训练数据从哪里来，可能比模型有多大更重要

中科曙光在数据治理上的布局，与欧盟新规中“训练数据概要”和版权审核要求存在更深层联系。曙光轩辕数据湖平台具备元数据、数据血缘、质量和标准管理能力，并提供认证、授权、加密、审计和脱敏等安全功能。

欧盟要求通用大模型服务商保存研发全流程文档、公开训练数据概要，同时建立AI生成内容版权审核机制。 真正困难的并不是写一份说明，而是长期回答：数据来自哪里、经过怎样的清洗、谁使用过、是否含有敏感信息，出现争议后能否追溯。

这也说明，未来AI基础设施不会只有服务器和加速卡，数据治理系统会成为重要组成部分。中科曙光同时布局数据平台、计算和AI开发工具，具备进一步形成数据到模型管理闭环的条件。监管把数据来源推到台前，这类过去不太受关注的能力，可能会重新估值。
中科曙光 数据治理 训练数据 AI版权