前些天ChatGPT的崩潰，著實讓廣大用戶體驗了一把AI軟件的“算力危機”。而事實上，除了算力危機外，ChatGPT一類的人工智能聊天軟件，竟然也會有“餓肚子危機”，一旦陷入該危機，將出現有算力也給不出合適答案的情況。

【資料圖】

ChatGPT盡管并非生命體，不需要進行生物學意義上的進食以獲得營養，但是其需要大量的數據來訓練，特別是語料，即一定數量的文本資源集合。有了這些語料的訓練，類似于ChatGPT的人工智能軟件才能對用戶的信息做出正確的反應，并給出正確且語句通順的回復信息。

事實上，這些軟件吃得越飽，吃得越好，工作的效果一般也會越好。

大致明白了這類軟件要吃的是什么之后，在我們的A股市場，又有哪些公司，可以參與這項“做飯”的工作呢？

人民網、浪潮信息：食材提供者

“高端的食材，往往只需要最簡單的烹飪方式”——《舌尖上的中國》第一季。

對于ChatGPT來說，什么是高端的食材？來看下面這個例子。

假如向ChatGPT提問：2022年，中央網信辦舉報中心指導全國各級網信舉報工作部門、主要網站平臺受理網民舉報色情、賭博、侵權、謠言等違法和不良信息1.72億件，如何看待這一數據？

食材1：不良網絡給人們的生活帶來的危害是多方面的。虛假信息往往使人上當受騙，不僅造成經濟上的損失，而且還會給受害人帶來精神上的傷害。造謠傳[遙]會混淆是非，使人真假難辨，易引起思想混亂，影響社會和諧?？傊?，不良網絡其社會危害性不可小覷。因此凈化網絡空間除了相關部門加大督察整治和打擊的力度外，對于各網站及我們每個人來說也是責無旁[帶]的。

食材2：網絡違法和不良信息的出現與存在，是“冰凍三尺非一日之寒”，清除有害信息、根治頑瘴痼疾也很難一蹴而就。這就需要找準治理的重點，平臺需要加大優質信息供給，多平臺、多渠道、多形態提供群眾需要的網絡內容及信息服務，做到用正能量驅散負能量。使網絡空間清朗起來，不是一時的事，而是一直的事，需要網上網下集眾智、匯合力，為文明辦網、文明用網、文明上網、文明興網保駕護航。

無論網上還是網下，無論大屏還是小屏，都沒有法外之地、輿論飛地。綜合運用法律、監管、平臺、技術等手段，堅決遏制各類違法違規問題，不斷提升網絡空間治理效能，做到利刃出鞘、精準打擊、發力增效、久久為功，讓網絡不良信息無處遁形，讓清風正氣分外充盈。

是的，第一份食材出自一段普通的針對網絡有害信息的問答，里面還有兩個明顯的錯別字，而第二份食材，則是出自人民網針對網絡有害信息的時評。而這，正是中央級別大型媒體的優勢：盡管這些文字顯然還不能作為聊天機器人最終的答案，但如果語料更為優質，后續加工出來的食糧需要的加工程序也會更少，輸出效果也會更佳。

不過，中央級的媒體，也并非只有人民網一家，為何人民網會成為語料提供者的排頭兵呢？

答案就在人民網，對于數字經濟的布局。其中，特別是人民數據已經布局了新型數據中心和新型算力中心，進而人民網可以輕松地基于知識圖譜、自然語言處理和人工智能等技術，深度挖掘自由的核心數據資源(優質語料等)。

圖片來源：人民網2022年半年報

自己擁有大量優質語料，又有著數據提供的布局，那自然而然，論優質語料，人民網是當仁不讓的食材提供商。

除了人民網之外，浪潮信息的源1.0，同樣是食材的寶庫，只不過相比于人民網來說，浪潮信息是以量取勝。

2021年9月28日，浪潮人工智能研究院在京發布全球最大規模人工智能巨量模型“源1.0”。“源”的單體模型參數量達2457億，超越美國OpenAI組織研發的GPT-3，成為全球最大規模的AI巨量模型。

