目前國內(nèi)科技互聯(lián)網(wǎng)頭部企業(yè)主要基于公開數(shù)據(jù)及自身特有數(shù)據(jù)差異化訓(xùn)練大模型。具體 而言，百度“文心”大模型訓(xùn)練特有數(shù)據(jù)主要包括萬億J的網(wǎng)頁數(shù)據(jù)，數(shù)十億的搜索數(shù)據(jù) 和圖片數(shù)據(jù)等。阿里“通義”大模型的訓(xùn)練數(shù)據(jù)主要來自阿里達(dá)摩院。騰訊“混元”大模 型特有的訓(xùn)練數(shù)據(jù)主要來自微信公眾號，微信搜索等出色數(shù)據(jù)。華為“盤古”大模型的訓(xùn) 練數(shù)據(jù)出公開數(shù)據(jù)外，還有 B 端行業(yè)數(shù)據(jù)加持，包括氣象，礦山，鐵路等行業(yè)數(shù)據(jù)。商湯 “日日新”模型的訓(xùn)練數(shù)據(jù)中包括了自行生成的 Omni Objects 3D 多模態(tài)數(shù)據(jù)集。