星尘数据CEO章磊：训练一个大模型，数据处理占60％

6月16日，华映资本2023年度大会成功举办，星尘数据创始人章磊应邀与华映资本董事刘天杰、影眸联合创始人张启煊、金柚网CTO邬学宁、安领数据CEO郑耸、天云数据副总裁李从武展开圆桌对话，共同探索大模型爆发，产业拥抱AIGC的机遇与锚点。

章磊表示，训练一个大模型，数据处理占60%，模型训练占20%，工程化占20%。星尘数据是国内首家提供大模型数据一站式解决方案的公司，星尘COSMO大型模型数据金字塔有四层，包括预训练数据、通用能力数据、专有能力数据和企业私有化部署数据。未来大模型行业一定会出现“一超多强”的局面，数据能够赋予AI能力，使其理解世界，具备人类的思维和逻辑，拥有价值观，明辨善恶，同时输出内容健康、无害，最终迈向AGI。

谈到大模型是否真的具备逻辑推理能力，章磊称，大型语言模型的训练过程与我们学习乘法口诀的方式有相似之处。我们通过不断阅读和重复1×1、2×2等将基本逻辑铭记于脑海中，以至于在需要用到时能够自然而然地运用。大型语言模型也是通过阅读并重复学习来记住逻辑的表达过程，而不是逻辑的本身。这种思维过程与人类相似，需要一点一点地组织语言并思考。我们目前的大模型构建了大脑的system1，未来的大型语言模型可能会发展出类似于人类的system2，强调计算和逻辑处理的部分，以产生更精准的结果。

关于星尘数据

星尘数据是一家提供SaaS标注平台和数据管理服务的企业，成立于2017年5月，总部位于北京。公司通过应用机器学习算法开发出高效的自动化标注工具，为标注产业注入科技和创新基因，赋能AI企业算法迭代和数据闭环。目前星尘Stardust平台年处理数据量数亿，自动化水平达到60%以上，数据质量达到99.9%，达到国际领先水平。