数据评估AI大模型应用与实践

百度智能云行业解决方案总监

李超

各位领导，各位朋友下午好，我今天汇报的题目叫数据评估AI大模型的应用与实践。首先前面包括刘主任、汤总从数据要素制度，数据价格机制方面给我们做了非常精彩的陈述演讲。作为一个企业，其实我们更希望按照制度框架提高数据的应用效率。通过提高这样的应用效率，从而提高整个数字经济的运行效率。

第一，人工智能与数据有密不可分的关系。

人工智能有三要素算法、算力、数据，没有数据就没有人工智能。反过来人工智能模型形成之后，也在为数据的高效运转，经济的高速发展提供助力，这是作为第五要素关系。

从数据的价值角度来说，应该说从整个数据要素的发展它的整个流通经历了从数据资源到数据产品到数据资产，最后到金融，是一个完整的过程。数据本身的形态也在发生着不同的变化。数据资源我们叫零阶数据，是一些原始数据。通过数据治理就形成了一阶数据，这些一阶数据可以经过脱密具有一定的初步价值。一阶数据再进行加工就可以形成数据产品数据服务就形成了二阶数据。这个数据其实像用户画像就属于二阶。

再往后发展，数据还可以深加工形成数据模型，这是更高阶的数据。所以数据价值评估里涉及不同阶段，对于数据价值评估方式、关注因素其实不一样及数据价值的形成，不仅仅是价格本身，其实还关系到数据的合规性，包括数据影响，整个质量的提升，整个过程是一个非常完整复杂的过程。

也就是说数据价格其实未来会在整个的数据要素，在生产、交易环节中会发挥重大作用。所以对于数据价格的评估，这里面就会涉及整个数据生产、交易各个环节。数据资源管理阶段，更多要依赖于数据成本投入。比如说采集数据、存储数据、数据的传输都需要化肥成本。数据治理过程中需要投入大量的数据治理产品，人力等等这也是数据成本，这时候在数据成本法对数据价值评估就会起到关键性作用。

但是到数据的资产管理阶段，实际上是数据流通，数据资产化之后形成了更高的附加价值。它推动的是这个数字业务指数发展。传统的成本法评估对于资产化评估就有很大的局限性。所以未来像市场法、收益法其实在数据资产管理里，将会发挥更大作用，这是整个数据评估里涉及这样多个方面。

人工智能对于整个数据评估过程也是有充分的结合，无论是形成模型的过程，还是通过模型对于整个评估过程提高效率的过程，这个都是相互的。在整个数据评估上涉及六个评估方面，包括数据治理的评估。对于评估效果、评估治理方式、治理合规性价值进行评估。数据质量评估是对数据以后未来价值高低重要的评估依据。

数据价值评估其实就是我们要采用不同的市场分析方法对价值进行合理的评估方式。最后涉及安全合规业务影响的评估，也需要结合包括政策、标准以及行业生产的流程等等进行综合分析。

第二，数据大模型对于合规评估产生的模式大模型的发展，从传统的认知智能到大模型其实是感知智能，它具备了更多的能力。这个能力里包括各种生成能力、理解能力。所以评估工作其实需要大量人工智能能力的支持，这里面就可以利用现在各种大模型去做合规性，包括安全性、数据质量等方面进行综合分析。

这里面整个可以构建治理风险合规的框架。具体的操作里就可以把大模型能力从基础的法律法规政策的理解包括对法律法规政策的理解以及提供管理模板分析，同时还可以结合评估具体内容，提供专门的快速的大模型模板，这个就可以快速提升评估效率。

这里面设置的模板非常多，只是举了一些例子，像保险审计，风险整理评估模板。整个评估过程其实涉及像取证、制度包括整个评估过程都可以用大模型进行一键化。评估完可以快速形成多种资源互动，最后形成完整的评估报告，这些都可以自动生成。

这些过程中还会涉及大量风险提示，在数据价格形成过程中会涉及有些风险。比如以前我们拿着一张硬盘就可以评估出几千万的价格。这个就存在前面没有做充分的评估工作，所以后面通过大模型能力把我们制度和数据资产以及实际的投入情况、运营情况进行充分结合，可以快速形成可信的评估机制。

其实还有像大模型的问答能力，也是可以把我们现行各种制度以及通过制度标准解读，为未来的数据价格评估工作提供指导。我相信未来人工智能一定是和数据紧密结合，通过人工智能模式提升数据采集、生产、利用的效率，从而通过提升流通速度，提升数据质量，从而提升数据真正的价值。

谢谢大家。

（以上内容根据嘉宾发言速记整理）