由中國科學院文獻情報中心發起的語料創新生態聯盟（以下簡稱“聯盟”）近日在北京啟動，語料標准規范、敖倉·語料社區服務平台及英文期刊Data Express in AI Corpus等成果同步發布。當日，敖倉·科技語料庫分別與語料應用關鍵機構、國家人工智能應用中試基地簽署合作協議。

為什麼要干這件事？

答案不在語料本身，而在科研。

當前，人工智能正在改變科研范式。從實驗歸納、理論推演、計算模擬到數據驅動，再到AI與科學研究的深度融合（AI for Science，以下簡稱“AI4S”），科研越來越依賴大模型參與科學推理和知識發現。但大模型要“讀懂”科學，靠的不是通用互聯網數據，而是高質量科技語料。

而問題，也由此產生。

AI4S越深，為何越難繞過“語料關”

科研需要AI，AI需要什麼？

聯盟發起人、中國工程院院士孫凝暉開門見山：“智能的本質是數據的百煉成鋼。大模型就是對互聯網全量數據進行深度加工后的產物。但科技領域的語料不一樣，它有科學語義、有物理約束、有誤差信息，不是簡單匯聚就能用的。”

“與通用語料相比，科技語料來源更加多樣、專業語義更加復雜，對科學准確性、知識密度、模態關聯和可追溯性提出了更高要求。”中國科學院科技基礎能力局局長盧方軍進一步解釋。

現實瓶頸同樣突顯：高價值科技資源仍較分散，難以直接轉化為高質量科技語料。

“資源匯聚與授權機制有待完善，標准規范、專業加工、質量評價和安全流通能力仍需加強。”盧方軍解釋，科技語料連接原始科研資源與人工智能模型，是支撐模型訓練、科學推理和知識發現的重要基礎。

可見，建設高質量科技語料，已經成為發展科學智能、提升人工智能專業能力的重要基礎性工作。

單一機構為什麼難干成？盧方軍直言：因為語料供給方、技術研發方和應用需求方之間，缺少緊密的協同機制。這些問題靠一家單位解決不了。

往深一層看，競爭格局也在變。

中國科學院文獻情報中心黨委書記李猛力判斷，全球人工智能競爭正由單一技術和模型能力比拼，向模型、算力、數據與應用生態協同發展的綜合競爭深化。

由此可見，加快構建自主可控、開放協同、安全可信的語料創新生態，是夯實人工智能發展基礎、支撐高水平科技自立自強的重要舉措。

2026年7月17日，世界人工智能大會上，由中國科學院牽頭建設的敖倉·科技語料庫正式發布。聯盟的啟動，正是從“建庫”走向“建生態”的延伸——如果語料關不破，模型訓練便缺“精糧”，科研任務便缺“接口”，產業落地便缺“可信鏈路”。

迫切性，正在於此。

分散的科技語料，如何形成合力

建生態，不是簡單地把機構名單拉在一起。資源如何匯聚？標准如何統一？利益如何分配？

關鍵在“任務牽引”和“機制破題”。

中國科學院文獻情報中心主任曲建升表示，聯盟將以任務為牽引，探索“共建、共享、共贏”協同模式。具體來說，就是成員以資源、能力、專業、場景四類投入參與共建。各自的資源、技術和應用需求，匯聚為聯盟公共能力。再通過開放共享和能力反哺，共享語料工具、平台服務、共建成果與發展機會。

據了解，首批50家共建單位覆蓋國家實驗室、科研院所、國家級科學數據與文獻資源機構、地方政府、人工智能企業、數據基礎設施企業、出版與知識服務機構、語料運營企業及投資機構。

生態要協同，標准必須先行。

目前已發布的五類42項科技語料標准，採用“指導層—體系層—操作層”三級架構，覆蓋數據採集、加工處理、質量評價等全生命周期。

據悉，根據計劃，標准將率先依托聯盟先行先用，再逐步上升為行業標准。

標准立起來了，語料如何流動？這就需要一個承載規則的場所。

一方面，平台負責承載。敖倉·語料社區服務平台將打通正式語料與社區語料雙軌供給共享渠道，在統一規范、統一接口下對外服務。

另一方面，期刊負責鏈接。聯盟啟動當天，Data Express in AI Corpus宣布創刊，該刊旨在聚焦人工智能語料理論創新、技術突破、應用成效，探索期刊、學術會議和語料資源平台協同發展的學術交流與資源服務生態。

標准、平台、期刊三者協同，正是回答“誰供給、誰治理、誰使用、誰受益”。

語料庫建起來，如何真正用起來

從“建起來”到“用起來”，至少還有幾道坎。

第一道坎，是開放與安全的平衡。科技語料涉及科研數據、知識產權和國家安全，既要開放共享，又要可信可控。

多位專家坦言，標准規范、專業加工、質量評價和安全流通能力仍需加強。標准中的安全防護、開放協議、服務記賬、應用成效評價能否落地，決定生態能否行穩致遠。

第二道坎，是標准與利益的協調。42項標准先行先用，再上升為行業標准，路徑清晰。但不同機構、不同平台、不同領域能否願意用、用得好？

李猛力對此有清醒判斷：協同，意味著利益必須重新分配。授權機制、激勵機制和收益分配機制是否可持續，是繞不開的考題。

第三道坎，是公共能力的反哺。成員以資源、能力、專業、場景投入共建，最終要形成公共能力並反哺成員。

孫凝暉表示，聯盟要推動科技語料資源和加工能力的基礎設施化，建設國家高質量科技語料資源的戰略保障基地、國家智能就緒語料集成服務的協同樞紐。

如果隻停留在資源匯聚，不能推動模型迭代、科研任務和產業場景驗証，生態價值就難以充分釋放。

回答這些問題，仍要回到任務和場景。

曲建升表示，下一步聯盟將重點聚焦五大任務：聯合共建高質量科技語料，推進智能就緒科技語料集成服務，深化國家科技語料基礎設施協同建設，強化標准、質量與可信治理，開展AI4S模型與應用場景聯合驗証。

的確，聯盟成立只是開始。真正的考驗，是把“生態”從願景變成機制，從機制變成能力，從能力變成科研一線看得見、用得上的支撐。（記者 崔興毅）