MOONSHOT月之暗面公司的Kimi助手取得巨大突破，无疑也得益于AI语料的不断训练。AI语料，即人工智能语料库（Al Corpus)，是指用于训练和评估人工智能系统，尤其是自然语言处理（NLP）系统的一系列文本、语音或其他语言数据。
一、AI语料库
语料库里的数据可以是结构化的，也可以是非结构化的，包括但不限于书面文本、口头对话、社交媒体帖子、新闻报道、学术论文等。
二、中文数字内容
1、数据将成为如ChatGPT等AI大模型的核心竞争力，高质量的数据资源可让数据变成资产、变成核心生产力，AI模型训练的生产内容高度依赖源头数据；
2、ChatGPT的中文答案不准确主要在于目前中文语料学习库少，ChatGPT 中文资料比重还不足千分之一，为0.09905%，而英文为92.64708%；
3、中文公开语料远不足英文，这也成为大模型训练的痛点。大量高质量中文数据资源（包括政务、教育、商业、科研、商品等）尚未共享给国外大模型；
4、政策进一步重视国内数据核心资产建设，部分外国用户对中国大陆知识基