■关联公司:海天盛瑞(SH688787，股价92.15元，市值56亿元)
■核心竞争力:具备标准化数据集产品的规模化生产能力，已完成1300多个具有自主知识产权的训练数据标准化产品的建设，稳居全球企业前列。多语能力布局和建立的比较早。
■机构眼中的公司:国内领先的AI训练数据提供商，自动驾驶业务打开增长空间。
■概念:数据服务人工智能AIGC
11.2公里/秒是火箭能够成功摆脱地球引力飞离地球的速度。瞬间燃料燃烧提供的驱动力是帮助火箭一次次加速，直到进入外太空。
海天盛瑞董事长何林在与《人人董事长访谈》记者交流时，觉得作为所有人工智能技术最上游的数据，它是人工智能火箭的“燃料”。海天盛瑞是一家生产“燃料”的公司。













广播





然后






打开循环回放









0










00点
/
00点





















清晰度/清晰度






速度






语言






多个音轨









隔空播放






画中画







网页全屏







全屏幕












可以刷新一下。













视频信息1.15.22



















播放信息
复制

上传日志


调试信息

[X]



视频id
视频
-

播放流
Flowid
-

全局唯一标识符
全局唯一标识符
-

回放内核
核心
-

视频CDN

-

显示信息
复活
-

帧数

-

缓冲健康

-

网络活动
网
-

视频分辨率

-

编码
多媒体数字信号编解码器
-

秘密
秘密
-








输入广告









广告被拦截插件误伤。
一个
以秒为单位播放

关闭拦截插件，恢复正常。








暂时不支持打开。请用微信扫码浏览。











微信扫描查看更多精彩。












































微信扫码查看更多































无法关闭广告...继续争取广告权...
我知道！

反馈


















视频加载失败，请点击重试。
单击重试。
















扫描代码了解详细信息














扫描代码了解详细信息




广告









































视频加载失败，请点击重试。
单击重试。





广告






按住图片移动小窗口x。
window . data . video arr . push({ "" title " ":"海天盛瑞创始人何林:为大模型"火箭"加油" |董事长访谈" "，" " VID " ":" q 3522n 1x 33 q " "，" " IMG " ":" http://。
海天盛瑞是中国最早投资AI训练数据的专业服务提供商之一。2023年，风起云涌的大型号浪潮将这家公司推到了资本市场的聚光灯下。在大潮中，何霖依然对未来持谨慎态度。
大模型狂热:第一印象很惊艳，但对预期“谨慎乐观”。
2023年初，何霖在海天盛瑞公司年会上的演讲，80%是由ChatGPT完成的。
“非常神奇，我不(敢)相信。”这是何霖对ChatGPT的第一印象。“当然，也有不尽人意的地方。我觉得这是我们应该努力的方向。”ChatGPT的出现，让这家数据公司一下子站到了资本市场舞台的中央。
2023年初至今，海天盛瑞股价一路上涨，3月份一度涨到191.96元/股，2021年8月上市时翻了一倍。另一方面，海天盛瑞多次在投资者互动平台上发布提示，称公司与OpenAI没有合作，目前还无法预测大模特业务会带来多少营收。
“年初的时候，我们还在仔细观察和论证这项技术对数据有什么样的需求。”何林认为，进入市场的合适时机应该是这个技术真正能在行业落地的时候，也就是说有真实的应用场景，而不是伪场景。“我们需要确保这种需求是真实的，有人会为此买单。这是正常的商业逻辑。”
同时，行业落地时间到来，对数据的需求也将迎来大规模的增长。“我认为这给公司带来的好处非常乐观。(目前)我们仍然以乐观和审慎的态度看待、跟踪和研究这项技术。”
“在判断一个行业的时候，我们会更深入地思考这个行业需要什么样的数据。只有把这个事情想清楚了，我们才会走过去。我们在自动驾驶领域的布局遵循了这个逻辑。”何林介绍。
