蚂蚁数科AI数据合成与生产技术平台在乌镇“首发”

中国财富网讯（贾垚）11月19日，行业大模型、具身智能、算力、芯片、数据合成等10项首发成果在2024年世界互联网大会乌镇峰会登台路演。其中蚂蚁数科申报的首发成果AI数据合成与生产技术平台（AI Generated Data，以下简称“AIGD”），因其专注于“数据合成”，而获得了广泛关注。

当下，AI 发展正面临着高质量数据短缺的问题。近年来，伴随着大模型技术的快速发展，机器学习也正从“以模型为中心”转向“以数据为中心”，高质量数据可以更好地模拟客观世界，提升模型的准确性和稳定性。

业内人士普遍认为，“高质量数据”是AI大模型深入到产业的重要基础，没有好的数据做支撑，一切AI应用都是“空中楼阁”。Epoch AI Research研究团队预测，“到 2026年，现存的用于AI模型训练的高质量语言数据将耗尽。”

蚂蚁数科AI科技技术负责人、蚂蚁天玑实验室主任李哲现场表示，“未来的AI应用需要大量稀缺且难以获取的长尾数据，如自动驾驶中的极端天气与极端路况数据，具身智能训练所需要的复杂场景数据。在此背景下，数据合成将成为关键。”

来源：蚂蚁集团供图

据美国IT调研与咨询服务公司Gartner预测，2024年，60%的AI数据将是合成数据，被用于模拟、预测场景和降低风险；到2030年，合成数据将成为AI模型的主要训练数据来源。

李哲介绍，“数据合成”是蚂蚁数科AIGD平台的主要功能之一，可通过大规模合成互联网所不覆盖的高质量、高价值垂直语料数据，帮助科技厂商进行AI模型训练。同时，AIGD还具备PB级数据生产能力，支持数据从生成到训练全流程自动化处理，自动化率达到 80%，极大程度上提高了数据处理的效率和质量。

李哲进一步介绍，平台自研的15余种数据合成工具，目前可以合成涵盖图片、视频、3D模型、多模态图文视频对、多轮对话、语音信号、心率脑电信号、结构化交易数据等多模态数据，以满足多种应用场景下的AI模型训练需求。

除了“数据合成”，该平台还具备数据标注、质检等能力。李哲表示，在数据标注方面，通过人机协同进行标注，人工智能算法能够自动识别和预处理大部分基础信息，预标注模型依赖人工标注量降低了70%以上。在数据质检方面，平台会根据元信息支持不同粒度的数据质量统计，最大程度理解数据，保证合成及标注后的数据符合预期质量要求。

据了解，蚂蚁数科是一家ToB 服务的科技公司，旗下主要包含“企业用云服务”“企业区块链服务”“企业AI服务”三大核心业务。今年以来，蚂蚁数科陆续迭代发布了多款AI产品，包括大模型安全评测与防御产品“蚁天鉴”、反深伪造产品 ZOLOZ Deeper等。

李哲总结道，“我们即将迎来AI服务产业的黄金年代，蚂蚁数科将会坚定AI ToB领域的投入，让AI深入千行百业。”