王立非：语言数据产业是推动数字经济发展的重要力量

一、我国语言数据产业发展

从产业发展阶段看，20世纪80年代，我国首批语言数据企业诞生，但规模有限;90年代改革开放深化推动市场快速成长，企业数量年均增超40%。21世纪后，大数据与互联网普及使语言数据价值凸显，语音识别等技术推动标注需求增长。2014年数字经济战略实施后，产业进入成熟整合期，形成头部企业与中小企业并存的格局。从产业规模看，截至2024年底，市场规模突破249.1亿元，企业达1.6739万家，其中，1.6222万家含语言数据服务的企业贡献了95.43%产值，体现“嵌入式服务”与“垂直专业化”并存的产业特征。从产业分布看，语言数据产业地域分布呈现东部沿海集聚态势，东部占比73.5%企业和85.23%产值，中西部及东北基础薄弱。东部优势源于数字产业基础、人才及与人工智能产业的协同效应。近年来，“东数西算”工程推动算力西迁，成渝等西部枢纽带动区域企业增长，产业扩散呈现“沿海-内陆”层级扩散与邻接扩散并存趋势。

二、我国语言数据产业自主知识体系创新

首先，我国的语言数据产业技术创新不断增长。2012-2020年专利授权量年均增21%，语音处理与多模态数据处理为核心方向，技术融合催生跨领域专利。产学研协同创新显著，腾讯、阿里、清华等企业与高校发挥关键作用，但创新资源仍集中北京、广东等发达地区。其次，语言数据产业协同力度不断加大。语言数据产业与数字经济及下游智能语言服务产业联动紧密。研究表明，语言数据产业的产值每增1亿元，数字经济指数提升0.0485，下游智能服务产值增0.55亿元。生成式AI的爆发进一步带动需求，因此，需要加强产业协同与场景对接。此外，语言数据相关制度保障不断完善。《数据安全法》和《全面加强新时代语言文字工作意见》等政策构建合规框架;教育部和国家语委等部门大力推动语言数据资源库建设;语言数据标准化体系逐步完善，如《双语平行语料加工服务基本要求》等国家标准规范行业发展。

三、建议

针对语言数据产业快速发展面临的挑战和机遇，我建议，一是将语言数据纳入语言战略规划和数字经济规划，将语言数据纳入AI、文化数字化等顶层设计，协同算力工程，强化语料资源与人才培养链条。二是激活数据要素价值，建立确权登记制度，完善数据资产交易与定价机制，提升交易透明度与收益分配公平性。三是打造区域示范高地，依托北京中关村、成渝双城等区域建设国家级示范区，推动全链条落地，纳入数字经济考核体系。四是创新驱动数据供给，攻关多模态标注、隐私计算等技术，对接国际标准，健全知识产权保护与众包激励机制。五是扩大国际影响力，输出“一带一路”数据发展的中国方案，扩大数据标准制定与规则话语权。

数字经济时代，语言数据产业已成为新质生产力的“新引擎”。通过战略统筹、制度创新、区域协同与技术突破，我国将巩固全球数字经济竞争中的优势地位，为高质量发展提供坚实基座。

(作者简介：王立非，博士，北京语言大学教授，中西创新学院特聘教授，四川外国语大学“巴渝学者”)

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。