自动驾驶产业的布局是海天盛瑞2021年设定的战略方向。在何霖看来，自动驾驶赛道已经符合这个判断逻辑。从L2到L4，自动驾驶已经有了相当多的应用，同时，自动驾驶的数据需求也是巨大的。
她判断，自动驾驶是一项危及生命的技术，安全要求非常高。它需要大量的数据来打磨和覆盖各种异常场景以保证安全，因为任何极端天气或极端场景都可能导致误判。“如何避免？它需要大量的数据来训练，让模型暴露在更多的长尾场景中，以提高其安全性。”
今年4月18日，海天盛瑞正式推出专为自动驾驶场景打造的全栈数据标注平台“DOTS-AD自动驾驶标注平台”。
数据需求增加的背后:系统性缺口依然存在
何林曾在中国科学院声学研究所工作，从事语音识别、语音合成、汉语理解、言语心理测试等方面的研究工作。
海天盛瑞成立于2005年，最初诞生于何林在这份工作中捕捉到的行业痛点。“当时，我们实际上遇到了研究小组(缺乏)数据的问题。解决方案是，员工加上研究生和博士生自己制作数据。”虽然当时实验室的数据量比较少，但已经是一项繁琐的工作了。
随着技术的发展，智能语音已经从实验室走向大规模应用阶段，对更多场景的覆盖需求意味着对数据的需求大规模增加。同时，在和以前一些在大企业或者研究机构工作的同事交流时，何林发现大家都很关心数据。“(大家)都认为数据是非常大的瓶颈，阻碍了他们的技术落地。所以我就在想，我有没有可能出来做这个，帮大家解决这个困难？”
如今，何琳觉得当时促使她创业的瓶颈依然存在。
在她看来，数据的需求是随着技术的发展而变化的。随着各行业的技术落地，会有更多的数据需求爆发。“像现在的大模型，很多人认为数据的差距是系统差距的一个很重要的原因，所以大家认为数据还是一个很重要的因素，这个瓶颈还是存在的。”
不同的是，和林创业之初，国内竞争对手少，海天盛瑞能够在市场上快速突围。如今，国内涌现出一批新的数据公司，先发优势成为当前数据公司核心竞争力的基础。“其实这个行业有很多技术壁垒和‘诀窍’，也需要不断打磨项目，才能沉淀自己的技术，学习各种‘诀窍’。这是项目积累的，不是短期内可以快速积累的过程。”
“燃料”的诞生:巨大参数支撑的大模型
海量数据如何最终成功支撑庞大参数的大规模模型运算？你需要先理解一个概念——数据集。
何林介绍，数据集的生成是一个非常复杂的过程，包括设计阶段、采集阶段、处理阶段和最终的质量检验阶段。
在设计过程中，需要知道数据集要解决哪个问题，这个问题需要什么样的数据，需要多少，需要什么样的场景，收集的样本、规模、内容，包括收集的设备、标注规格等等；采集环节是按照设计好的方案在世界范围内进行采集，可以是声音、图像、图片、手写文字、道路场景等。收集完成后，需要进入清洗和贴标环节。最后，产生的数据集需要经过双层质量检验过程，最终才能产生合格的数据集。
其中，清洗规则的质量和标注的准确性会极大地影响数据集的质量，进而影响模型的效果。
海天盛瑞人工智能基础数据创新服务基地图片来源:公司供图
何林举例说，海天盛瑞大模型的数据清洗率为5%，即正确数据仅为原始数据的5%，这也印证了数据清洗的重要性。贴标过程主要是解决准确性和一致性的问题。“我们通常说95%、98%或者99%，不同的准确率对模型训练的结果影响很大。”
“数据清理和标注过程对于模型的质量非常重要。它们可以提高数据的质量和准确性，帮助模型更好地学习，并为模型的评估奠定良好的基础。”何林说。
何林认为，高质量的数据包括数据的丰富性、场景的丰富性、数据的准确性和一致性等。，都是衡量高质量数据的标准。她也同意高质量数据的提供需要高质量人力的支持。
“有一些高质量的数据，尤其是行业数据，确实需要更高层次的人来处理。因为我们也了解到，像OpenAI这样的公司背后也有强大的数据处理团队，他们必须向数据灌输‘诀窍’或一些更高层次的知识。”她说。
浪潮的下一步:离开劳动力，实现智能化。
“有多少智力，就有多少人。”这句话还是被大多数人认可的。
在“燃料”制造商海天盛瑞，高质量“燃料”的诞生也需要最了解“火箭”的人来驾驭它。
何林介绍，海天盛瑞的管理层不仅有良好的学术背景，而且有外企或大型工厂的工作和管理经验。“他们曾经是数据的使用者。加入公司后，他们非常清楚用户需要什么样的数据，这让他们能够更快地预测市场，更好地与行业沟通。”
同时，她坦言，针对不同行业提供的数据，需要不同行业有专业知识的人来处理。“至少在初期，包括规则的讨论、标签的打磨、标准和尺度的把握，都需要专业人士。但是规则定下来之后，可能会进行一些培训，让基础人员具备这样的培训能力。”
