杨文全
随着人工智能技术加速迭代演进，高质量数据语料成为新型战略资源，正在经历新型资源筑基、新型需求调整、新型竞争加剧的关键发展阶段。高质量数据语料是人类知识和信息在智能互联网络空间的存储、管理、运用新形态，事关生成式人工智能意识形态安全，事关数据新型生产要素和数据新质生产力作用的发挥，事关主权人工智能发展。
筑基人工智能赓续人类智能
数据语料是人工智能大模型预训练、内容生成和算法开发的基础性信息资源，其规模、质量和安全性对人工智能大模型能力起着决定性作用，其数据资源、要素资源、基础资源和战略资源价值日益彰显。数据决定智能程度，数据驱动智能决策。数据语料包含数据资源，也包含语言资源，在科技创新、产业创新、经济发展等领域发挥着数据资源价值。数据是发展新质生产力的关键生产要素，是数字化、网络化、智能化的基础，已深度融入生产、分配、流通、消费环节，成为发展新质生产力和智能经济新形态的重要支撑和关键引擎。
人工智能的“知识存储”和“推理”“规划”，本质上是对数据语料的统计归纳和关联计算。数据语料是大模型训练进化所需的基础资源，是人工智能习得语言规律的“活教材”，是人工智能实现语义理解的“时光隧道”，是人工智能赖以增强推理能力和认知、理解世界的“知识宝库”。大规模、多样性、高质量、安全可信的数据语料资源，成为训练自然语言处理模型和人工智能系统的基础，决定着人工智能系统性能和应用效果。
语料作为文化信息载体，天然具有意识形态属性，训练语料决定着人工智能生成内容的政治方向、舆论导向、价值取向。大模型在从海量语料中学习语言模式、拆解知识逻辑的同时，也从其中延续立场偏好、汲取价值判断。语料决定着模型的事实认知与政治叙事，决定着模型生成内容的舆论导向和价值取向。人工智能通过内容生成和传播，正在深刻影响人类意识形态，也正在深刻影响世界科学技术和思想文化创新链。加快建设国家主流价值语料库，是在人工智能领域捍卫政治安全、文化安全和意识形态安全、数据安全的重要保障。加强引领价值、权威专业、面向未来的人工智能公共数据资源供给，对于筑牢人工智能意识形态阵地，具有重要的战略意义和现实意义。
调整实力对比影响发展态势
数据语料是支撑人工智能大模型训练、提升大模型能力的关键资源，其规模和质量决定着大模型性能，事关我国人工智能国际竞争力构建。随着大模型蓬勃发展，高质量数据语料成为支撑人工智能持续进化的新型需求，成为人工智能领域调整实力对比、影响发展态势的新型竞争力。但是，供人工智能大模型训练的优质数据资源还呈分散状态，高质量中文语料、专业领域数据供给不足，成为国产人工智能大模型性能提升的主要瓶颈。研究数据显示，在全球网站中，英文占比高达59.8%，而中文仅占1.3%。在人工智能数据语料领域的国际竞争中，机遇与挑战并存，在相关文件规划引领下，我国高质量主流价值数据语料资源开发成型起势。
教育部、国家语委、中央网信办印发的《关于加强数字中文建设 推进语言文字信息化发展的意见》提出，到2027年，基本建成国家语言文字大数据中心，初步建成国家关键语料库和国家战略语言资源信息库。《意见》提出实施国家关键语料库共建共享计划，开展战略性语言资源建设，建设国家战略语言资源信息库。《意见》部署实施数字中文五项专项行动，重点推动生成式人工智能、多模态信息处理、语言理解与生成、跨语言跨模态翻译等方面的技术创新，强调服务国家文化数字化战略。
赛道争夺亟须系统施策
随着人工智能加速迭代，高质量数据语料已经成为全球资源竞争新赛道。数据语料是智能水平持续提升的“源头活水”，其战略价值日益凸显，赛道争夺加剧。掌握人工智能数据语料资源竞争主动权，亟须统筹高质量与实用性、本地化与国际化、协作化与工程化建设。
一是高质量、实用性统筹兼顾。人工智能大模型和智能体在各领域落地应用，日益提高生产效率和科研能力。高质量数据语料是大模型生成内容可信可靠的基石，能够降低和抑制“幻觉输出”，同时也是大模型生成内容具备使用价值的基础和前提，是生产、科研等各类场景的刚性需求。2023年以来，针对大模型生成内容时普遍遇到的意识形态安全问题，传播内容认知全国重点实验室作为人工智能领域国家战略科技力量，依托党和国家重要文献资源，依托人民日报以及人民网等社属媒体长期建设形成的新闻、理论、评论、政策解读等优质资源，经过科学采样、归集、清洗、标注、定制、风控，精心建设主流价值语料库，为国产大模型同国家主流价值观对齐持续提供安全语料支撑、知识增强服务、发展护航。如今主流价值语料库已初具规模，得到众多大模型应用验证。2026年5月，在人民日报社指导下，人民网发起建立了主流价值语料生态联盟，旨在搭建一个共建共享、互利共赢的开放协作平台，成为连接政产学研各界的纽带，通过机制创新提升主流价值语料从供给、处理到应用，从标准、规则研讨到达成共识的效率提升。
二是本地化、国际化系统谋划。包括大模型在内的生成式人工智能，已经成为互联网传播新工具和新场域，开启了生成式传播、对话式传播和国际传播新范式，成为国内国际传播内容资源流动汇聚的新渠道、新平台。语料资源也遵循“越是民族的，越是世界的”文化传播力规律，汇聚着人类思想结晶和文明成果，是激发人类共情、共鸣并凝聚形成共识的文化载体。因此，高质量国际传播内容资源是数据语料的重要组成部分，成为生成式人工智能和大模型训练的特色支撑。加强数据语料资源开发建设，需要坚持本地化、国际化系统谋划，加强地域特色数据语料挖掘和归集，选译高质量国际传播语料，实现从地域特色资源价值到国际传播资源价值的转化。
三是协作化、工程化联动生产。高质量建设数据集和语料库，单一机构已无力覆盖多领域、多地域、多语种、多模态的实时海量数据语料需求，协作化生产是实现领域区域统筹、资源整合、构建合作共赢产业生态的创新路径。数据语料生产运营部门主动担当“协作枢纽”职能，通过机制和技术创新，把碎片化分散式数据语料提炼成高价值可复用公共产品。例如，人民网与贵州日报报刊社、贵州日报当代融媒体集团合作共建主流价值语料库(贵州)，持续提升主流价值在人工智能领域的传播话语权和引导力，筑牢大模型语料底座安全防线。人民网与大众报业集团、山东数字文化集团合作共建主流价值语料库(山东)和主流文化语料库，推动文化大模型的性能跃迁与数字文化产业高质量发展。党报、党网积极挺进人工智能大模型这一意识形态工作最前沿，进一步巩固壮大主流思想舆论，扩大主流价值影响力，加强主流价值内容传播。
当前，高质量数据语料已成为新型战略资源。加强高质量数据语料建设，亟须紧密结合深入实施网络强国战略、国家大数据战略和加快建设数字中国等战略任务，纳入“人工智能+”行动中大力推进；亟须站在维护国家数据主权、安全、发展利益与文化安全、科技安全和意识形态安全的高度，高质量建设新型国家语料库，不断满足人工智能发展需求，激发各行各业活跃创造。
(作者为人民网网上群众工作部副主任)
来源：中国新闻出版广电报