【媒体看医大】广西云-广西日报关注我校AI医生为中国—东盟人工智能协同发展注入强劲动能

2026年1月30日，广西云-广西日报关注我校AI医生创新采用“基础语料库+专业术语定制”模式，通过“专业知识学习—场景实战训练—人机对抗测试”三步法构建语料库，将“数据”转化为“生产力”，为中国—东盟人工智能协同发展注入强劲动能。

报道链接：https://www.gxnews.com.cn/staticpages/20260130/newgx697c95c2-21902581.shtml

太“库”啦！广西打通东盟合作AI“经络”

在中国—东盟自贸区3.0版加速推进的时代浪潮中，语言数据已成为跨境合作的核心“数字基建”。广西高校立足学科优势，紧扣东盟合作与地方发展需求，破解区域合作中的语言壁垒，形成了覆盖法律、医疗、产业、文化等关键领域的语料库建设格局。如今，这些诞生于校园的语料库正走出实验室，真正将“数据”转化为“生产力”，为中国—东盟人工智能协同发展注入强劲动能。

故事一

一所大学的东盟小语种“解码之路”

南宁国际商事法庭调解室内，气氛凝滞。一场涉及中越两国企业的榴莲交易纠纷，因双方对合同条款的法律解释争执不下，已僵持许久。

当法官再次提及越南对买卖合同与合伙关系的界定规则时，越方代表坚持己见，怎么办？此时，工作人员点开了一个系统。几秒后，屏幕上清晰显示出对应的越南现行法律条文，以及精准的中越双语对照译文。拿着这份无可辩驳的“智能法律参考”，双方终于找到了共识的基础，和解得以达成。

这一系统，正是广西民族大学联合自治区司法厅研发的“中国—东盟法律咨询服务智能体”。智能体的语料库里，不仅有越南，还有印尼、老挝、泰语等东盟国家语言“库存”，这正是广西高校人工智能语料库从实验室走向应用场景的生动写照。

中国—东盟法律智能体平台界面。学校供图

时间倒回更早。在广西民族大学人工智能学院，郭泉老师面对的困境更为原始。曾经，在他的电脑屏幕上，老挝语的字符经过通用识别软件扫描后，变成了一团难以辨认的乱码。“准确率还不到40%，”他指着屏幕说，“这就像给你一本天书，连字母表都是错的”。

问题的核心在于“饥饿”。人工智能大模型需要海量数据“喂养”，但对于老挝语、缅甸语等东盟小语种，数字世界近乎一片荒漠。“网上能找到的高质量老挝语数字文本不足10GB。”郭泉对当时的困境记忆犹新，“对于一个需要‘几十万本书量级’数据喂养的大模型来说，无异于用一桶水去浇灌整片田地”。

海量珍贵纸质文献的数字化难题更突出：通用OCR技术对老挝语识别准确率一度仅30%-40%，更棘手的是跨学科壁垒——人工智能师生不懂小语种，语言教师不通编码，老挝文字符的电脑编码组合规则，成了双方共同摸索的“谜题”。

一场跨学科攻坚战就此打响！

依托学校小语种研究深厚底蕴，广西民族大学迅速组建跨学院团队：东南亚语言文化学院的语言专家定义规则、校验质量，人工智能学院的技术专家专攻算法攻关，人工智能专业学生也埋头钻研老挝文字构成规律。经三个月反复调试，团队自主研发的老挝语OCR工具将识别准确率提升至80%以上，远超行业水平。

这把“钥匙”开启了海量语料数字化大门，缅甸练习册、泰国法律文本、越南新闻报道、老挝文学作品等实体资源，源源不断转化为AI可用数据，覆盖七种东盟主要语种的多模态语料库初具规模。

“语料质量直接决定模型效果，既要拼数量，更要保质量。”东南亚语言文化学院缅甸语教师陈宇点明了核心原则。为了获取纯正的缅甸语语音，用算法筛选优质样本，他们请来8位缅甸留学生，在专业的录音棚里，一句一句地录制、校对。这8名学生，后来创下了一个月完成80小时高质量语音录制的纪录。

