当大模型不再稀缺，得数据者得天下

      我们根据公开信息不完全统计，目前国内至少已经有30多家大模型亮相，其中不乏参数规模甚至超过ChatGPT规模的大模型，厂商涵盖了互联网巨头、AI上市公司、服务器龙头企业、科研院所与一级市场创业公司。

市场会逐步凝结共识：得数据者得天下。数据成为大模型差异化竞争的关键，高质量的数据资源是推动GPT进化的重要抓手。垂直行业有绝佳数据卡位优势的企业，拥有巨头都难以切入的“护城河”。
彭博新闻社近期发布了专门为金融领域打造的大型语言模型(LLM)——BloombergGPT就是垂直数据优势“挑战”巨头通用大模型的案例。

在过去40年里，彭博收集了海量的金融市场数据，拥有广泛的金融数据档案，涵盖一系列的主题。使用该公司数据终端的客户遍布全球，包括交易员、投行、美联储、美国其他官方机构以及全球各大央行等。这些特有数据，使得BloombergGPT比ChatGPT拥有更专业的训练语料。

据彭博社发布的报告中可以看出，研究人员利用彭博社现有的数据，对资源进行创建、收集和整理，构建了一个3630亿个标签的数据集，并基于通用和金融业务的场景进行混合模型训练，以支持金融行业内各种各样的自然语言处理(NLP)任务。
所以，未来开发、存储、经营大数据的公司，对标很像新能源车时候的“锂矿”，这个金矿该是谁就是谁的，不是谁随便都能挖走的。

来源：摘自民生证券研报