目前國內科技互聯網頭部企業主要基于公開數據及自身特有數據差異化訓練大模型。具體 而言，百度“文心”大模型訓練特有數據主要包括萬億J的網頁數據，數十億的搜索數據 和圖片數據等。阿里“通義”大模型的訓練數據主要來自阿里達摩院。騰訊“混元”大模 型特有的訓練數據主要來自微信公眾號，微信搜索等出色數據。華為“盤古”大模型的訓 練數據出公開數據外，還有 B 端行業數據加持，包括氣象，礦山，鐵路等行業數據。商湯 “日日新”模型的訓練數據中包括了自行生成的 Omni Objects 3D 多模態數據集。