但在何霖看来，“有多少智能就有多少人”是一种误解。“的确，这个行业有很多人力，但是人力是在技术的支持下做这些事情的。如果没有技术支持，人力需求可能是现在的10倍以上。因此，我们的综合数据服务提供商一直在追求以更加自动化和智能化的方式完成数据的任务，不断解放人力。”
图片来源:公司供图
何霖希望人工智能的参与度可以一步步降低，大模型的浪潮正在加速这个目标的实现。"让计算机自动处理数据一直是我们的追求."
据她介绍，公司也在讨论未来两大工作方向。一种是创建一批通用和垂直领域的数据集产品，具有单模和多模属性，供大型模型使用。此外，海天盛瑞还计划启动垂直大模型数据生产的研发项目，希望利用大模型技术支持数据生产。“每个人都说大模型将对许多垂直行业产生重大的积极影响。其实数据处理本身也是一个垂直行业。我们希望利用大模型的能力，更加自动化地进行数据处理。”
“人工智能的背后是人工”也有可能改变。“背后还是有大量的人力，但我们一直在想办法减少。包括增加很多算法来提高预标注数据的准确性。准确率越高，人工参与程度越低。”
但何霖也承认，这并不容易。“其实这个东西如果真的做了，人工智能就完成了。因为不需要人为干预，相当于它处理的和人想的一样。”另一方面，当技术达到一定突破时，伦理、监管、安全等问题就会出现。如何解决这些问题，也是未来整个人工智能行业的难题。
变革的新机遇:多模式需求将推高行业门槛
每次火箭发射都需要大量的燃料助推。
何林认为，当人工智能技术迎来新的变革时，对数据提供者来说是一个机会。“我觉得也可能是基于某种需要。比如苹果手机的siri出来后，大家会认为语音有一些突破，对这些数据的需求会激增。”
何林认为，在整个人工智能行业，数据就像是人类用来学习知识的教科书。“你的教材越全面，信息就越准确，学习效果就越好。其实机器也是一样的。”她认为，数据集本质上是人类把自己对世界和万物的一些认知和判断方法加载到数据中，然后让机器学习，让机器得到的对事物的判断结果更接近人类。在她看来，这就是数据公司的价值。
但在大规模车型热潮下，多模态能力成为关键词。何林表示，多模态数据是未来的一个方向。“多模态数据包含了更多更丰富的信息，判断机器也会提供更多的信息来源，但多模态数据(获取)也非常困难。”
她进一步介绍，首先，多模态数据要求量大，合规获取这些数据会比较困难；其次，多模态数据采集的设备也非常昂贵，这是对数据公司财务能力的考虑。另外，多模态数据对齐的问题和标准都是多模态数据的难点。
图片来源:公司官网
何林同意，多模态能力将导致数据公司的进入壁垒更高。“包括我们可能要做一些数据生成技术，把多模态数据和我们的一些单形态数据合成，这就需要公司有更高维度的研发能力。”
目前，何霖仍然认为数据的方向是海天瑞声未来的定位，因为这个领域要做的事情太多了。“随着技术的发展，每个行业都需要认真了解这个行业的‘诀窍’是什么，如何解决这个行业的一些关键痛点。这么多行业，我们有足够的拓展空间。”
深入行业需要公司具备一定的R&D能力。同时，进入行业，需要行业专家的参与，通过真实的项目打磨，然后逐步积累。“这不是一朝一夕的事情，需要一个长期持续的过程。”她说。
何林认为，通用人工智能总有一天会实现，但也需要一个过程。即使实现了该技术，也存在伦理问题、安全问题和合规问题。这些问题都解决了之后，解决行业的问题还有很长的路要走。
在这条路上，她相信数据公司会发挥越来越重要的作用。在这个过程中，算法可能相对稳定，但仍然需要大量不同类型的数据来训练算法解决行业问题。
《国家商报》
海天创始人何林:为大模型“火箭”加油|董事长访谈录每经记者:每经编辑:董·
■关联公司:海天盛瑞(SH688787，股价92.15元，市值56亿元)
■核心竞争力:具备标准化数据集产品的规模化生产能力，已完成1300多个具有自主知识产权的训练数据标准化产品的建设，稳居全球企业前列。多语能力布局和建立的比较早。
■机构眼中的公司:国内领先的AI训练数据提供商，自动驾驶业务打开增长空间。
■概念:数据服务人工智能AIGC
11.2公里/秒是火箭能够成功摆脱地球引力飞离地球的速度。瞬间燃料燃烧提供的驱动力是帮助火箭一次次加速，直到进入外太空。
海天盛瑞董事长何林在与《人人董事长访谈》记者交流时，觉得作为所有人工智能技术最上游的数据，它是人工智能火箭的“燃料”。海天盛瑞是一家生产“燃料”的公司。













