標注基地

走進?？跀祿俗⒒兀瑪蛋倜竽Ｐ蜆俗熣褙炞⒌囟⒅娔X屏幕，使用數據標注平臺熟練地對大模型生成的內容數據進行打分、排序。

一個客觀事實是，大模型當前在內容生成的穩(wěn)定性方面還存在難點，例如嘗試使用 AI 寫稿的用戶就遇到過類似的問題——如果 AI 在某些關鍵信息點“一本正經地胡說八道”，而自己沒有發(fā)現，最后就會造成嚴重的事故。

數據標注正是為了解決這些問題。

通過對大模型生成的內容進行評價、反饋給到模型，這些人工標注的數據可以讓更好地學習人類的思維方式，從而變得更加聰明。

百度智能云海口人工智能基礎數據產業(yè)基地 作業(yè)區(qū)

百度智能云數據標注基地業(yè)務產品負責人胡馳表示，為提高數據標注的質量和效率，百度智能云自主研發(fā)了業(yè)內領先的大模型數據標注平臺，支持從大模型微調、強化學習到模型評估的數據生產閉環(huán)。

在百度智能云數據標注平臺上，經過前兩至三輪的大模型生成內容篩選，得出 5 個更符合人類邏輯、貼近人類需求的答案，數據標注師會根據一套特定的評分規(guī)則，對這 5 個問題進行判斷和評分，再返回給到模型對優(yōu)質回答進行再次學習。

通過結合平臺獨有的人機協(xié)同標注、多輪智能審核等智能化工具，可大幅提升數據標注的產能和質量，同時幫助企業(yè)實現降本增效。

拍攝于百度智能云?？诨?/span>

隨著 AI 商業(yè)化落地進程加快以及應用場景不斷拓展，市場對海量、優(yōu)質數據的需求持續(xù)增加。但在這些數據中，80% 都是以文件形式存在的非結構化或半結構化數據，必須經過清洗與標注處理才能被機器識別和學習，才能真正喚醒其價值。

數據標注服務是人工智能基礎數據服務的核心環(huán)節(jié)，是機器感知現實世界的起點。

借助特定軟件工具，數據標注師將未經處理的語音、圖片、文本、視頻等數據打上特征標簽，轉變成機器可識別的信息，使機器通過大量學習這些數據具備自主識別的能力，從而化“人工”為“智能”。數據標注服務是算法模型正常運行的重要保障，其精度更是決定人工智能產業(yè)發(fā)展速度的關鍵因素，對人工智能產業(yè)技術層和應用層起到了牢基固本的支撐作用。

數百名標注師、100%本科學歷

為保障數據標注質量，百度智能云搭建了全流程數據服務人才梯隊。?？跀祿俗⒒噩F擁有數百名專職大模型數據標注師，標注師的本科率達到100%。

百度智能云大模型數據標注師王潔玉介紹，“和傳統(tǒng)的數據標注師要求不同，大模型標注師都需要本科以上學歷，我覺得主要是因為大模型數據涉及的知識面很廣，評判標準復雜，非常考驗標注師的語言理解能力和邏輯推理能力。在入職的前兩個月，公司會對我們進行集體培訓和考核，通過考核后才能正式上崗?！?/p>

據了解，百度智能云沉淀了多領域專家資源，針對來自不同行業(yè)的數據服務需求，百度智能云可快速搭建專家團隊，對特定領域的任務提供監(jiān)督微調和強化訓練數據，保證數據交付質量，目前已覆蓋計算機、法律、醫(yī)療等領域。

此外，百度智能云還組建了專業(yè)的數據咨詢團隊，從前期的數據收集、數據清洗，再到數據管理、數據回流，可為企業(yè)提供全流程的咨詢服務，幫助企業(yè)在智能化轉型過程中少走彎路。

數據安全始終是重中之重。胡馳表示，百度智能云不僅可提供高安全性的端到端數據服務，標注平臺還支持私有部署，通過與基地資源聯(lián)動，為客戶提供多樣化的數據安全方案。

“大模型標注基地重點要評估三大指標：高效標注工具、高端人才梯隊、高級別數據安全，只有三管齊下，才能為大模型提供好的數據?！焙Y說。

值得一提的是，隨著百度智能云?？跀祿俗⒒卦诤？诘恼铰涑?，既為企業(yè)擁抱大模型提供領先的數據服務，同時也為區(qū)域帶來社會效益、經濟效益的雙重助力。

胡馳表示，一方面，百度智能云通過完善的數據標注師培訓體系，助力區(qū)域培育一批大模型領域人才，推動區(qū)域高質量人才留存的同時更保障高質量就業(yè)，激發(fā)區(qū)域人才活力；另一方面，基于百度智能云的技術和生態(tài)優(yōu)勢，基地為入駐企業(yè)提供一站式創(chuàng)業(yè)扶持，助力?？谂嘤趸镜貙I(yè)數據標注企業(yè)，為當地的數字化轉型和智能化升級持續(xù)造血。

海口市秀英區(qū)委常委、常務副區(qū)長石晟屹表示，穩(wěn)就業(yè)是政府的重要工作方向，基地在未來三到五年，新增就業(yè)有望突破 5000 人規(guī)模，這是非常好的就業(yè)契機。不僅如此，建成?？跀祿俗⒒?，只是和百度合作的開端，后續(xù)還要共同打造數字經濟產業(yè)集群，將?？谑行阌^(qū)的數字經濟規(guī)模、數字經濟層級帶來更高的提升。

目前，百度智能云在全國已與各地政府合作共建十余個數據標注基地，累計為各區(qū)域提供穩(wěn)定就業(yè)崗位超過 11000 個，間接帶動 5 萬人就業(yè)，培育數萬名 AI 數據人才，吸引孵化優(yōu)質企業(yè)超 200 家，為推動人工智能產業(yè)發(fā)展和促進區(qū)域經濟提升做出了積極貢獻。

大模型時代的“智能新基建”

想要做出好的大模型并不容易，需要具備三大要素：大數據、大算力、好的學習機制。算力是大模型的動力來源，更大參數規(guī)模意味著更大的算力消耗；數據相當于大模型學習的知識，大模型想要有更好的性能，就需要大量高質量的標注數據；而好的訓練方法就像是一位懂得因材施教的老師，讓大模型的性能表現更上一層樓。

據了解，為了進一步推動大模型的產業(yè)化落地，百度智能云和各地政府已經建成了多個“智能新基建”項目。除了落地十余個數據標注基地，解決大數據問題之外，百度智能云在陽泉、福州、天津、濟南、沈陽等地建設了多個智算中心，解決大算力問題。

百度陽泉智算中心

百度智能云方面表示，這些分布在全國各地的“智能新基建”，已經將強大的AI能力凝聚在“千帆大模型平臺”上，目的就是幫助企業(yè)一站式的解決大模型開發(fā)和應用過程中面臨的所有問題。

據悉，百度智能云將在9月全面升級大模型服務。8月，百度智能云宣布，千帆大模型平臺升級，接入包括文心一言、Llama 2全系列、ChatGLM2-6B等在內的33個國內外最主流的大模型，成為國內擁有大模型最多的平臺。

百度智能云千帆大模型平臺功能全景圖

（雷峰網雷峰網）

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。