中国网财经9月13日讯可供大模型训练的人类数据越来越少ღ★★ღ，Scaling Law正在缓慢失效ღ★★ღ，智能的上限ღ★★ღ，如何再次突破？

　　9月12日ღ★★ღ，在2025 Inclusion·外滩大会“Data meets AIღ★★ღ：智能时代的双引擎”见解论坛上ღ★★ღ，产学界的多位权威专家给出了新解法ღ★★ღ：数据驱动了AI发展ღ★★ღ，AI也让数据迎来了新一轮的进化ღ★★ღ，双引擎融合驱动才是演进方向ღ★★ღ。

　　复旦大学教授肖仰华指出ღ★★ღ，当前大模型发展正面临严峻的数据墙困境ღ★★ღ，无标签语料对模型性能提升的贡献日益减弱ღ★★ღ，更大规模数据带来的性能提升与所需的训练开销相比性价比显著降低ღ★★ღ。他认为ღ★★ღ，大模型数据科学需要从专家经验阶段发展到量化科学ღ★★ღ、直至自进化阶段ღ★★ღ。“大模型的数据实践需要屠呦呦式的研究ღ★★ღ，从海量杂乱的数据中提取出决定模型能力的关键成分”邪魅少爷们霸上小公主的唇ღ★★ღ。

　　肖仰华分享了通过语法复杂度指标和累积分布采样方法筛选高质量语料的实践ღ★★ღ，实验表明ღ★★ღ，从100亿个token的财经语料中仅筛选20%的高质量数据进行训练ღ★★ღ，对模型进行持续预训练邪魅少爷们霸上小公主的唇ღ★★ღ，相比于全量数据持续预训练ღ★★ღ，在领域问答任务上的准确率提升1.7%ღ★★ღ。

　　上海交通大学特聘教授翟广涛强调无论是精炼数据还是合成数据ღ★★ღ，都需要质量优先ღ★★ღ，而数据质量分析要从“体验质量”入手ღ★★ღ，考虑人的体验ღ★★ღ，也考虑机器的体验ღ★★ღ，进而在数据为中心的范式下进一步提升大模型性能ღ★★ღ。

　　海天瑞声CEO李科从产业实践角度分享了全球AI数据行业的发展趋势ღ★★ღ。他认为ღ★★ღ，数据产业正在经历从劳动密集型向技术密集型和知识密集型的重大转型欢迎来到赌船智能智造ღ★★ღ。公赌船jcjc710ღ★★ღ，ღ★★ღ。通过动捕数据ღ★★ღ、自动驾驶标注ღ★★ღ、思维链数据集等多个实际案例ღ★★ღ，李科展示了高质量数据如何服务千行百业ღ★★ღ。

　　上海库帕思科技有限公司董事长山栋明说ღ★★ღ，模型之变引领“数据质变”ღ★★ღ，他表示高质量数据集应满足VALID（鲜活度ღ★★ღ、真实性ღ★★ღ、大样本ღ★★ღ、完整性ღ★★ღ、多样性ღ★★ღ、高知识密度)要求ღ★★ღ，并详细介绍了语料数据在方法论ღ★★ღ、基础设施和行业生态三个方面的体系化重构探索ღ★★ღ。

　　光轮智能总裁杨海波表示ღ★★ღ，具身智能对数据的需求量是大语言模型和自动驾驶的上千倍ღ★★ღ。合成数据是实现具身智能Scaling Law的重要基础ღ★★ღ，他强调ღ★★ღ，合成数据必须满足四个必备条件ღ★★ღ：真实的物理交互ღ★★ღ、人在环的示范ღ★★ღ、场景足够丰富和数据闭环验证ღ★★ღ。杨海波认为ღ★★ღ，“站在岸上学不会游泳”ღ★★ღ，机器人需要进入物理可交互的环境去获取物理世界反馈来优化模型ღ★★ღ。

　　蚂蚁技术研究院数据智能实验室负责人赵俊博认为ღ★★ღ，下一代RL训练法则应该从“对与错”转向“好与更好”欢迎来到赌船ღ★★ღ。他探索的Rubric即Reward新机制ღ★★ღ，只需使用5k数据和1万条评分标准构建高效RL回路ღ★★ღ，就能摆脱对海量SFT数据的依赖ღ★★ღ，实现品味对齐ღ★★ღ。他说ღ★★ღ，这种方法可以在人文邪魅少爷们霸上小公主的唇欢迎来到公海欢到赌船ღ★★ღ，ღ★★ღ、创意ღ★★ღ、情感等领域实现风格化生成邪魅少爷们霸上小公主的唇欢迎来到赌船ღ★★ღ，去除机器味道ღ★★ღ。

　　LanceDB CTO徐磊分享了开源多模态数据湖的创新实践ღ★★ღ。他介绍ღ★★ღ，与传统的Parquetღ★★ღ、ORC等格式不同ღ★★ღ，新设计的Lance格式既是文件格式又是表格式欢迎来到赌船ღ★★ღ，具备零拷贝数据演化和高效点查两大核心特性欢迎来到赌船ღ★★ღ。徐磊举了Runway ML的案例邪魅少爷们霸上小公主的唇ღ★★ღ，该公司将PB级视频数据导入Lance后ღ★★ღ，能够像使用SQL一样简单管理ღ★★ღ，实现30多位AI工程师在同一个主表上并行进行特征工程迭代ღ★★ღ。

　　NVIDIA互联网解决方案架构高级总监陈川介绍了驱动生成式AI的高效数据处理创新ღ★★ღ，分享了从文本到多模态的GPU加速解决方案ღ★★ღ。

　　在圆桌讨论环节ღ★★ღ，专家围绕展开Data Infra的重构与机遇深入讨论ღ★★ღ。专家一致认为ღ★★ღ，随着计算范式的变化ღ★★ღ，数据处理技术无论主动还是被动ღ★★ღ，都需要重构与再定义ღ★★ღ。重构是为了解决已经面临的问题ღ★★ღ，再定义则是着眼于未来ღ★★ღ，解决可能面临的问题ღ★★ღ。

　　本次论坛展示了数据与AI双引擎协同发展的最新成果ღ★★ღ，为智能时代数据基础设施建设提供了参考和实践路径ღ★★ღ。与会专家表示ღ★★ღ，只有实现数据与AI的深度融合ღ★★ღ，建立完善的数据标准体系和质量评估框架ღ★★ღ，才能真正释放智能技术的巨大潜力ღ★★ღ，推动智能时代向更高层次发展ღ★★ღ。