test2_国内多数模型训练使用中文数据占比超60%

国内多数模型训练使用中文数据占比超60%2025-08-19 11:44:30   来源：人民网－人民日报   责任编辑：尤容　　本报北京8月18日电  （记者王云杉）记者从国家数据局获悉：中文数据在国内大模型的训练性能提升方面发挥着重要作用。国内多数模型训练使用的使用数据中文数据占比已经超过60%，有的中文占比模型达到80%。中文高质量数据的国内开发和供给能力持续增强，推动我国人工智能模型性能快速提升。多数

　　在人工智能时代，Token（通常所说的训练词元）是处理文本的最小数据单元。国家数据局局长刘烈宏介绍，使用数据2024年初，中文占比我国日均Token的国内消耗量为1000亿，截至今年6月底，多数日均Token消耗量已经突破30万亿，模型1年半时间增长了300多倍，反映了我国人工智能应用规模的快速增长。

　　《 人民日报 》（ 2025年08月19日 06 版）