北京
人民网北京7月17日电 (记者赵竹青)320PB科学数据、1.5亿篇科技论文、1.2亿件发明专利……这些海量高价值知识经过精炼加工，如今汇聚于一座数字时代的“国家粮仓”。7月17日，在2026世界人工智能大会(WAIC)开幕当日，中国科学院“敖仓·科技语料库”正式发布，标志着我国支撑人工智能高质量发展的新型基础设施建设迈出关键一步。
人工智能赋能科学研究(AI4S)正在引领新一轮科研范式变革，其发展高度依赖于科技语料的有效供给。科技语料是对科学研究活动中产生的多模态科学数据与科技文献等进行清洗整编、解构重组、关联融合，提升语义密度与知识含量后形成的高价值智能就绪数据。由于数据模态多、知识密度大、质量要求高、加工治理难等特点，科技语料建设具有较高的门槛与壁垒。
“中国科学院率先行动，主动作为，在人工智能蓬勃发展的今天，牵头建设敖仓‘科技语料库’，体现了国家战略科技力量主力军服务国家重大战略需求、引领全球科研范式变革的使命担当。”中国科学院文献情报中心主任曲建升表示。
该语料库由中国科学院文献情报中心牵头，联合国内科学数据、科技文献领域内近百家优势单位和覆盖全学科领域专家共同建设。以数据供给为例，其来源就覆盖超过320PB的科学数据、1.5亿篇科技论文、1.2亿件发明专利和500万本科技图书的严谨知识，覆盖文本、图像、图表、公式、影像、化学式、波、谱、场等多种数据形态。
目前，敖仓构建了“1+7+N”总分库模式，即1个全学科数据知识融合的国家级总库、7个专业化深度提炼的领域分库与N个场景化关联的应用子库，通过建设科技语料描述、加工、评价、服务及运维的全流程标准，形成了数学物理、化学化工、天文空间、地球科学、生命科学、前沿技术、产业创新等全学科覆盖的内容就绪、计算就绪、可信就绪科技语料供给体系。
同时，团队创造性地提出基础语料、特征语料、知识语料三阶知识精炼模式，大幅提升语义密度和知识密度。曲建升介绍，“敖仓中高知识含量、高语义密度的语料，可以补齐大模型领域知识短板、校准逻辑推理偏差，使其输出符合科学基本规律与数理逻辑，具备领域专业知识与长程思考能力，提升多模态理解和跨领域交叉能力。”
秉持“场景驱动、边建边用”的理念，“敖仓”以赋能科学研究、人工智能应用与产业创新为核心使命，诸多场景服务成效已经显现。面向科学发现场景，相关语料已多批次供给磐石科学基础大模型，助力其科学推理能力显著提升，并向智能化工等多领域学科模型按需供给；面向智能应用场景，正启动对豆包、千问等通用大模型及科大讯飞等领域应用大模型的语料供给，并已开始为蚂蚁医疗大模型提供支撑，助力其为医患提供更为严谨规范的科学输出；面向产业创新场景，正针对商业航天、低空经济、智能制造、生物医药等领域开展语料加工服务，下一步将支撑元器件选型、超微病理诊断、高速列车外形设计等百余个行业应用。
“敖仓的建成对筑牢国家人工智能发展数据底座、实现高水平科技自立自强，具备不可替代的基础性、战略性价值。”曲建升说。未来，“敖仓”将持续为用户提供更科学严谨、更智慧专业、更灵活适配、更规范可信的语料服务，全面赋能我国人工智能产业与科技创新的高质量发展。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
