AI语料库概念股票|AI语料库板块龙头股资金流向(实时)

新华网：2024年4月29日公司在互动平台披露：新华网正积极布局人工智能大模型及其深度应用，拥有丰富权威的新闻和传媒数据作为专属大模型语料库建设基础，我司AIGC-Safe平台亦在通过采集大量国内外生成式视频内容训练AI鉴别模型。语料库建设会随着新华网在人工智能大模型领域应用场景的开发有序推进。

中国科传：知识服务业务是基于海量的、权威的、系统的科技内容资源，通过对内容资源的碎片化、标引、语义关联、深度挖掘和系统分析，为科研用户提供面向科研立项、文献检索分析、实验模拟、文献撰写与成果发表、学术传播交流等整个科研生命周期的多元化、立体化、定制化服务。目前公司在知识服务业务板块主要布局了专业学科知识库、数字教育云服务、医疗健康大数据、期刊融合平台四大方向，已开发上线了“科学文库”“科学智库”“中国生物志库”“中科云教育平台（CourseGate）”“中科医库”“SciEngine全流程数字出版与知识服务平台”等多个数字化平台，为用户提供系统化的“科研解决方案”。

芒果超媒：2024年11月25日公司在互动平台披露，公司基于大模型打造面向短剧的创新生产引擎——山海短剧智能制作平台，正在进行AI语料收集和训练。2024年3月27日公司在互动平台披露，公司丰富的版权内容数据资产为“芒果大模型”（行业垂类大模型）的研发提供了高质量的训练语料。公司非常重视这些数据的价值开发，并将分类整理的数据用于“芒果大模型”的训练。

健麾信息：2024年3月21日公司在互动平台上披露：截至目前，公司累积的处方单数据已高达数十亿条，增长速度在10%左右。这些数据主要源自国内各大医院药房部门的处方药发药记录。全国百强医院中超过半数都是公司的合作伙伴，共同构建了强大的合作网络，确保了数据的专业性和参考价值。同时，公司拥有成熟的数据脱敏技术，能够在保护用户隐私的同时，确保脱敏后的数据可用于支持国内大型模型的训练工作。

万马科技：2025年12月3日公司在互动平台披露，在语料库领域，公司可提供具身智能语料库工具链产品，该产品可提供数据挖掘、自动标注、模型训练等服务，提升语料数据闭环效率。

海天瑞声：标准化数据集产品，是公司区别于众多竞争对手以定制化服务为主的特有商业模式，也是公司核心竞争力之一。截止2025年6月末，公司新增研发超70个训练数据集产品，自有知识产权的训练数据产品储备达到1,790个，尤其在多语种语音对话、多语种OCR、多音色多情感数据集等方面积累了更丰富的标准化产品资源，并建成包括“双工数据集”、“视觉大模型（图像-文本）预训练及微调数据集”等在内的多领域大模型数据集。公司已向下游客户提供了累计超过10,000次/个定制或标准化训练数据集，并已应用于个人助手、语音输入、内容生成、智能家居、机器人、语音导航、智能客服、智能播报、语音翻译、移动社交、虚拟人、智能驾驶、智慧医疗、智慧教育、智慧交通、智慧城市、智慧金融、机器翻译、智能问答、信息提取、情感分析、OCR识别等22类创新应用领域，赋能人工智能技术与实体经济的深度融合。

汇纳科技：2024年，公司深度整合多模态大模型能力，建设了深度结合线下商业场景的大规模高质量多模态数据集，开发了新一代多模态细粒度行人Re-ID系统；面向垂直应用场景，全面整合LLM大模型、多模态大模型、AI Agent等AI技术能力，开发ASR语音转写、文本语义分析、图像理解与分析等垂类AI大模型，构建多个垂类AI场景解决方案，赋能餐饮零售、政务等泛行业客户；同时，面向海外业务场景，积极整合海外先进AI能力与自研产品，打造国际化AI客流解决方案。在数据要素方面，2024年，公司开发了汇纳大数据底座软件；综合运用区块链、数字身份DID、安全载体、可信时间戳、国密密码等技术，构建开发了汇纳可信数字身份系统、汇纳数据空间和安全交换平台等新解决方案，面向多场景推广应用。

