上海一家蛋白质研发平台公司，采集了马里亚纳海沟、盐湖等极端环境下依然存活的微生物，并标注温度、压强、PH值等多维指标，形成尤为珍贵的蛋白质数据集，随后借由AI大模型能力，仅数月就改造出一种耐碱性提升4倍的蛋白质，助力国内长效生长激素上市公司产品功效大获提升。

在2026全球开发者先锋大会“语料筑基、智生时代”主题论坛上，上海市经信委副主任潘焱指出，当前AI竞争已从“拼算法”迈向“拼数据”，语料成为AI产业发展重要胜负手。

围绕语料，上海有一套体系化打法——已形成多层次语料供给能力，涵盖具身智能、科学智能及各垂类应用领域；搭建语料公共运营服务平台，打通语料采、洗、标、用、测全链条；率先发放“语料券”，推进语料开源和低门槛供给。

数据的质量决定了模型上限，上海既卷得动模型，也拼得了数据。

据了解，针对当下科学数据封闭、格式多样，大量“暗”数据未被“打捞”等痛点，上海人工智能实验室利用AI智能体，提取各类文献中化学反应等高质量数据并对齐，现已涵盖600万个物质数据、1000万种化学反应数据，以便AI科学家使用。

数据采集范式也发生变革。上海一些创新企业如它石智航、蚂蚁等，正大举投入具身智能“Egocentric数据（第一人称视角数据）”采集及模型研发，即不同于遥操作等传统采集方法、也无需机器人本体，而是人类本身穿戴数采设备在真实工作环境下采集数据，具备轻量、高质、易规模化等特性。

去年，上海面向中小企业、高校师生、创新创业者等，推出模塑申城语料普惠计划。此次论坛宣布，计划面向科学智能和OPC（一人公司）等已正式升级到2.0版本，到2027年底，将链接服务500个创新主体，打造300个稀缺数据集。