中新网上海7月17日电 (记者 孙自法 郑莹莹)作为人工智能(AI)时代的新型基础设施，中国科学院以秦统一六国后在中原建成全国最大粮仓命名的“敖仓·科技语料库”，7月17日在2026世界人工智能大会暨人工智能全球治理高级别会议期间正式发布，也被学界形象称为建语料“粮仓”、喂AI“好粮”。

建设国家级科技语料库

“敖仓·科技语料库”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，其发布也标志着中国支撑人工智能高质量发展的新型基础设施建设取得突破性成果。

国家级科技语料库敖仓发布现场。中国科学院文献情报中心 供图

据介绍，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。

科技语料库不是数据的简单堆砌，而是一项体系性极强、专业度极高、多单位协作的系统性工程。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，科技语料库建设具有较高的门槛与壁垒。

而人工智能赋能科学研究(AI4S)正在引领新一轮科研范式变革，加速各领域科技创新突破，其发展高度依赖于科技语料的有效供给。因此，建设国家级的科技语料库对于突破AI4S语料供给瓶颈，夯实人工智能数据基座，保障科技创新自主可控、抢占全球AI4S发展制高点具有重要意义。

中国科学院文献情报中心主任曲建升指出，在人工智能蓬勃发展的今天，“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。

他表示，“敖仓”完全打通了资源供给、加工生产、质量控制、安全流通、共享服务全链路，保障了科技语料可持续地对外提供普惠服务。

同时，语料库的价值体现在共建共享、有机生长。作为面向AI4S新型基础设施的国家级科技语料库，“敖仓”设计之初便立足于语料共建共享、可持续化运营，赋能科学研究和产业发展。

显现诸多场景服务成效

作为国家级语料库，“敖仓”底气十足：以数据供给为例，来源就超过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，并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。

“我们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，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。”曲建升表示，“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。

与此同时，“敖仓”的诸多场景服务成效已经显现。

面向科学发现场景，“敖仓”相关语料已多批次供给磐石科学基础大模型，助力大模型科学推理能力显著提升；还向智能化工大模型等多领域学科模型按需供给，有效支撑数学物理、化学化工、天文空间、地球科学、生命科学、前沿科学等领域取得显著进展。

面向智能应用场景，“敖仓”正在启动对多个通用大模型及领域应用大模型的语料供给工作，并已开始为相关医疗大模型提供支撑服务，助力其为医生、患者提供更为严谨规范的科学输出。

面向产业创新场景，“敖仓”正在针对商业航天、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。

展望未来，“敖仓”将建设国家级科技语料生态体系，探索公益与商业结合的语料运营模式，培育科技语料繁荣创新生态，赋能新质生产力跨越发展，为中国乃至全球科技创新与智能经济发展作贡献。(完)