广播





然后






打开循环回放









0










00点
/
00点





















清晰度/清晰度






速度






语言






多个音轨









隔空播放






画中画







网页全屏







全屏幕












可以刷新一下。













视频信息1.15.22



















播放信息
复制

上传日志


调试信息

[X]



视频id
视频
-

播放流
Flowid
-

全局唯一标识符
全局唯一标识符
-

回放内核
核心
-

视频CDN

-

显示信息
复活
-

帧数

-

缓冲健康

-

网络活动
网
-

视频分辨率

-

编码
多媒体数字信号编解码器
-

秘密
秘密
-








输入广告









广告被拦截插件误伤。
一个
以秒为单位播放

关闭拦截插件，恢复正常。








暂时不支持打开。请用微信扫码浏览。











微信扫描查看更多精彩。












































微信扫码查看更多































无法关闭广告...继续争取广告权...
我知道！

反馈


















视频加载失败，请点击重试。
单击重试。
















扫描代码了解详细信息














扫描代码了解详细信息




广告









































视频加载失败，请点击重试。
单击重试。





广告






按住图片移动小窗口x。
window . data . video arr . push({ "" title " ":"海天盛瑞创始人何林:为大模型"火箭"加油" |董事长访谈" "，" " VID " ":" q 3522n 1x 33 q " "，" " IMG " ":" http://。
海天盛瑞是中国最早投资AI训练数据的专业服务提供商之一。2023年，风起云涌的大型号浪潮将这家公司推到了资本市场的聚光灯下。在大潮中，何霖依然对未来持谨慎态度。
大模型狂热:第一印象很惊艳，但对预期“谨慎乐观”。
2023年初，何霖在海天盛瑞公司年会上的演讲，80%是由ChatGPT完成的。
“非常神奇，我不(敢)相信。”这是何霖对ChatGPT的第一印象。“当然，也有不尽人意的地方。我觉得这是我们应该努力的方向。”ChatGPT的出现，让这家数据公司一下子站到了资本市场舞台的中央。
2023年初至今，海天盛瑞股价一路上涨，3月份一度涨到191.96元/股，2021年8月上市时翻了一倍。另一方面，海天盛瑞多次在投资者互动平台上发布提示，称公司与OpenAI没有合作，目前还无法预测大模特业务会带来多少营收。
“年初的时候，我们还在仔细观察和论证这项技术对数据有什么样的需求。”何林认为，进入市场的合适时机应该是这个技术真正能在行业落地的时候，也就是说有真实的应用场景，而不是伪场景。“我们需要确保这种需求是真实的，有人会为此买单。这是正常的商业逻辑。”
同时，行业落地时间到来，对数据的需求也将迎来大规模的增长。“我认为这给公司带来的好处非常乐观。(目前)我们仍然以乐观和审慎的态度看待、跟踪和研究这项技术。”
“在判断一个行业的时候，我们会更深入地思考这个行业需要什么样的数据。只有把这个事情想清楚了，我们才会走过去。我们在自动驾驶领域的布局遵循了这个逻辑。”何林介绍。
自动驾驶产业的布局是海天盛瑞2021年设定的战略方向。在何霖看来，自动驾驶赛道已经符合这个判断逻辑。从L2到L4，自动驾驶已经有了相当多的应用，同时，自动驾驶的数据需求也是巨大的。