慧辰股份：2024年9月27日公司投资者关系活动记录表披露：在算法模型领域，经过十余年服务超大型客户及公共服务领域的沉淀形成了行业知识库、算法模型库与大量专业数据分析报告等，为公司AI模型的训练提供了丰富的训练语料库，形成了面向领域场景的多个大模型生成技术，慧辰大模型内容生成算法、语音合成算法及数字人算法已经通过国家网信办互联网信息服务算法备案。具体在服务商业消费与营销类场景的产品，包括“慧AI”、“AIGC+洞察创新”、“AIGC+数字营销”、“AIGC+客户体验”、“AI数字分身”等，可全面赋能客户的商业运营。

值得买：公司从最初的消费内容业务向智能营销等方向延展，可以借助更广泛的业务触达消费者、电商平台和品牌商，并依托所沉淀的消费数据对消费产业形成更深层次的理解。目前，随着公司逐步沉淀来自于消费内容业务板块和智能营销业务板块等的更多数据资源，已形成一个能够涵盖人、货、场等多种维度的底层数据体系。截至2025年6月末，公司商品数据库已经收录了34.7万+品牌、2290.9万+聚合商品。这些数据一方面提升了“什么值得买”平台结构化展示商品信息的能力，提升了“什么值得买”平台搜索与推荐内容分发的效率，提升了其他消费内容业务和智能营销业务的运营效率；另一方面对公司训练“值得买消费大模型”，以及为品牌提供围绕营销全链路的数据洞察和营销解决方案也发挥重要作用。

慈文传媒：2024年4月17日公司在互动平台披露：公司与多家AIGC公司就慈文传媒20多年来积累的丰富的视频语料数据库正在磋商相关合作，双方就对应的价格、合作的模式、授权的界定范围等均正在进行洽谈。

麦克奥迪：在医疗领域，历经十余年深耕，公司已累积超1,260万例DNA倍体宫颈筛查标本、40多万例其他组织DNA倍体标本及100万张典型病例数字病理切片，成为国内最大的病理数据库之一。这些数据不仅能为AI辅助诊断产品的开发提供海量训练基础，还能支撑公司利用数据推动病理科从传统模式向智能化、标准化转型；同时，智慧光学可协同开发硬件设备与AI软件，优化远程数字病理会诊系统的服务效率，未来进一步构建覆盖远程诊断、质控、教育培训的全链条智慧病理服务体系。

中文在线：公司拥有海量优质正版内容资源和创作者资源，结合公司在文学领域的语料数据，目前公司自研的“中文逍遥”数字内容智能生成模型，在保留通用性能力的前提下有效提升小说创作质量，实现小说辅助创作、续写，以及基于角色设定的聊天机器人等功能。此外，公司也在研发推动更多AI多模态产品落地，目前公司已使用AI生成了漫画、动态漫。公司在AI多模态领域持续投入，未来在AI多模态加持下，IP开发制作难度大幅下降，制作周期大幅缩短，打破产能瓶颈，加速了IP商业化落地的进展，借助AI大幅提升公司IP的商业化变现速度。公司历经20多年数字文化领域深耕，沉淀丰富数字内容。公司基于自有大模型数据需求，不断整合高质量数据包含文字/音频/图片/视频等多种类型数据600TB，目前已有有声书及干音、百万量级中英文出版物、原创文学数据、视频数据，以及亿级图片、题库、期刊、行业问答、中外文平行语料等近40种文字和多模态语料及成品语料集。目前，公司已与数十家大模型建立数据及数据服务合作，其中包含央国企、互联网巨头及AI新势力等多家头部大模型。

元隆雅图：公司持续强化AI技术驱动的差异化竞争优势，通过成立AI研究院，深度开发营销垂类AIGC模型，构建行业领先的AI数据中心。实现了产品创意设计、图文视频内容生产、达人智能匹配、IP数字资产生成等全流程AI化升级，显著提升业务效率与服务质量。公司自主研发的UOVAMETA平台已升级为SaaS多链数字私域社群运营平台，通过整合WEB3、AIGC文生图垂类模型、AR/VR及3D生成技术，打造虚实融合的快速开发能力。平台支持企业一站式完成数字藏品创作、沉浸式场景搭建及智能会员运营，为客户提供更高效的IP数字化营销解决方案。通过持续迭代AI技术与深化行业应用，公司构建了从内容生产到数字营销的全链路智能服务体系，进一步巩固了在创意营销与WEB3商业化方面的领先优势。2023年6月9日公司在互动平台披露：公司创意设计团队已经在使用ChatGPT及一些AI绘画工具辅助创意设计工作，以拓宽创意思路、提高工作效率。2024年5月22日公司在互动平台披露：公司基于新媒体营销业务长期积累的爆品文案，可以作为AIGC模型训练的语料。

