公开文本语料预计在
2026–2032 年耗尽，中位估值是 2028 年。大模型还没把人类知识吃完，但「好菜」已经不多了。
最近艺恩数据发了一份《全球大模型数据市场白皮书》，把数据这个「AI 时代的石油」从规模到价值链到资本到合规到未来趋势，扒了个底朝天。
全球大模型数据市场白皮书.pdf 原件在文章末尾
废话不多说，直接上硬核速览。
? 三个结构性信号
翻译一下：数据不是越来越不值钱，而是越来越值钱。
市场到底多大？看你问的是谁
? 市场规模：狭义 vs 广义
价值链：八层鄙视链，越专业越贵
白皮书把 AI 数据价值链分了八层：
低价值 ←——————————————→ 高价值预训练语料 → SFT → RLHF → AI 反馈 → 专家数据 → 评测数据 → 合成数据 → 多模态数据
核心规律很简单： 越靠近"专家级、可验证、多模态"一端，单位价值越高、可复制性越低。
同一份标注，通才来干和专家来干——价差可达数十倍。
? 资本狂飙：估值以真金确认稀缺
- 1、第53条(1)(d)：须公开训练数据“充分详细摘要”（含版权数据来源及前10%域名）
- 合成数据走向主导
胜负手正从“更多算力”转向 "更优质、更合规的数据"。
全球大模型数据市场白皮书.pdfhttps://www.runwsh.com/upload/%E5%85%A8%E7%90%83%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%95%B0%E6%8D%AE%E5%B8%82%E5%9C%BA%E7%99%BD%E7%9A%AE%E4%B9%A6.pdf
? 「小藕同学」精选，觉得有用点个在看 ?
