阿波罗网王笃若报导/继芯片之后，中共AI又撞上另一堵墙！
尽管美国封锁先进运算芯片占据了新闻头条，但中共AI专家却日益警告，事实恐怕会证明，优质数据枯竭，可能成为国家科技雄心的下一个主要瓶颈，而这可能是无法轻易靠硬件替代方案来解决的问题。
在打造下一代人工智能模型的高风险竞赛中，中共正进入一个关键新阶段——一个较不显眼、但远远更具存亡意义的威胁正逐渐浮现，那就是高质量训练数据严重短缺。
据中共大外宣《南华早报》8日报道，这挑战正同时冲击太平洋两岸的AI巨头，部分美国企业已采取积极手段以保持领先。美国研究机构Epoch AI表示，全球高质量、公开可用的人类生成文本供应，可能会在未来6年内耗尽；OpenAI共同创办人卡帕西也警告，2030年结束前将出现"数据墙"，若没有新鲜可靠的资讯喂养，模型能力可能陷入停滞。美国顶尖实验室正大手笔投资挖掘线下的人类知识，引发了激烈的伦理争论——今年1月《华盛顿邮报》报道的法庭文件显示，Anthropic在亚马逊支持下启动"巴拿马计划"，斥资数千万美元收购数百万本实体书，拆除装订、扫描每一页后再加以丢弃，此举引发作家、档案管理员及文化资产保存者的强烈谴责，指控科技公司把人类遗产当成可抛弃的原料；Anthropic一名代表则回应，其数据获取计划"从未购买并销毁'稀有'或'古董'书"。
而对中共来说，即将到来的"数据墙"构成了更独特的威胁。中国信息通信研究院院长余晓晖指出："人工智能创新的竞争，不仅是模型和算力的竞争，更是高质量数据供给体系的竞争。"网络追踪机构W3Techs本月数据显示，英文占全球网络内容近一半，中文却仅占1.3%，远远落后西班牙文的6%、德文的5.9%与日文的5%。
北京正积极将数据视为核心战略资产——中共国家数据局6月公布一项全面的全国性计划，目标是提升高质量AI训练数据的供应、流通与商业化。中共电脑科学家指出，国家不能只依赖标准网络爬取，而必须系统性推动数字化庞大、尚未开发的离线资产。清华大学人工智能研究院常务副院长孙茂松上个月在《光明日报》撰文强调："语料库在大语言模型发展中扮演关键角色，已演变成支撑AI能力迭代的核心要素。没有语料库，就没有语言大模型。"
阿波罗网评论员王笃然指出："中文网络内容占比不到2%，这个数字戳破了一个假象——中共这些年拼命封锁、审查、删帖，砍掉的不只是言论自由，也顺手砍断了自己AI崛起最需要的原材料。""审查删掉的每一条帖子，都是喂不进AI模型的一粒沙。"