广西民族大学语料库加工团队正在工作。学校供图

资源网络也随之铺开，从校园延伸到老挝、泰国、越南、马来西亚等国的顶尖学府。高校深度合作，共建联合实验室、联合研发大模型，构建多层次国际协同网络，保障语料的本土化与高质量。目前，语料库已收录海量文本、音频、视频资源，为模型训练夯实基础。

积累语料的最终目的，是赋能千行百业。团队精准对接多元需求：针对影视剧出海热潮，收集超2000万条双语字幕，计划训练专用翻译模型、搭建高效平台；跨界建成的法律双语平行语料库，成为“中国—东盟法律大模型”核心，衍生的AI法律智能体已成功辅助南宁国际商事法庭调解跨境纠纷，尽显实效。

于是，当中国—东盟自由贸易区国际商事法庭那场榴莲纠纷陷入僵局时，由这些历经“千锤百炼”的语料所支撑的系统，才能像一枚精准的砝码，瞬间打破平衡。

“不仅为涉外纠纷调解提供高效精准的法律支撑，提升跨境商事调解的专业性与说服力，更以数字化方案为优化中国—东盟经贸合作法治环境提供了可复制经验。”有专家这么点评。

2022年11月，广西民族大学牵头成立了中国—东盟语言服务协同创新中心。人工智能学院院长葛丽娜说：“我们的目标，就是要破解中国与东盟经贸合作中的语言服务瓶颈，以现代技术提升跨境产业链协作效率。”

人才后备力量也逐渐强大。“高年级本科生和研究生通过参与语料库项目，逐渐掌握语料清洗、质检等技能，成了就业市场上的‘香饽饽’。不少学生进入科大讯飞、中国—东盟信息港等企业参与语料库相关工作，得到企业好评。”东南亚语言文化学院院长覃秀红既欣喜又自豪。

如今，从语料标注平台、精细化翻译系统，到集成AI翻译的“阿育词典”，一系列工具正在让这条“语言丝路”变得通畅。

故事二

这位AI医生，何以精通多国语言

第22届中国—东盟博览会现场，中外客商在一个特殊的“展位”前驻足。

一位身高1.27米、身披白大褂的“医生”正在接诊。当越南客商用母语描述腰部不适后，不一会，清晰的越南语答复便从“医生”处传来，分析了可能的原因并建议了检查方向。

这位不会疲倦、能说多种语言的“医生”，正是广西医科大学带来的AI医生机器人。它的亮相，不仅是一场展示，更像是一份宣言——广西高校的医学智慧，正借由人工智能，打穿横亘在中国与东盟之间的医疗语言壁垒。

2025年，在第22届中国—东盟博览会（主题展）上，广西医科大学第一附属医院正式发布全球首款支持东盟小语种的AI交互式医疗专科数字人——“泌语医谈”智能体。学校供图

研发的种子，早在临床的阵痛中就已埋下。

“翻译失真，可能意味着误诊。”广西医科大学护理学院院长、第一附属医院副院长程继文对跨境医疗中的语言困境有切肤之感。“传统模式下，医患依赖翻译转述病情，医学术语难以精准传递；通用翻译工具缺乏医学语境适配能力，无法支撑专科诊疗逻辑。”他说。

团队的初衷变得无比清晰：必须创造一个能理解医学、精通语言、具备专科医生思维的数字生命。

打造这样一个数字生命，始于四年前一次奔赴。彼时，身为外科医生的王富博还在上海，身处国内顶尖的医疗圈，但他敏锐地感知到，广西在中国—东盟医疗合作中的枢纽位置，将为医学AI提供独一无二的场景与使命。他毅然南下，加入程继文麾下，组建了一个20多人的科研团队，开始了另一场从零开始的“创业”。

广西医科大学展示AI医生机器人。学校供图

AI医生的“灵魂”，在于其高质量、专业化的语料库。

市面上很多小语种语料库都是通用型的，遇到专业术语可以说是“不堪一击”。如何破解这一难题？

没有捷径可走，他们创造了独特的“三步法”来锻造这个灵魂：创新采用“基础语料库+专业术语定制”模式，通过“专业知识学习—场景实战训练—人机对抗测试”三步法构建语料库。该库汇集诊疗指南、专家共识及自编教材，经数百个真实病例训练和上万次中外专科医生纠错，最终形成了高质量语料数据资产。

