官方网站-首页

来源：读特

9月5日，亚太媒体高端论坛在深圳前海国际会议中心举行。以“万物皆媒 MEDIA未来”为主题的科技创新成果展上，深圳主流媒体展台前，来自亚太各经济体的媒体高层和记者驻足最久的，是一块并不炫目的展板——它的上面写着“鹏城语料库”。

“硬件可以采购，软件可以迭代，但一座城市四十多年的权威记录无法用钱买到。”展台讲解人黄健向来访者介绍，“这就是我们要把它建成语料库的原因。”

大模型缺的，恰是媒体最不缺的

鹏城语料库由深圳报业集团牵头、联合深圳广电共同建设，定位为“智能时代讲述深圳故事的最权威、可信的数据库”。其基础是深圳报业集团四十多年积累的近4000万条图文音视频资源，完整记录了深圳经济特区46年的发展历程。

建设语料库正在成为中国机构媒体近年来的共同选择。

人民日报社2023年起建设主流价值语料库，今年5月人民网发起主流价值语料生态联盟并推出媒体语料服务平台。世界最大的新闻通讯社新华社也推出了自己的“新华语典”。而在国际其他地方，像美联社、《金融时报》等知名媒体机构近年也纷纷与AI公司签署内容授权协议。

背后的逻辑一致：随着越来越多的人或许不再循沿此前的全网“搜索”而是直接“询问”AI，“生成即传播”成为新的信息触达模式；大模型的通病是“幻觉”，而经采编审核、来源清晰权威的媒体内容，正是训练可信AI最稀缺的原材料。

“如果说大模型是智能时代的发动机，语料库就是高品质燃油。”深圳报业集团展台讲解人员说，“深圳这一箱油，只有在地主流媒体能炼，而且是高纯度的优质油。”

三项任务：让“存档”变成“生产要素”

拥有资源不等于拥有语料。据介绍，鹏城语料库当前聚焦三项任务：一是多模态数据的标准化治理，让文字、图片、音频、视频成为干净、可计算的数据；二是构建深圳城市知识图谱，把人、事、地、时串成有时间线和因果关系的知识网络，让语料从“可检索”走向“可理解、可推演”；三是提供数据服务能力，面向大模型厂商、政务系统和产业应用输出可信、可溯、可调用的语料。

深圳报业集团相关人士表示，语料库已完成数据产权登记，每条语料来源和权属清晰，入库标准概括为四个词：干净、权威、系统、安全。加上深度本地化这一差异化特征，未来无论用大模型讲述深圳故事、检索深圳资讯还是生成深圳相关内容，都能做到有据可查、可信可溯。

一块拼图，更是一张持续延展的网络

面对“国家已有语料库，城市为何还要自建”的提问，黄健用地图作比：“央媒的语料库是国家地图，鹏城语料库是深圳这一格的高清详图。语料天然是分布式的，全国性的中央级媒体建设语料库自然有自己无可比拟的优势，但只有深圳报业集团这样的地方媒体机构能告诉AI这座城市每一条街道、每一个产业集群的来龙去脉。”

据介绍，鹏城语料库正在与全国各大媒体的语料资源对接联动，共同拼出全国权威语料的完整版图，并呼应广东省数据交易与数据流通体系建设。未来还将持续吸纳其他权威媒体和政府公开数据，建成服务行业大模型、政务 AI、城市治理的高质量语料平台，既作为深圳开源鸿蒙新生态的数据底座，又是全国性语料库的核心拼图。

AI时代媒体系统性变革的“地基”

在展台的整体叙事中，语料库处于三层结构的中间层：底层是深圳广电基于开源鸿蒙打造的硬件底座，解决终端互联；上层是已在深圳报业、深圳广电及央媒投入使用的智能体软件，解决内容生产；中间层的语料库解决数据要素供给。深圳报业与深圳广电携手构建的，是一套从硬件到软件、从技术底座到生产要素、从内容生产到传播分发的全链路智能化体系。

“在这三层里，语料库或许不是最显眼的，但却是最关键的，它是一个基础设施的概念，AI时代的关键基建概念。”黄健说。中国主流媒体将建语料库视为智能时代的“必答题”，因为它同时在做四件事：守住可信信息的阵地，把沉睡的媒资变成资产，抓住数据要素政策的窗口期，为媒体自身的智能化转型打地基。

面对亚太同行，深圳报业集团方面在展台上发出邀请：“亚太是全球语言最多样、文化最丰富的地区，每一座城市、每一种语言都需要自己的‘高清详图’，AI讲述的世界应该是一个色彩斑斓、细颗粒度、全景高清的人类命运共同体。我们期待与各位所在的机构交流经验、探索互通。”

编辑 刘悦凌 审核 马如骁 关越 桂桐