中国AI的新瓶颈不是芯片，而是中文训练数据快不够用了。

事件核心：发生了什么

The Next Web的一篇分析指出，继先进制程芯片之后，数据正成为中国AI的新瓶颈。据W3Techs统计，中文在全球网页内容中的占比仅为1.3%，而英文接近49%；西班牙文占6%，日文占5%。研究机构Epoch AI估计，全球高质量公开文本可能在六年前后耗尽；OpenAI联合创始人Andrej Karpathy也提醒，本十年末将遭遇“数据墙”。

中国的数字生态让短缺更加突出：微信和抖音不向第三方开发者开放数据，AI实验室只能退而求其次，使用质量更低的中文语料。作为回应，国家数据局今年6月发布了一项全国性计划，目标在2028年前建成覆盖制造、能源、医疗、金融、农业、自动驾驶和具身AI等领域的高质量训练数据集。中国信通院院长余晓晖明确表示，AI时代的竞争不仅取决于模型和算力，还取决于高质量数据供给体系。

与此同时，出版行业正在收紧授权。华夏出版社在一本新译作中新增声明，禁止将该书内容用于人工智能训练，违者将被追究法律责任。

为什么重要

芯片受限时，尚可通过架构优化、推理成本控制等软件手段部分缓解，但数据问题没有类似的“硬件替代方案”。如果中文高质量语料供给跟不上，国内大模型在训练阶段就处于劣势，推理效果、知识密度和长文本能力都会受影响。

这也解释了中美模型差距的另一层原因：美国不仅有英语数据优势，Anthropic的Project Panama还曾购入并销毁数百万册纸质书以完成扫描，形成版权清晰的训练语料。而中文大模型开发者既要应对语料总量不足，又要面对数据平台封闭、版权方加强限制等多重约束。

值得强调的是，中国政府已将数据视为战略基础设施，2028年国家数据集计划若能落地，可能显著改善基础语料的规模和规范性，但“有数据”和“高质量数据”之间仍存在差距。

对用户/开发者/创作者的影响

对中文大模型开发者和API调用方而言，训练数据短缺可能推高高质量中文token的实际成本，模型在中文知识问答、古籍理解、方言处理等任务上的表现升级会更慢。目前公开信息显示，国内开发者单位有效token的支出已高于西方同行。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对普通用户来说，短期内影响不明显，但随着数据墙临近，中文AI在长尾知识、小语种方言、近期时事等方面的回答质量可能先于英文模型触顶。对内容创作者和出版机构而言，数据授权正从法律模糊地带走向明确收费边界，华夏出版社的声明可能成为行业效仿的先例——未来用于AI训练的中文文本可能需要单独购买授权。

值得关注的后续

有三件事值得跟踪：其一，2028年国家数据集计划是否会对公众或企业开放使用，以及开放后的授权价格和合规要求；其二，微信、抖音等平台是否会在政策推动下向研究机构开放脱敏数据；其三，中文出版机构是否会联合建立类似版权集体管理的数据许可机制，改变目前单本书逐一授权的零散局面。

来源：The Next Web