訪客試做模式:可閱讀文章及作答,但結果不會記錄,亦不會計入任何學習紀錄。
你有沒有發現,身邊用人工智能的人好像突然變多了?聊天、寫作、畫圖,甚至工廠裏的機器也在用它。當一個工具由「實驗室玩意」變成「日常用品」,它的數據使用方式會不會也跟着改變?
中國電子信息產業發展研究院(賽迪研究院)發布《新域新質創新發展十大趨勢》報告,用統計數據描述全國人工智能的數據使用結構。他們比較兩種數據量:訓練數據(用來「教」模型的數據)和推理數據(模型實際回答、執行任務時處理的數據)。報告指出,截至 2026 年 6 月,日均詞元調用量超過 175 萬億,比 2024 年年初增長 1000 多倍。
報告稱,這是我國推理數據量首次超過訓練數據量。簡單來說,過去大部分算力花在「餵模型」——反覆訓練、改進;現在更多花在「用模型」——回答問題、執行任務。報告把這個轉折描述為由模型訓練研發階段邁入規模化產業應用階段。同時,頂尖大模型的迭代周期由幾個月壓縮到幾周甚至幾天。
報告列出多項落地數據:全國累計建成 500 多家卓越級智能工廠,覆蓋 31 個省(區、市),涵蓋超過 80% 的製造業行業大類;國產算力與大模型已在鋼鐵、汽車等 20 個行業落地 1000 多個應用場景。截至 2026 年上半年,生成式人工智能用戶規模超過 7 億人,普及率突破 50%。
報告沒有說明「推理數據量超過訓練數據量」的具體統計方法與口徑,也未提供報告全文或同行評審來源。因此,這些數字適合理解為一份機構報告的描述,而不是經獨立驗證的結論。
訓練與推理是模型生命周期的兩個階段。訓練是用大量數據調整模型內部參數,讓它學會規律;推理則是模型已訓練好之後,接收新輸入並給出答案。同一段文字,在訓練時是「教材」,在推理時是「問題」。因此兩者的數據量可以分開統計,也各自反映不同階段的算力去向。
「推理數據量超過訓練數據量」只說明數據用途結構改變,不代表模型能力或準確率已超越訓練階段。
報告提到,頂尖大模型的迭代周期已由幾個月縮短到幾周甚至幾天。
據賽迪研究院報告,我國人工智能推理數據量首次超過訓練數據量,被描述為由模型訓練研發階段邁入規模化產業應用階段。報告亦指出,全國已累計建成 500 多家卓越級智能工廠,覆蓋 31 個省(區、市);國產算力與大模型已在鋼鐵、汽車等 20 個行業落地 1000 多個應用場景。
本文根據以下資料整理及編寫:
本內容由 AI 自白名單科學新聞來源自動摘要及出題,僅供學習參考;如發現內容有誤,請使用下方「回報問題」告知老師。