中文在线发布全球首个万字大模型，优质内容在AI时代如何突围？

10月13日，中文在线集团对外公布全球首个万字大模型“中文逍遥1.0”。这同样是中文在线推出的首个AIGC（人工智能生成内容）产品，首席技术官吴疆将它的技术优势总结为“三个一”：一键生成万字小说，一张图片写一部小说，和一次读懂一百万字小说。

中文在线创始人童之磊在演讲中表示，中文逍遥不仅对现有作家赋能，还通过降低小说写作门槛让普通人拥有进入内容创作的入场券，此外还提高文学创作者的“盈收能力”。他认为，让创作者赚到应得的体面的报酬，是内容爆发，好作品层出不穷的最大密码，“在创作领域，能帮助创作者赚到钱的大模型，才是好模型。”

AI创作与海量内容时代，优质内容价值更大

童之磊提出，中文逍遥解决的第一个需求是让作家的创作更容易、高效，创作出更好的作品。“过去也许作家一天可能只能写几千字，现在可能就写上万字。过去作家可能会在某个构思上进入到卡文的状态，但是中文逍遥大模型能够帮助提供更多的构思，也许可以让作家茅塞顿开，创作出更好的作品，这对广大作家来说是一次‘AI福利’。”

他还提到，中文逍遥不仅面向作家，也面向普通人，让内容创作体现出更加繁荣的生态，这对内容创作来说是巨大的促进。发布会上，中文在线产品经理林昊也透露自己使用中文逍遥后的写作收益情况。现场图片显示，截至10月11日，林昊一共写了3万字，累计收益403.53元，截图当天的日收益是218.86元。童之磊以一天100元的副业收入推算，使用中文逍遥辅助网文写作的话，一个月至少能挣3000元。

面对AI创作带来的网文供给激增，甚至内容同质化隐忧，童之磊表示，没有读者能够阅读市面上所有的网文作品，甚至阅读十分之一、百分之一的作品都很难。以中文在线顶级编辑为例，他们一年的阅读量也只能看万部作品。童之磊认为，中国目前每年产生数以百万计的网文作品，早已进入海量内容时代，催发出一套行之有效的内容筛选机制，“无论是十万、百万，甚至更多作品，它都会通过机器和人的选择来解决。”

另外童之磊也承认，内容大爆发之际，想要脱颖而出的确更加困难，这对优质内容来说也一样。但他表示可以从反向逻辑来理解这一内容竞争现象，“如果是一个优质的、头部的内容，那么它的价值将会更大。”

中文在线2022年年度报告提出“决胜IP”的战略。今年6月28日，中文在线又以51%的股权宣布成为“寒木春华”控股股东，取得优质动漫IP《罗小黑战记》的版权。童之磊在采访中也表示，中文在线未来会加大对优质内容的投入。

版权保护，AI亦有责

在回答贝壳财经记者有关版权的提问时，童之磊透露，今年5月中文在线与中国版权协会召开座谈会讨论了AI数据的知识产权保护问题。他表示，大模型训练数据的合法性是一个前沿问题，中国乃至全球都非常关注这个问题，也因此产生了许多司法实践，但全世界都没有形成百分之百的共识。

童之磊表示，在建构中文逍遥大模型过程中，中文在线把知识产权和数据保护放在非常重要的位置。他还表示，自诞生以来，保护知识产权一直都是中文在线的惯例。

在AI内容创作的反盗版方面，童之磊表示，中文在线此前已经基于自有的区块链技术建立起版权保护的防线，未来也会将AI技术运用到自身的知识产权保护工作中。

有关大模型的训练数据，童之磊还提到，探索高质量数据是全世界所有AI公司或大模型公司的课题，目前大家真正对标的对象只有OpenAI。从公开的ChatGPT-3.5来看，ChatGPT的数据来源有三个，一是维基百科，二是图书，三是期刊。其中，维基百科属于公开的数据。

童之磊表示，中文逍遥的训练数据也主要由上述三类数据构成，即公开数据、图书和期刊。首先，中文在线创立快23年以来在图书和期刊领域积累下许多有价值的、能够满足需要的数据，包括文字和图片内容。其次，中文在线获取了开放性的公有数据，例如版权进入公有阶段的数据。最后还加上与中文在线合作的第三方数据，包括出版社、音频内容提供机构等等。

据官网，中文在线目前拥有550万种以上的数字内容资源，以及60TB的文字、音频、视频数据。童之磊在发布会和采访中进一步透露，中文在线的高质量图书出版物数据超过100万种。

吴疆也表示，从技术角度来讲，大模型需要经历一个不断训练数据，不断调试和迭代，跟好的目标、内容看齐的过程。

文章转载自”新京报“，作者 韦英姿