通信世界网消息（CWW）8月14日，在“高质量完成‘十四五’规划”系列主题新闻发布会上，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，也就是大家通常所说的词元，作为处理文本的最小数据单元，如同互联网时代大家所说的“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，这反映了我国人工智能应用规模的快速增长。
刘烈宏表示，作为人工智能发展的三大核心要素之一，数据在推动“人工智能+”过程中发挥着关键作用，特别是高质量数据集的建设至关重要，比如在医疗健康领域，通过标注的医学影像高质量数据集，模型的疾病诊断准确率可以提升15%以上。
据了解，国家数据局持续推进高质量数据集建设工作。截至今年6月底，我国已经建设高质量数据集超过3.5万个，总体量超过了400PB（1PB可存储约5亿张2MB大小的高清照片，400PB的总量相当于中国国家图书馆数字资源总量的140倍左右）。人工智能模型的训练也推动了数据交易需求的攀升，截至今年6月底，各地高质量数据集累计交易额近40亿元，数据交易机构挂牌的高质量数据集总规模达到了246PB。