她判断，自动驾驶是一项危及生命的技术，安全要求非常高。它需要大量的数据来打磨和覆盖各种异常场景以保证安全，因为任何极端天气或极端场景都可能导致误判。“如何避免？它需要大量的数据来训练，让模型暴露在更多的长尾场景中，以提高其安全性。”
今年4月18日，海天盛瑞正式推出专为自动驾驶场景打造的全栈数据标注平台“DOTS-AD自动驾驶标注平台”。
数据需求增加的背后:系统性缺口依然存在
何林曾在中国科学院声学研究所工作，从事语音识别、语音合成、汉语理解、言语心理测试等方面的研究工作。
海天盛瑞成立于2005年，最初诞生于何林在这份工作中捕捉到的行业痛点。“当时，我们实际上遇到了研究小组(缺乏)数据的问题。解决方案是，员工加上研究生和博士生自己制作数据。”虽然当时实验室的数据量比较少，但已经是一项繁琐的工作了。
随着技术的发展，智能语音已经从实验室走向大规模应用阶段，对更多场景的覆盖需求意味着对数据的需求大规模增加。同时，在和以前一些在大企业或者研究机构工作的同事交流时，何林发现大家都很关心数据。“(大家)都认为数据是非常大的瓶颈，阻碍了他们的技术落地。所以我就在想，我有没有可能出来做这个，帮大家解决这个困难？”
如今，何琳觉得当时促使她创业的瓶颈依然存在。
在她看来，数据的需求是随着技术的发展而变化的。随着各行业的技术落地，会有更多的数据需求爆发。“像现在的大模型，很多人认为数据的差距是系统差距的一个很重要的原因，所以大家认为数据还是一个很重要的因素，这个瓶颈还是存在的。”
不同的是，和林创业之初，国内竞争对手少，海天盛瑞能够在市场上快速突围。如今，国内涌现出一批新的数据公司，先发优势成为当前数据公司核心竞争力的基础。“其实这个行业有很多技术壁垒和‘诀窍’，也需要不断打磨项目，才能沉淀自己的技术，学习各种‘诀窍’。这是项目积累的，不是短期内可以快速积累的过程。”
“燃料”的诞生:巨大参数支撑的大模型
海量数据如何最终成功支撑庞大参数的大规模模型运算？你需要先理解一个概念——数据集。
何林介绍，数据集的生成是一个非常复杂的过程，包括设计阶段、采集阶段、处理阶段和最终的质量检验阶段。
在设计过程中，需要知道数据集要解决哪个问题，这个问题需要什么样的数据，需要多少，需要什么样的场景，收集的样本、规模、内容，包括收集的设备、标注规格等等；采集环节是按照设计好的方案在世界范围内进行采集，可以是声音、图像、图片、手写文字、道路场景等。收集完成后，需要进入清洗和贴标环节。最后，产生的数据集需要经过双层质量检验过程，最终才能产生合格的数据集。
其中，清洗规则的质量和标注的准确性会极大地影响数据集的质量，进而影响模型的效果。
海天盛瑞人工智能基础数据创新服务基地图片来源:公司供图
何林举例说，海天盛瑞大模型的数据清洗率为5%，即正确数据仅为原始数据的5%，这也印证了数据清洗的重要性。贴标过程主要是解决准确性和一致性的问题。“我们通常说95%、98%或者99%，不同的准确率对模型训练的结果影响很大。”
“数据清理和标注过程对于模型的质量非常重要。它们可以提高数据的质量和准确性，帮助模型更好地学习，并为模型的评估奠定良好的基础。”何林说。
何林认为，高质量的数据包括数据的丰富性、场景的丰富性、数据的准确性和一致性等。，都是衡量高质量数据的标准。她也同意高质量数据的提供需要高质量人力的支持。
“有一些高质量的数据，尤其是行业数据，确实需要更高层次的人来处理。因为我们也了解到，像OpenAI这样的公司背后也有强大的数据处理团队，他们必须向数据灌输‘诀窍’或一些更高层次的知识。”她说。
浪潮的下一步:离开劳动力，实现智能化。
“有多少智力，就有多少人。”这句话还是被大多数人认可的。
在“燃料”制造商海天盛瑞，高质量“燃料”的诞生也需要最了解“火箭”的人来驾驭它。
