ChatGPT是目前比较受欢迎的中文预训练模型之一，它采取了GPT⑵的预训练方法，并在中文语料库上进行了优化。那末，ChatGPT数据库有多大呢？

ChatGPT的训练数据主要来自于维基百科等专业语料库，这些语料库是由志愿者或专业机构贡献的，涵盖了各种主题领域。根据ChatGPT官网的介绍，它使用了超过10TB的中文文本数据进行训练。这个数据量可谓是非常庞大，相当于10000部高清电影的大小，这也是ChatGPT能够在多个中文NLP任务上获得优良成绩的缘由之一。

除维基百科之外，ChatGPT的训练数据还来自于一些公然的中文语料库，比如清华大学THUCTC语料库、Sogou新闻语料库等等。这些语料库都是经过处理和挑选的，可以保证数据的准确性和质量。

需要注意的是，ChatGPT数据库的大小其实不是唯一影响模型性能的因素，还有训练算法、超参数等等。但是，庞大的训练数据对提升模型性能或者非常重要的。

ChatGPT数据库大小超过10TB，这也是它在多个中文NLP任务上表现出色的一个缘由。随着语料库的不断更新和扩充，ChatGPT的表现也有望进一步提升。