■本报记者 赵广立

人工智能赋能科学研究（以下简称AI4S）作为人工智能“皇冠上的明珠”，正在引领新一轮科研范式变革，加速各领域科技创新突破。然而，作为科研新范式必备工具，其发展高度依赖科技语料的有效供给。

近日，在2026世界人工智能大会期间，由中国科学院文献情报中心牵头，联合国内科学数据、科技文献领域近百家优势单位和覆盖全学科领域专家共同建设的中国科学院“敖仓·科技语料库”（以下简称敖仓）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取得突破性成果。

“高质量科技语料库已经成为人工智能领域战略性稀缺资源。”中国科学院文献情报中心主任曲建升表示，建设敖仓的目的，就是要建好科技语料“粮仓”，给AI4S喂“好粮”。

建成国家级语料库的“底气”

什么是科技语料？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（AI-Ready）数据。

曲建升说，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。然而，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。

目前，中国科学院拥有国内最大的科学数据产出与储备体系、国内最全的科技文献资源建设与保障体系，具备由高水平、全学科的科研队伍形成的专业化语料加工治理能力，以及广泛的科学应用场景。

正是依托中国科学院的建制化、体系化优势，敖仓才有了建成国家级语料库的“底气”。以数据供给为例，其来源于超过320PB的科学数据、1.5亿篇科技论文、1.2亿项发明专利和500万本科技图书，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。

“中国科学院牵头建设敖仓，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。”曲建升表示，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，具有不可替代的基础性、战略性价值。

不是数据的简单堆砌

敖仓之名，源自古代位于河南荥阳的粮仓，是秦统一六国后建成的全国最大粮仓，承担着汇聚天下粮储、保障国家供给的战略使命。

如今，敖仓致力于打造国家级科技语料“粮仓”。

曲建升告诉《中国科学报》，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。

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，并通过制定科技语料描述、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、生命科学等全学科覆盖的“内容就绪、计算就绪、可信就绪”的科技语料供给体系。

“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。”曲建升说，为给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，建设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。

曲建升说，正是依托这套全栈自研的语料库技术体系，敖仓实现了从原始数据到智能就绪语料的高效加工转化，为下游应用奠定了坚实基础。

场景驱动，边建边用

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。

据介绍，秉承“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，在许多场景的服务中已经显现成效。

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；同时，对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新进展。

面向智能应用场景，敖仓已经开始为蚂蚁医疗大模型提供支撑服务，助力蚂蚁阿福为医生、患者提供更为严谨规范的科学输出；同时，敖仓团队正在启动对豆包、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工作。

面向产业创新场景，敖仓正针对商业航天、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。

谈及未来发展，曲建升表示，敖仓将坚持科技语料“共建、共享、共用”原则，强化高质量科技语料加工能力，丰富AI4S创新应用场景，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，为我国乃至全球科技创新与智能经济发展贡献科技语料库的支撑力量。