目前各大模型企业迫切希望获得更多更好的高质量数据集，需求集中于头部企业行业知识底座构建，人工智能高质量数据集的需求量、交易量激增，已成为数据流通最活跃的领域。不过，高质量数据集的建设、流通环节均面临诸多问题，目前数据交易所并非模型语料最主要的采购途径。

　　目前北数所已交付的人工智能高质量数据集数据规模达1814TB，总交易量接近2500TB，覆盖20个应用模型场景。北数所为模型企业提供了475个高质量数据集，已达成交易171个，数据源覆盖行业32个。

　　当前大模型语料主要面临质量参差不齐、产权不清晰、加工方式不统一、垂类领域缺口大、获取成本高、数据合规性等制度待完善在内的痛点。

　　例如在成本方面，语料获取过程主要面临合规成本，而加工过程主要是专家成本。

　　“数据标注基地以前是做通用人工智能训练数据，现在侧重垂类行业，基于自动标注等技术的演进，已经从粗放式标注到了精细化标注阶段，但在法律等非常窄非常垂的领域，交叉型人才还是很稀缺的。”一位供职于数据交易所的人士告诉。

　　需要注意的是，不同行业数据面临的问题也存在差异。如政务领域，有上市公司人士告诉，数据分散与壁垒、政务数据标准化不足、敏感信息处理难题、政策时效性问题、地方性政策覆盖不足等问题急需得到解决。