這個模型的數據量大，并非是他適合作為原材料的理由，更重要的是，這款“源”是中文巨量模型，其蘊含的中文語料極為豐富，浪潮信息基于源1.0發布了4個技能大模型，對話模型源曉問、問答模型源曉搜、翻譯模型源曉譯、古文模型源曉文。這些模型，特別是有中文特色的對話、古文等模型，對于發展國內對標ChatGPT的智能聊天產品有著至關重要的作用。

去年，浪潮“源1.0”大模型登頂CUGE(一款清華北大領銜的中文機器語言能力評測基準)總榜榜首，并獲得語言理解(篇章級)、語言生成、對話交互、多語言、數學推理等5項評測最佳成績。足見這款模型在中文語料領域強大的優勢。

拓爾思、博彥科技：我們來做飯、喂飯

和做飯類似，有了原材料，還需要一定的加工烹飪，才能成為真正的數據食糧，讓AI系統能夠學習、消化。

事實上，有專門的學科去做這塊的業務。自然語言處理(NLP，Natural Language Processing)是研究人與計算機交互的語言問題的一門學科。按照技術實現難度的不同，這類系統可以分成簡單匹配式、模糊匹配式和段落理解式三種類型

在A股市場，有不少公司擁有語料加工相關的業務，而拓爾思正是其中之一。

2022年12月，拓爾思在接受券商調研時曾表示，公司作為國內最早從事自然語言處理(NLP)研發的企業之一，在NLP、知識圖譜、OCR、圖像視頻結構化領域都具備自主可控的底層技術。在AIGC方面，公司圍繞傳媒、政府等垂直領域的語料庫積累已非常全面，在智能問答、自動寫作或智能寫稿、內容播報、創作智能輔助等方面亦有成熟應用場景。

更為重要的是，拓爾思已經有專門的平臺，去做語義處理這個事情了，公司旗下“數家”平臺，已經可以對語料數據進行結構化分類整合，而緊隨其后的“智語”平臺，則吸收了拓爾思在自然語言處理和信息檢索領域多年的技術積累，其已經可以進行分詞和詞性標注、語言分類和語言聚類等內容，可以說，拓爾思這些平臺已經成為語言的加工廠，經過這些平臺的加工后，機器就可以通過這些機器人適配的語言進行認知、學習了。

除了拓爾思，博彥科技在語言加工領域，也同樣有著自己的業務。2月10日，博彥科技在投資者互動平臺上稱，公司有智能聊天機器人方面的解決方案，有能力為機器提供語音訓練相關服務。

這句話也可以翻譯成：我可以，也很會給機器喂飯。

事實上，博彥科技在語料這條產業鏈中的地位，有點像醫藥中的CXO，客戶在研發過程中，可以將需要加工的語音、雜亂的語言文字等部分交給博彥科技，博彥科技憑借其經驗和專業能力，進行標注、歸類。如果客戶有需要，公司也可以協助公司完成相關的機器語義訓練。

作為這一領域的老牌企業，此前，博彥科技已與微軟合作了長達二十多年，這也意味著在機器訓練領域，博彥科技已積累了長時間的經驗，隨著聊天機器人時代的到來，博彥科技的相關訂單或將迎來爆發。

當然，筆者所列舉的食材提供者、加工者相關公司并不完全，實際上，除了這些公司，漢王科技、海天瑞聲、科大訊飛等公司在語料加工領域也有著多年的技術積淀，但這些公司或前期漲幅過大，或總市值過大、涉及領域實在過多，在這里就不做重點介紹了。其實在語料加工領域，這些公司的業務也多集中于數據標注、模式化、訓練等內容，本質上也是一個做飯的活。忽略二級市場因素的話，事實上未來這些公司在語料加工領域，也有望有所作為。

可以看到的是，單單文字領域的機器學習，就需要一系列的基礎數據積累、加工、訓練等工序，這部分的市場，隨著類ChatGPT軟件的不斷開發，將在未來幾年呈持續爆發之勢。想象空間十分廣闊。機器吃飯，產業鏈喂飯并享受豐厚回報的時代，或許真的要到來了。

關鍵詞： 博彥科技 浪潮信息