我們都知道，AI的發展離不開大量的數據。大數據和大模型構成了AI的兩條腿，缺一不可。一提到AI，就會說訓練模型的數據量有多大，到目前為止頂尖AI訓練模型的數據參數規模已經到了萬億級別，不可謂不大，可以說是真的大數據了。
然后AI卻不一定是數據越多，模型越大就是最好的，在很多場景下，尤其是在傳統行業，基于公開數據進行預訓練的大模型好像就不靈了。很多時候，并不需要那么多的數據，數據量大反而會裹挾很多用不到的數據，影響運算效率和最終的產出。
隨著各國的數據和隱私安全法規的紛紛落地，能拿到的公開數據量或者能夠合法使用的數據量，已經不能跟前幾年同日而語，AI的大數據紅利期已經過去。
根據Gartner的報告，到2025年，70%的組織將被迫將重點從大數據轉移到小數據和泛數據，并減少AI對數據的需求。但這并不意味著大數據以及AI的發展會止步不前。
以往的大數據一味地追求數據參數規模大，對數據質量的把控比較薄弱，在數據應用方面也不夠普遍。反而小數據和泛數據更符合國內企業的實際，可以根據具體的場景構建特定的數據模型，從而生成商業洞察和實現自動化決策。
而目前，小數據的處理方案也是多種多樣，常見的有少樣本學習、知識圖譜、遷移學習、自監督學習、合成數據等。
大數據固然好，但小數據才是常態，尤其是在各國陸續出臺針對個人數據保護的政策法規之后，大規模收集個人相關的數據收集開始變得很難。但即使這樣，通過科學的數據采集、數據治理，小數據也一樣可以發揮大作用。
光點科技自主研發的GI大數據中臺系統，就是幫助客戶把海量分散且異構的數據建立數據標準，統一口徑后采集存儲起來，再通過大數據、機器學習等方式進行價值提煉，形成企業數據資產，為政企單位的商業洞察和自動化決策提供支持，賦能前端業務。
數據無疑已經成為了這個時代最重要的生產要素，作為政企單位重要的戰略資源，那些優質的小數據，即使參數量級不大，潛力也不容小覷，在不遠的未來必將發揮更大的價值。
