3月29日，2024北京AI原生产业创新大会暨北京数据基础制度先行区成果发布会在京举行。会上，北京国际大数据交易所（下称“北数所”）牵头，正式发布了首批100个人工智能大模型高质量训练数据集。
本批数据集首次汇聚了来自中科院大气物理所、北京市科学技术研究院、中国知网、中汽智联、北方健康、中文在线、中国搜索、牡丹集团、瑞莱智慧等36家机构及企业提供的非公开数据集作为大模型语料训练数据。数据集内容覆盖科技创新、金融服务、医疗健康、医药研发、自动驾驶、气象服务、商业航天、影视创作等20多个应用场景，共计100余个语料数据，数据总量逾150PB，涵盖了专业知识问答、中外论文期刊、古今文化书籍、互联网舆情资讯、知识产权与专利、多语种音视频、教学资源题库、科研数据、驾驶环境场景数据、高清图片等多领域、多模态数据语料。其中，涉及医疗健康、医药研发场景的约20个数据集，具体包括：北数所表示，通过北数所进行人工智能数据集进场交易，将更好的为模型训练提供更加合规可靠、便捷化、规模化的数据服务，进一步提高数据来源合规性，降低数据交易成本。北京金控集团董事长、北数所董事长范文仲表示，建议积极推动高价值数据训练集和智能算力进场交易，不断提高人工智能模型训练的合规性，增加透明度，共同推动数据要素的开放利用，推动北京数字经济高质量发展。
会上，北京亦庄发布了《北京经济技术开发区关于加快打造AI原生产业创新高地的若干政策》，提出到2026年，培育性能达到国际先进水平的通用大模型，打造人工智能标杆应用场景10个，集聚人工智能产业链企业100家，实现园区营业收入1000亿元，建成人工智能算力10000 PFlops。
文件明确了一系列补贴和奖励政策，例如：
- 支持企业深耕垂直领域，重点围绕AI+新药研发等领域进行技术攻关，打造行业垂直领域大模型；
- 采取“揭榜挂帅”机制，鼓励重点围绕“大模型+”医疗等领域，打造一批可复制、可推广的标杆型示范应用场景；
- 推动“大模型+医药研发”，加强数字生物学、计算机药物发现、实验室自动化、AI辅助临床试验等领域研发，鼓励大模型在药物发现、设计、合成和生产全过程应用。
......
与此同时，北京亦庄人工智能公共算力平台3000PFlops规模的算力设备正式点亮并投入使用，这也是北京最大规模的高性能人工智能计算集群，可以帮助企业推动开展大模型训练，推广行业应用，进一步夯实了北京大模型研发创新与行业应用的算力底座。
