2026世界计算大会期间,华为“数智共昇 鸿湘有为”智启未来主题论坛在长沙举办。中国科学院院士、国际欧亚科学院院士、中国科学院生物物理研究所研究员陈润生在2026世界计算大会主题论坛上表示:“语料是AI时代的关键生产资料,需要重视底层原始创新与数据治理”。
这一发言从交叉科研视角切入人工智能的技术底座与产业条件,既涉及科研范式变化,也指向算力、模型、数据协同中的基础问题。对通信行业和科技产业而言,语料与数据治理由此不再只是模型训练的配套环节,而是进入AI基础设施和产业能力建设的核心讨论。
从科研范式变革到生产要素重估
陈润生指出,人工智能已成为驱动科技革命的核心力量,正深刻变革科研范式,并在生命科学、药物研发等领域取得突破性应用;同时,大模型涌现、幻觉等现象仍存在待解科学问题。这一判断把讨论从单一应用层拉回到基础层:AI能力提升不仅依赖模型和算力扩张,也依赖高质量语料供给和对数据要素的组织能力。
将语料称为“关键生产资料”,意味着数据不再只是被动的输入材料。在产业实践中,语料的规模、质量、结构、来源规范和安全边界,都会影响模型训练效果和行业适配度。尤其在生命科学、药物研发等知识密度高、专业门槛高的领域,语料质量与数据治理水平直接关系到AI应用能否从演示走向可靠使用。
数据治理与底层创新不可偏废
陈润生强调“需要重视底层原始创新与数据治理”,把两个常被分开讨论的问题放在同一框架下。底层原始创新涉及基础理论、算法架构和模型机理等层面;数据治理则涉及数据质量、标准规范、安全合规和流通使用等环节。二者并非彼此替代,而是共同构成AI持续演进的支撑条件。
对大模型而言,涌现、幻觉等现象说明,仅靠扩大规模并不足以解决全部科学问题。语料治理若停留在数量堆积,难以支撑高质量应用;底层创新若脱离高质量数据基础,也难以形成稳定能力。陈润生的表述提示,AI竞争不能简化为单一模型或单一算力指标的比较,而应回到生产资料、基础理论和治理能力的协同建设。
算力、模型、数据需协同推进
从通信与计算产业视角看,AI基础设施正在把网络、算力、数据中心、云服务和模型服务连接为整体。语料作为关键生产资料,其采集、治理、流通和安全保障,需要与算力供给、模型开发形成协同。陈润生提出把握算力、模型、数据协同机遇,正对应这一产业趋势。
这一协同并非自然发生。数据治理需要规则和标准,底层创新需要长期投入,算力资源需要高效调度,模型能力需要与行业知识结合。对行业从业者而言,陈润生的发言提供了一个克制而明确的判断:AI时代的竞争,不只是模型参数的竞争,更是语料质量、数据治理和底层原始创新能力的竞争。把这些基础工作做实,才能为AI在科研和产业中的持续应用提供支撑。
热门跟贴