科研需要AI，AI需要什么

来源：光明日报

科研越来越依赖大模型的参与。但大模型要“读懂”科学，靠的不是通用互联网数据——

由中国科学院文献情报中心发起的语料创新生态联盟（以下简称“联盟”）近日在北京启动，语料标准规范、敖仓·语料社区服务平台及英文期刊Data Express in AI Corpus等成果同步发布。当日，敖仓·科技语料库分别与语料应用关键机构、国家人工智能应用中试基地签署合作协议。

为什么要干这件事？

答案不在语料本身，而在科研。

当前，人工智能正在改变科研范式。从实验归纳、理论推演、计算模拟到数据驱动，再到AI与科学研究的深度融合（AI for Science，以下简称“AI4S”），科研越来越依赖大模型参与科学推理和知识发现。但大模型要“读懂”科学，靠的不是通用互联网数据，而是高质量科技语料。

而问题，也由此产生。

AI4S越深，为何越难绕过“语料关”

科研需要AI，AI需要什么？

联盟发起人、中国工程院院士孙凝晖开门见山：“智能的本质是数据的百炼成钢。大模型就是对互联网全量数据进行深度加工后的产物。但科技领域的语料不一样，它有科学语义、有物理约束、有误差信息，不是简单汇聚就能用的。”

“与通用语料相比，科技语料来源更加多样、专业语义更加复杂，对科学准确性、知识密度、模态关联和可追溯性提出了更高要求。”中国科学院科技基础能力局局长卢方军进一步解释。

现实瓶颈同样突显：高价值科技资源仍较分散，难以直接转化为高质量科技语料。

“资源汇聚与授权机制有待完善，标准规范、专业加工、质量评价和安全流通能力仍需加强。”卢方军解释，科技语料连接原始科研资源与人工智能模型，是支撑模型训练、科学推理和知识发现的重要基础。

可见，建设高质量科技语料，已经成为发展科学智能、提升人工智能专业能力的重要基础性工作。

单一机构为什么难干成？卢方军直言：因为语料供给方、技术研发方和应用需求方之间，缺少紧密的协同机制。这些问题靠一家单位解决不了。

往深一层看，竞争格局也在变。

中国科学院文献情报中心党委书记李猛力判断，全球人工智能竞争正由单一技术和模型能力比拼，向模型、算力、数据与应用生态协同发展的综合竞争深化。

由此可见，加快构建自主可控、开放协同、安全可信的语料创新生态，是夯实人工智能发展基础、支撑高水平科技自立自强的重要举措。

2026年7月17日，世界人工智能大会上，由中国科学院牵头建设的敖仓·科技语料库正式发布。联盟的启动，正是从“建库”走向“建生态”的延伸——如果语料关不破，模型训练便缺“精粮”，科研任务便缺“接口”，产业落地便缺“可信链路”。

迫切性，正在于此。

分散的科技语料，如何形成合力

建生态，不是简单地把机构名单拉在一起。资源如何汇聚？标准如何统一？利益如何分配？

关键在“任务牵引”和“机制破题”。

中国科学院文献情报中心主任曲建升表示，联盟将以任务为牵引，探索“共建、共享、共赢”协同模式。具体来说，就是成员以资源、能力、专业、场景四类投入参与共建。各自的资源、技术和应用需求，汇聚为联盟公共能力。再通过开放共享和能力反哺，共享语料工具、平台服务、共建成果与发展机会。

据了解，首批50家共建单位覆盖国家实验室、科研院所、国家级科学数据与文献资源机构、地方政府、人工智能企业、数据基础设施企业、出版与知识服务机构、语料运营企业及投资机构。

生态要协同，标准必须先行。

目前已发布的五类42项科技语料标准，采用“指导层—体系层—操作层”三级架构，覆盖数据采集、加工处理、质量评价等全生命周期。

据悉，根据计划，标准将率先依托联盟先行先用，再逐步上升为行业标准。

标准立起来了，语料如何流动？这就需要一个承载规则的场所。

一方面，平台负责承载。敖仓·语料社区服务平台将打通正式语料与社区语料双轨供给共享渠道，在统一规范、统一接口下对外服务。

另一方面，期刊负责链接。联盟启动当天，Data Express in AI Corpus宣布创刊，该刊旨在聚焦人工智能语料理论创新、技术突破、应用成效，探索期刊、学术会议和语料资源平台协同发展的学术交流与资源服务生态。

标准、平台、期刊三者协同，正是回答“谁供给、谁治理、谁使用、谁受益”。

语料库建起来，如何真正用起来

从“建起来”到“用起来”，至少还有几道坎。

第一道坎，是开放与安全的平衡。科技语料涉及科研数据、知识产权和国家安全，既要开放共享，又要可信可控。

多位专家坦言，标准规范、专业加工、质量评价和安全流通能力仍需加强。标准中的安全防护、开放协议、服务记账、应用成效评价能否落地，决定生态能否行稳致远。

第二道坎，是标准与利益的协调。42项标准先行先用，再上升为行业标准，路径清晰。但不同机构、不同平台、不同领域能否愿意用、用得好？

李猛力对此有清醒判断：协同，意味着利益必须重新分配。授权机制、激励机制和收益分配机制是否可持续，是绕不开的考题。

第三道坎，是公共能力的反哺。成员以资源、能力、专业、场景投入共建，最终要形成公共能力并反哺成员。

孙凝晖表示，联盟要推动科技语料资源和加工能力的基础设施化，建设国家高质量科技语料资源的战略保障基地、国家智能就绪语料集成服务的协同枢纽。

如果只停留在资源汇聚，不能推动模型迭代、科研任务和产业场景验证，生态价值就难以充分释放。

回答这些问题，仍要回到任务和场景。

曲建升表示，下一步联盟将重点聚焦五大任务：联合共建高质量科技语料，推进智能就绪科技语料集成服务，深化国家科技语料基础设施协同建设，强化标准、质量与可信治理，开展AI4S模型与应用场景联合验证。

的确，联盟成立只是开始。真正的考验，是把“生态”从愿景变成机制，从机制变成能力，从能力变成科研一线看得见、用得上的支撑。