互联网传媒行业大模型市场前景及投资研究报告：高质量数据.pdf

证券研究报告 互联网传媒行业/行业深度报告 2023年3月31日 大模型“安卓时刻”：高质量数据为“胜负手” 摘要 1、大模型的“安卓时刻”到来，训练数据质量或是后续竞争关键 • Meta大模型LLaMA开源且持续改进，为行业带来变数。我们认为可以参考安卓与iOS的关系，预判开源 大模型与OpenAI的GPT模型的关系，当前国内外科技公司都在紧锣密鼓的布局大模型的开发，“安卓 时代”来临后，竞争或持续激烈化，格局或将生变。 • 而从ChatGPT等模型的经验来看，数据具有重要意义。出于模型准确度和专业性的需求，学术期刊、 书籍、代码等资料类型在训练数据中有独特价值。 2、特别应当关注代码和权威资料作为高质量训练数据的价值 • 代码：从GitHub、GitLab、Gitee为代表的代码库平台可以获取较为丰富的代码资源，相对门槛较低 ；或是企业自身积累的代码资源。 • 权威资料：关注具有较高权威性的资源，如知乎具有较为丰富的语料，学术期刊、科学书籍的公开可 得性更低，因此也具备更强的稀缺性。 3、建议关注高质量数据产业链参与方： • 中国科传：权威文本资料稀缺标的，中国最大的综合性科技出版机构，业务包括期刊、科学图书、出 版物进口等，积累有较为丰富的专业资料，且已经有科学