华策影视：在人工智能快速发展的背景下，影视拍摄过程中大量的沉没素材可以通过清洗、标注、加工等技术处理形成数据集成，作为AI模型训练的优质训练语料。公司作为国内年产规模最大的影视公司，历史积累的原始拍摄素材数量庞大，具备极佳的利用潜力。公司已设立AIGC应用研究院，配置人工智能专家、AI人机共创复合型人才、影视数据专家等专职人才，以及专用设备、专项研发和投资资金。AIGC应用研究院的设立，是公司全面推进AIGC产业布局，以AIGC技术为核心驱动力量，在影视创意、制作、传播的全链条实现企业核心能力提升和商业模式创新，加快新技术在行业应用落地，实现企业高质量发展的重要一环。目前，公司已形成“全员知AI、会AI、用AI”的创新氛围，成为当前影视公司AIGC应用中的领跑者。

新开普：2024年10月30日公司在互动平台披露：新开普在人工智能领域积极探索，并逐步建立了自己的AI语料库，用于支持智能服务和产品的研发。公司语料库的构建结合了多个渠道的数据，包括获取版权和许可的私有数据和公开数据源，并针对收集到的数据做了严格的清洗和预处理，公司对语料库的维护，采用分层存储和分布式管理的方法，使用大数据处理技术实现数据的高效管理和快速检索，同时建立了完善的版本控制机制和数据更新流程。通过这些措施，新开普的AI语料库能支持多种应用场景，如智能推荐、语义理解、自动问答等，提高产品和服务的智能化水平。

视觉中国：平台拥有可供版权授权的内容超过5.4亿，包括摄影、矢量图、视频、音乐、3D模型等各种类型的素材，是全球优质的同类视觉内容数字版权交易平台之一。平台聚合的海量、高质量、版权合规的内容数据，也是构建可信人工智能模型的关键基石，公司以应用为导向，持续加强人工智能高质量数据集建设，平台拥有可供AI大模型训练的合规内容数据超过7亿，位居行业领先地位。平台在人工智能产业链中凭借自身数据资源与场景应用优势，构建了覆盖数据采集、标注、审核、认证及授权的全链路AI大模型数据服务解决方案，已成为国内领先的多模态数据授权商。

华泰股份：2025年11月17日公司在互动平台披露：公司全资子公司瞬捷数科的造纸行业AI语料库入选山东省重点行业语料库揭榜挂帅项目。该语料库计划整合造纸全产业链的多元数据，经专业处理后可支撑行业大模型的开发、训练与微调，适配自然语言处理等AIGC相关的AI任务。同时，公司通过研发的瞬捷云链造纸产业大模型，依托上述语料库支撑起造纸“产业大脑”、数字孪生工厂等项目，可以实现生产、质检等全链条的数智化协同。

捷成股份：在人工智能快速发展的背景下，公司在版权生成环节可直接利用AI智能创作引擎ChatPV大模型生成多样化的内容，如文本、音频、视频片段等。影视拍摄过程中大量的素材可以通过清洗、标注、加工等技术处理形成数据集成，作为AI模型训练的优质训练语料，具备极佳的利用潜力。因此，公司凭借积累的海量的影视、动漫等视频素材内容，形成了一定的资源壁垒。

德生科技：2025年上半年，公司加速构建AIAgent全渠道服务网络落地，打造线下、线上一体化运营服务体系，自主研发的“知纬解语”大模型正式通过国家网信部门备案。目前公司大模型相关服务已在湖北、河南、广东等省份，实现社保咨询、政策解读、业务经办等全场景服务的“智能触达”，为多个地市政务服务效能提升40%以上。2025年8月，公司获授“国际人工智能产业联盟理事单位”称号，将全面链接顶尖科研资源与产业生态网络，为技术迭代与场景应用开辟新路径，助力政务服务提质增效。2025年7月28日公司在互动平台披露，公司自主研发的“知纬解语”大模型已通过国家网信部门备案，并积累100多个城市的服务语料。

果麦文化：公司是一家以互联网驱动的新出版公司，践行“以微小的力量推动文明”的企业使命。公司创立于中国移动互联网起步发展的2012年，十年来积极拥抱互联网新媒体、新技术，并依托于创始团队多年来开发及运营的强大的内容地基、经公司研发并在实践中行之有效的“果麦方法论”训练后具有高效稳定产出的策划团队、以及高度信赖公司且持续创作优质内容的杰出作家学者们，开辟了“出版+互联网”新商业模式。公司主营业务包括图书出版发行、互联网及其他衍生业务。