一副看似普通的眼镜，仅重61克，却能实时翻译、AI交互，自带138种语言实时翻译，东盟小语种识别率达90%……第22届中国—东盟博览会上，一副看似普通的黑框眼镜被客商们争相试戴。

创造这副眼镜的迈越科技公司副总经理黄有章，就站在几步之外。这一幕，让他想起8年前在凭祥口岸看到的景象：中越商户们涨红了脸，用手势比划着水果价格，交易在计算器的“滴滴”声和含混的单词中进行�！澳鞘蔽揖拖耄�要做出能戴在脸上的翻译工具。”他回忆道。

这副惊艳东博会的眼镜，背后远非一家企业的技术突破。

黄有章展示AI智能眼镜 。权晟 摄

“以前，寻找东盟小语种非通用语料，如同在沙漠中寻水；如今，高校、企业、政府三方拧成一股绳，数据池越积越满、质量越来越高�！惫阄鞣�译协会副会长温家凯在接受采访时如是感慨。

广西的语料库建设何以起势？从有到优，还要迈过多少坎？

从“为什么是广西”到“广西如何做”

“语料库绝不是单纯的‘数据仓库’，能切实解决实际问题才是核心�！惫阄鞔笱�人工智能学院副院长蒙祖强的观点，道破了广西建设语料库的起点：强烈的现实需求驱动。

边境贸易的窘境、跨境医疗的风险、商事纠纷的僵局，这些具体痛点，成为倒逼语言数据建设的动力。但真正让广西得以蹚出一条路的，是独特禀赋与务实路径。

“其他省份可能更多依赖文献，而我们能直接在边境、在东盟，采集到鲜活、地道的语料。”黄有章认为。超过1.2万名东盟留学生和密集的小语种专业，为这座数据池提供了源源不断的活水。

“我们不需要一味追求最前沿的技术，更需要‘好用、便宜、适配本地需求’的实用技术�！惫阄髅褡宕笱У墓�泉老师坦言。例如，他们攻坚三个月，将老挝语的文字识别准确率从30%多提升至80%以上。这项“够用就好”但关键的突破，立刻盘活了海量纸质文献。

政策精准滴灌，更为语料库建设按下快进键。

2026年，自治区印发广西深入实施“人工智能＋”三年行动方案，明确提出“加快实施高质量语料库建设工程”；自治区教育厅将语料库建设纳入高校学科评估核心指标，给予招生计划与科研经费双重倾斜；南宁、柳州等地创新推出“语料券”“算力券”补贴政策，企业与高校合作可申领最高100万元补贴，有效激发了协同共建活力……

“若没有‘人工智能＋’行动方案的精准扶持，我们的语料库或许仍停留在理论构想阶段�！币晃灰的谌耸扛锌�。

黄有章介绍迈越科技东盟语料库管理平台。记者 黄玲娜 摄

从“数据荒漠”步入“数据丘陵”

当然，“并不是所有语种都能建立语料库。”广西医科大学王富博教授表示。

他以广西本土方言为例作了分析。据他介绍，广西的壮语语料库资源极度稀缺，目前尚无一本权威的壮语医学词典可供参考�！案�何况，广西不仅有壮语，也有粤语和各种方言，而要建立某种语料库必须具备语言和文字两个条件，这便是本土特色语料建设的困境”。

因此，尽管广西人工智能语料库建设成果初显，但前行之路并非坦途。受访者的一个共识是：广西正从“数据荒漠”步入“数据丘陵”，从“有没有”迈向“好不好”，挑战更为复杂。

调研表明，广西高校语料库存在明显短板，主要体现在三个方面：质量上，通用语料占比偏高，专业语料匮乏，东盟小语种语料中日常对话类超60%，医疗、法律等专业领域占比不足20%；范围上，越南语、泰语等主要语种布局较全，文莱语、东帝汶语等小众语种近乎空白；形式上，文本语料为主，语音、视频等多模态语料占比不足15%。

“我们曾经采集过一段老挝语工程机械维修视频，仅差旅费就数万元，还未必能获高质量素材�！惫阄骺萍即笱�人工智能学院的一位老师介绍，该校为收集100小时的泰语机械维修视频，耗时8个月、投入超40万元，高成本与高难度让多模态建设举步维艰。

更棘手的是语料标准化不足，各高校标注规则各异。“我们曾想引用某大学的越南语医疗语料，因标注规则不同需重新加工，成本高、效率低，最终只能放弃。”广西外国语学院人工智能学院院长钟明辉无奈表示。

“缺乏相关国家本土人员支持，公开语料多被大公司垄断，语音语料难辨有效信息等，都加剧了采集难度�！泵勺媲坎钩淞擞锪匣袢∧训恪�

如何构建能自我生长的生态

“首要任务，是‘立标准、通血脉’�！倍辔皇芊谜吆粲�，必须尽快从建设具体项目，转向构建一个能自我迭代、良性循环的生态系统。

一方面，是复合型人才的培育。“‘东盟小语种+AI’复合型人才招聘难，要么懂小语种缺AI技术，要么懂AI不懂小语种，供需错配突出�！被朴姓陆樯�，迈越科技的情况反映了行业普遍困境。

调研显示，广西高校语料库建设面临师资、学生“两缺”难题。具备东盟语言、AI技术与行业知识的教师不足50人，多依赖外聘专家；“人工智能+小语种”专业年均毕业生仅300余人，且60%以上流向发达地区，人才流失严重。

针对人才短板，区内高校纷纷创新模式。例如，广西民族大学设实验班、广西医科大学开微专业、广西外国语学院开发特色课程；不少高校依托“广西人才计划”引进高端人才，搭建校企联合培养基地实现就业无缝衔接。

另一方面，需要协同创新破局，激活语料库生态效能�！暗ニ�高校的资源与能力有限，唯有抱团发展、协同发力，才能把语料库做大做强、做深做精�！惫阄髅褡宕笱�人工智能学院院长葛丽娜提出的观点，也是广西高校的普遍共识。

针对校际、校企间的“数据壁垒”与安全顾虑，广西搭建起“高校牵头、企业参与、政府协调、东盟合作”的多元协同机制。

校企合作中，广西科技大学与五菱汽车共建“汽车术语语料库”，3个月内完成5000条车载越南语术语标注；跨境合作上，广西高校已与东盟160余所高校建立合作，联合研发小语种大语言模型、校准医疗语料。技术层面，聚焦东盟小语种特性，开发“东盟小语种智能预标注系统”，依托柳州东盟智算中心提供50%算力补贴。

“我们不仅要追赶前沿技术，更需要‘好用、便宜、适配本地需求’的实用技术。”广西民族大学老师郭泉建议。

“语料库建设不是短跑，而是久久为功的马拉松�！弊�家一致表示，校、企、政协同发力，才能让语料库真正“用得好”，为广西AI产业发展、东盟多语种合作筑牢根基。