1 引言 人工智能(Artificial Intelligence，AI)作为新一轮科技创新和产业变革的核心驱动力，正在深刻重塑科学研究范式与知识生产模式。随着生成式人工智能、大模型以及智能算法的快速发展，人工智能与科学技术的深度融合已成为各国提升原始创新能力、抢占未来科技竞争制高点的重要战略方向。为此，主要科技强国相继从国家层面系统部署“人工智能+科学技术”的发展路径，通过强化算力基础设施、推动数据资源整合、培育交叉型人才体系等方式，全面加速人工智能赋能科学研究与技术创新的进程。 2025年8月26日，中国《国务院关于深入实施“人工智能+”行动的意见》[1]明确提出实施“人工智能+科学技术”行动，强调以人工智能赋能基础研究、应用研究与技术创新关键环节，加速科学发现进程。该意见将“加强数据供给创新”“持续加强人工智能高质量数据集建设”“提升跨模态复杂科学数据处理水平”等列为重要任务，凸显了高质量数据资源在“人工智能+科学技术”战略中的基础性地位。2025年11月20日，英国政府发布《AI促进科学战略》(AI for Science Strategy)[2]，以发展人工智能驱动科学的前沿能力、巩固英国全球科学领导地位为目标，围绕工程生物学、聚变能、材料科学、医学、量子技术五大优先领域，以数据、计算、人才与文化为三大支柱，定向投资1.37亿英镑以加速AI驱动的科学突破。2025年11月24日，美国政府正式启动人工智能“创世纪计划”(Genesis Mission)[3]，该计划由美国能源部(Department of Energy，DOE)牵头[4]，整合17家国家实验室的超级计算机资源、联邦政府长期积累的海量科学数据、云端AI计算环境与机器人实验室，构建统一的“美国科学与安全平台”(American Science and Security Platform)，以推动生物科技、材料科学、核能、半导体与量子信息等关键领域的智能化科学发现。上述国家战略表明，人工智能已从通用技术跃升为引领科学研究范式变革的基础性力量，而高质量数据及语料资源成为支撑这一变革的关键底座。 与此同时，科学研究正在由以实验、理论与计算为核心的传统范式，迈向以数据与智能深度融合为特征的新范式。科学智能(AI for Science，AI4S)或智能科研(AI for Research，AI4R)[5]作为“人工智能+科学技术”的集中体现，正在系统性重构科学研究的内容、方法与组织方式。在模型构建、知识推理、科学发现、规律挖掘以及科研评价等关键环节，人工智能对数据规模、数据质量、语义标注、结构化程度、跨模态融合能力与可获取性提出了前所未有的高要求[6]。尤其是在生成式人工智能广泛应用的背景下，支撑模型预训练与智能推理的核心资源已从一般意义上的“数据”，进一步演变为具有明确语义结构、学科知识背景与可计算特征的高质量“计算语料”(computable corpus)。这类语料涵盖论文、标准、专利、科技报告、数据集、技术文档等多种内容类型，也包括文本、科学数据、实验记录、视频、图像、表格、公式、代码等多种知识形态。 纵观学术界和产业界，人工智能语料建设已取得显著进展。在通用领域，文本、图像、语音与多模态大规模语料数据集快速扩充，典型代表包括LAION-5B[7]、Common Crawl[8]、ImageNet[9]等。同时，采集、清洗、标注与语义建模等关键技术也不断成熟，显著提升了语料构建的自动化与智能化水平。在垂直领域，医学、农业、材料化学、金融学及语言学等专业语料库加速涌现，例如上海交通大学构建的多语言医疗语料库MMedC[10]、联合国粮食及农业组织开发的AGROVOC关联开放数据集[11]以及材料科学领域的Materials Project开源数据库[12]等。这些语料库在内容质量、结构化程度与知识表达能力方面持续提升，为模型训练、智能分析与行业应用提供了坚实基础。 然而，人工智能语料建设仍面临诸多挑战。首先，语料供给总体不足且质量参差不齐，高价值与多模态资源更新滞后；其次，语料流通体系受制于基础设施条件与治理能力，共享效率偏低，全生命周期安全保障有待加强。此外，在应用环节，语料在质量可信、合规可控与场景适配方面存在短板，导致“不能用、不敢用、不好用”等问题普遍存在[6]。同时，语料开放共享需要在知识产权、数据安全与伦理要求之间取得平衡[13]，跨学科融合进一步加大了标准化、语义一致性与持续更新的复杂度。随着模型规模不断扩大、能力持续提升，对语料来源的可追溯性、训练过程的可解释性与结果输出的可信性也提出了更高要求[14-15]。总体而言，人工智能语料建设是一项贯穿信息资源采集、加工、组织、治理、流通与应用全链条的系统工程。 图书馆作为长期承担信息资源采集建设、收藏管理与开发利用职能的专业机构，应在既有数字图书馆建设基础上，进一步拓展对人工智能语料的系统化采集加工、规范化收藏管理与专业化开发利用。这一转向既是科学研究范式与技术环境深刻变革所提出的外在要求，也是图书馆顺应技术演进、实现职能拓展与服务升级的内在动力。在人工智能时代，图书馆参与语料建设与服务，体现了其组织对象、服务对象和服务功能的延伸：①馆藏资源体系在传统文献信息资源基础上，进一步延伸至开放学术资源、科学数据集、技术文档以及网络知识资源等多元类型；②图书馆服务对象由以“人”为中心，逐步演进为同时面向“人—机”交互，主体是面向“机”的服务格局；③图书馆文献查证、收录引证、版本保存等传统专业服务，向人工智能语料的规范管理、安全保障、来源溯源、存证固化、可信校验与长期保存等领域拓展[16]。进入人工智能时代，图书馆将出现新的类型或形态，可称之为“人工智能语料图书馆”(AI corpus library)。