何林介绍，海天盛瑞的管理层不仅有良好的学术背景，而且有外企或大型工厂的工作和管理经验。“他们曾经是数据的使用者。加入公司后，他们非常清楚用户需要什么样的数据，这让他们能够更快地预测市场，更好地与行业沟通。”
同时，她坦言，针对不同行业提供的数据，需要不同行业有专业知识的人来处理。“至少在初期，包括规则的讨论、标签的打磨、标准和尺度的把握，都需要专业人士。但是规则定下来之后，可能会进行一些培训，让基础人员具备这样的培训能力。”
但在何霖看来，“有多少智能就有多少人”是一种误解。“的确，这个行业有很多人力，但是人力是在技术的支持下做这些事情的。如果没有技术支持，人力需求可能是现在的10倍以上。因此，我们的综合数据服务提供商一直在追求以更加自动化和智能化的方式完成数据的任务，不断解放人力。”
图片来源:公司供图
何霖希望人工智能的参与度可以一步步降低，大模型的浪潮正在加速这个目标的实现。"让计算机自动处理数据一直是我们的追求."
据她介绍，公司也在讨论未来两大工作方向。一种是创建一批通用和垂直领域的数据集产品，具有单模和多模属性，供大型模型使用。此外，海天盛瑞还计划启动垂直大模型数据生产的研发项目，希望利用大模型技术支持数据生产。“每个人都说大模型将对许多垂直行业产生重大的积极影响。其实数据处理本身也是一个垂直行业。我们希望利用大模型的能力，更加自动化地进行数据处理。”
“人工智能的背后是人工”也有可能改变。“背后还是有大量的人力，但我们一直在想办法减少。包括增加很多算法来提高预标注数据的准确性。准确率越高，人工参与程度越低。”
但何霖也承认，这并不容易。“其实这个东西如果真的做了，人工智能就完成了。因为不需要人为干预，相当于它处理的和人想的一样。”另一方面，当技术达到一定突破时，伦理、监管、安全等问题就会出现。如何解决这些问题，也是未来整个人工智能行业的难题。
变革的新机遇:多模式需求将推高行业门槛
每次火箭发射都需要大量的燃料助推。
何林认为，当人工智能技术迎来新的变革时，对数据提供者来说是一个机会。“我觉得也可能是基于某种需要。比如苹果手机的siri出来后，大家会认为语音有一些突破，对这些数据的需求会激增。”
何林认为，在整个人工智能行业，数据就像是人类用来学习知识的教科书。“你的教材越全面，信息就越准确，学习效果就越好。其实机器也是一样的。”她认为，数据集本质上是人类把自己对世界和万物的一些认知和判断方法加载到数据中，然后让机器学习，让机器得到的对事物的判断结果更接近人类。在她看来，这就是数据公司的价值。
但在大规模车型热潮下，多模态能力成为关键词。何林表示，多模态数据是未来的一个方向。“多模态数据包含了更多更丰富的信息，判断机器也会提供更多的信息来源，但多模态数据(获取)也非常困难。”
她进一步介绍，首先，多模态数据要求量大，合规获取这些数据会比较困难；其次，多模态数据采集的设备也非常昂贵，这是对数据公司财务能力的考虑。另外，多模态数据对齐的问题和标准都是多模态数据的难点。
图片来源:公司官网
何林同意，多模态能力将导致数据公司的进入壁垒更高。“包括我们可能要做一些数据生成技术，把多模态数据和我们的一些单形态数据合成，这就需要公司有更高维度的研发能力。”
目前，何霖仍然认为数据的方向是海天瑞声未来的定位，因为这个领域要做的事情太多了。“随着技术的发展，每个行业都需要认真了解这个行业的‘诀窍’是什么，如何解决这个行业的一些关键痛点。这么多行业，我们有足够的拓展空间。”
深入行业需要公司具备一定的R&D能力。同时，进入行业，需要行业专家的参与，通过真实的项目打磨，然后逐步积累。“这不是一朝一夕的事情，需要一个长期持续的过程。”她说。
何林认为，通用人工智能总有一天会实现，但也需要一个过程。即使实现了该技术，也存在伦理问题、安全问题和合规问题。这些问题都解决了之后，解决行业的问题还有很长的路要走。
在这条路上，她相信数据公司会发挥越来越重要的作用。在这个过程中，算法可能相对稳定，但仍然需要大量不同类型的数据来训练算法解决行业问题。
《国家商报》