最大的挑战之一，还要解决多语言术语的“对齐”问题。一个专业词汇，如何找到它在最精准、最地道的对应说法？为此，他们找到了越南籍博士生范忠孝。在录音棚里，范忠孝面对长长的医学词列表，一个词一个词地斟酌、确认、录制。“有时为了一个术语的译法，我们需要查阅多本医学辞典，并咨询河内医学院的教授，确保万无一失。”这个过程，催生了全球首个东盟多语种医学术语对齐引擎，其核心语料库也获得了专利。

“智眼、净源、译瞬通”三大核心技术发布。学校供图

历时两年攻坚，“泌语医谈”智能体诞生，它成为国内首个能模拟专科医生诊断逻辑的医疗数字人。同年9月，它进化成为全球首款支持东盟多语种的AI交互式医疗专科数字人。

该系统由“智眼”数据监测中心、“净源”图数据库清洗平台和“译瞬通”同声传译三大核心系统构成，形成数据处理、信息清洗、多语言交互的完整闭环。“智眼”作为“数字大脑”实时监测对话质量，保障服务稳定；“净源”平台深耕医学知识图谱清洗，从源头提升AI专业性；“译瞬通”则实现语言破壁，使用者扫描二维码即可在手机端获取母语翻译内容。

其知识体系，则源自程继文主编的120万字泌尿外科临床案例丛书，覆盖387种典型疾病，经多学科专家联合训练，已支持中、英、越三种语言，未来将拓展泰语、老挝语等东盟语种，可精准回应肿瘤、结石等五大亚专科咨询，这推动了跨境问诊从“能用”向“好用、管用、智能用”升级。

在自主建设的专科“语料库”支持下，泌尿科的成功模式正在多个专科迅速复制。近日，该校“AI中医体质辨识机”成功出海，在尼日尔、马来西亚、泰国试点推广；药学院与第一附属医院联合上线数字人药师应用场景，实现对门诊、出院患者全生命周期药学管理与服务；药学院借助AI活性筛选技术，将传统创新药研发周期从3至5年压缩至1至1.5年，大幅提升研发效率。

尼日尔群众在体验AI中医体质辨识服务。广西医科大学第一附属医院供图

数字看成果

广西高校在人工智能语料库领域的突破并非个例。语料库建设在数字时代蓬勃发展，展现勃勃生机。

500万：广西师范大学出版社“中华传统文化东盟多语种平行语料库建设及应用”项目，已完成500万汉字词对的精标平行语料建设，涵盖哲学、文学、艺术等多个领域。

300多GB：广西大学人工智能学院已收集300多GB语料，涵盖菲律宾、新加坡、越南、泰国等东盟国家，不仅收集文本、语音、视频等多模态数据，还重点构建东盟文化对接知识图谱。

75%～80%：广西民族大学科研团队攻克泰语、老挝语、柬埔寨语等语种的OCR（光学字符识别）技术难题，将识别准确率提升至75%～80%，并自主研发完成老挝语大模型的中老双语微调训练，推出系列东南亚语言翻译软件。

300小时：广西外国语学院率先实现东盟7门非通用语种全覆盖，积累泰语、越南语语音数据各近300小时，其他东盟小语种语音数据近30小时。

（广西云-广西日报记者黄玲娜、罗丹/整理）

记者观察

从有到优，语料库建设要迈多少坎

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。“那时我就想，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。”广西翻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。”广西大学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。”广西民族大学的郭泉老师坦言。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。”一位业内人士感慨。

黄友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。“更何况，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。”广西科技大学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。”蒙祖强补充了语料获取难点。

如何构建能自我生长的生态

“首要任务，是‘立标准、通血脉’。”多位受访者呼吁，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。”黄有章介绍，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，需要协同创新破局，激活语料库生态效能。“单所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。”广西民族大学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。”专家一致表示，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。