泉源:新华社
国家数据局宣布的《关于推选行业高质量数据集建设行动的实验方案》指出，，，行业高质量数据集是推动“人工智能+”赋能千行百业，，，实现工业落地的基础性、要害性资源。。。国务院《关于深入实验“人工智能+”行动的意见》将“人工智能+科学手艺”列为六大重点行动之首。。。两份文件释放出一个信号：高质量数据是AI赋能科学研究的要害基础。。咧柿啃幸凳莨┯θ狈Γ晌圃脊ひ德涞氐钠烤薄。。
赛智工业研究院人工智能研究所所长安赟指出，，，人工智能正在从通用对话和内容天生向智能体、科学智能、具身智能和天下模子等偏向演进，，，对行业数据的专业性、结构性、场景性和可验证性提出更高要求。。。
在众大都据资源中，，，专利数据的价值恒久被低估。。。北京八月瓜科技有限公司董事长李长青先容，，，专利兼具手艺属性与执法属性，，，焦点在于“果真换保唬护”，，，要求发明人充分披露手艺细节，，，好比医药领域的化合物结构式与制备要领、新质料领域的组分与合成工艺、高端芯片制造领域的薄膜沉积与光刻手艺方案等，，，以换取法定限期内的独吞权。。。
天下知识产权组织2025年底宣布的《天下知识产权指标》报告显示，，，2024年全球专利申请量为372.5万件，，，笼罩大大都手艺立异信息。。。
“AI可信语料焦点在于泉源、质量、应用三重可信，，，知识产权数据正是自然优质语料，，，是训练专业领域大模子最好的‘燃料’”。。。北京八月瓜科技有限公司联席CEO、合资人孙鹏说。。。
然而调研发明，，，大宗企业尚未充分挖掘专利在增进手艺研发和支持国际竞争中的重大价值，，，对其在研发导航、风险规避及全球市场结构中的战略作用熟悉缺乏；；专利文本执术数语多，，，研发职员阅读难题；；公共检索平台虽免费开放，，，但难以知足批量剖析和趋势研判的需求。。。
中国信息通讯研究院副院长魏亮曾指出，，，差别单位数据集名堂、标注规范相互割裂，，，难以共享复用。。。
怎样把海量专利数据酿成真正可用的AI“燃料”？？？？？？八月瓜科技提供了视察样本。。。这家国家级专精特新“小巨人”企业依托国家知识产权局全量专利数据，，，构建起搜集专利、诉讼、商标、文献、工商等多类数据、总规模逾26亿的数据系统。。。
将原始专利转化为高质量数据集，，，是一个高门槛的系统工程。。。孙鹏先容，，，公司接纳笔直领域聚焦战略，，，重点结构新质料、生物医药、化学化工三大行业，，，每个细分领域均配备专业团队深度处理。。。数据泉源笼罩全球178个国家和地区的超2亿专利数据，，，标注历程接纳“机械+专家”两级模式，，，确保上下文明确准确，，，阻止因误标导致模子训练失效。。。
据测算，，，单篇专利从原始文件到高质量标注数据集的全流程处理本钱投入重大，，，涵盖数据洗濯、去重、无效与失效专利筛除、多维度标引、结构化处理及知识图谱构建等环节。。。正是这种高投入修建了专业壁垒。。。
现在，，，八月瓜已形成“多语言专利文本平行语料库”和“外观专利图文库”两项数据集效果，，，入选北京市行业高质量数据集典范案例，，，已累计服务超10000家科技企业。。。
在资源决议场景中，，，专利数据正施展“预警雷达”功效。。。李长青透露，，，曾有某制造企业因未做专利前置排查，，，产品投产后被判赔偿数亿元，，，凸显了数据审查在决议支持中的要害价值。。。
从手艺研发到资源决议，，，从风险规避到竞争态势研判，，，专利数据库与智能化剖析平台正资助企业将碎片化的专利信息转化为可执行的决议依据——这正是数据从“可用”走向“好用”的价值跃迁。。。
面临AI for Science浪潮，，，美国、英国、欧洲、日本等国家和地区迅速将其纳入国家战略，，，视为新一轮科技革命的焦点竞争场域。。。全球围绕高质量专业数据的竞争与相助，，，已从算力层面延伸至数据基础设施的底层结构。。。值得一提的是，，，北京正加速推动科学高质量数据集建设，，，起劲抢占这一战略制高点。。。
李长青体现，，，高质量专业数据的主要性正日益凸显，，，成为AI竞争中与算力一律要害的要素。。。他透露，，，八月瓜下一步将打造“专利数据+期刊论文数据”融合图谱，，，实现两种焦点科技数据的智能融合，，，为AI for Science提供更深条理的“燃料”支持，，，深度加入国家高质量数据集建设，，，推动科技数据从“可用”走向“好用”。。。
（泉源：科技日报客户端）
