行业高质量数据集是推动“人工智能+”赋能千行百业、实现产业落地的基础性、关键性资源。当前，高质量行业数据供给不足成为制约产业落地的瓶颈之一。
赛智产业研究院人工智能研究所所长安赟表示，人工智能正在从通用对话和内容生成向智能体、科学智能、具身智能和世界模型等方向演进，对行业数据的专业性、结构性、场景性和可验证性提出了更高要求。
在众多数据资源中，专利数据的价值长期被低估。据北京八月瓜科技有限公司董事长李长青介绍，专利兼具技术属性与法律属性，其核心在于“公开换保护”，要求发明人充分披露技术细节，以换取法定期限内的独占权。
“AI可信语料核心在于来源、质量、应用三重可信，知识产权数据正是天然优质语料，是训练专业领域大模型最好的燃料。”北京八月瓜科技有限公司联席CEO、合伙人孙鹏说。
如何把海量专利数据变成真正可用的AI燃料？八月瓜科技依托国家知识产权局全量专利数据，构建起汇集专利、诉讼、商标、文献、工商等多类数据、总规模逾26亿的数据体系。
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。据孙鹏介绍，公司采取垂直领域聚焦策略，重点布局新材料、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。数据来源覆盖全球178个国家和地区的超2亿专利数据，标注过程采用“机器+专家”两级模式，确保上下文理解准确，避免因误标导致模型训练失效。
目前，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”两项数据集成果，入选北京市行业高质量数据集典型案例。据企业介绍，其已累计服务超10000家科技企业。
李长青表示，高质量专业数据的重要性正日益凸显，成为AI竞争中与算力同等关键的要素。八月瓜将打造“专利数据+期刊论文数据”融合图谱，实现两种核心科技数据的智能融合，为AI for Science（人工智能驱动的科学研究）提供更深层次的燃料支撑，深度参与国家高质量数据集建设，推动科技数据从可用走向好用。（经济日报记者 黄鑫）
(责任编辑：冯虎)