近期一条新闻把AI数据饥渴的真相撕开：AI巨头为了抢干净的稀缺训练数据，已经把手伸向18世纪孤本植物学文献——通过ISBNdb中介匿名接单，单次采购量100万册，切掉书脊、高速扫描后直接粉碎销毁，连美国联邦法官都裁定这算"合理使用"。干净的、合规的、高质量的稀缺文字，正在成为AI时代最稀缺的资产。

这条新闻的背后，是整个AI产业链逻辑的范式切换：通用网络文本数据已被爬尽，AI公司的下一站是"稀缺数据 + 正版授权"。国内政策面已同步跟上——2026年5月深圳22家出版、传媒、版权机构签署《人工智能高质量语料库建设公约》，确立"先授权、后使用"原则。这意味着，谁手握高门槛学术资源、谁拥有正版授权话语权，谁就拿到了AI数据价值的入场券。


一、AI数据饥渴：从爬取到授权，出版业迎价值重估

AI大模型训练已经走到"数据荒"的分水岭。公网网页、新闻、小说这类低质量语料被反复爬取后，模型输出谬误频出、幻觉严重；要让模型在专业场景真正可用，必须喂入高质量、合规、可确权、可商用的稀缺语料。Anthropic挖来前谷歌图书负责人专门干古籍扫描这事，就是最直接的产业信号。

但野蛮爬取时代即将终结。2026年5月22家机构深圳签约，正版化语料库建设从理念走向行动；中国大百科全书出版社牵头，联合人民出版社、中华书局、中信出版等组建"国家级正版高质量语料库"，引入区块链技术做全流程可溯源。这等于把AI语料供给的"水龙头"从AI公司手里，交到了出版社手上。

核心判断

AI公司抢数据的方式正从"匿名扫书"切换到"正版采购+授权"；出版业从"卖纸书"切换到"卖数据、卖语料、卖知识服务"。这一切换中，资源壁垒越高、版权链路越完整的出版社，议价权越强。

二、产业链卡位：稀缺学术资源=AI数据端的"硬资产"

AI大模型
通用/垂直

→

语料需求
高质量/合规

→

中国科传
稀缺学术资源池

→

机构订阅
数据库/授权

中国科传是这条产业链上最稀缺的供给方之一。其前身是1954年成立的中科院科学出版社，背靠中国科学院，全国院士、科研院所重大科研成果优先在此出版，70余年独家积累形成不可复刻的学术资源池：出版期刊825种（含130种SCIE收录、117种Q1区），年发文量4万篇，图书存量超200万册。19个学科门类中13项学术影响力全国第一，A股唯一拥有大规模正版中文科研论文数据库的上市公司。

数字业务已形成完整产品矩阵：科学文库（全学科数字资源）、SciEngine（国际期刊出版与传播平台，读者覆盖200余国）、中国生物志库（10万种现生物种）、本草数典中药知识库、古生物地层知识库、细胞生物学3D资源库等。这些结构化、经过专业编辑标引的数据库，正是AI训练梦寐以求的稀缺语料。

三、业务映射：四条业务线，条条卡在AI数据风口

业务 × AI数据主题关联度

数字知识服务科学文库、SciEngine等数据库集群，是AI训练可直接调用的稀缺语料池直接相关

学术期刊运营825种期刊+130种SCIE+海外EDP，期刊论文是高质量结构化语料的核心来源直接相关

科技图书出版200万册存量+年新书3400种，学术专著是稀缺领域语料，原生版权清晰直接相关

出版物进出口跨境学术文献特许经营资质+海外渠道，稀缺外语数据进入国内的合规通路间接相关

最值得关注的是公司已自建"数据→产品"闭环：全资子公司中科数媒研发的"远至"医学大模型，成为国内首批通过国家网信办生成式人工智能服务大模型及算法"双备案"的出版类大模型，深度整合权威医学资源，推动专业知识普惠。这意味着公司不仅卖数据、卖语料，还能自己做成AI产品。2025年12月，公司再投资2亿元设立全资子公司"北京中科传媒"，专门承接期刊业务的数字化、平台化运营。

四、兑现节奏：从"营收占比"看数据资产的"含金量"

业务/产品主题关联度兑现层关键数据
数字知识服务（科学文库+生物志库等）直接相关已落地数据库业务毛利率60%+，增速常年20%以上
学术期刊运营（825种期刊）直接相关已变现2025年期刊业务营收+18.37%，四大业务中增速最高
"远至"医学大模型（双备案）直接相关商业化中国内首批出版类大模型双备案，含百姓版/医生版/机构版
北京中科传媒（2025年12月新设）间接相关建设中2亿元注册资本，期刊数字化整合运营
科技图书出版（基础业务）直接相关已变现2025年图书业务营收10.68亿元，毛利率53.06%

数字知识服务（数据库集群）已规模变现

学术期刊运营（825种期刊）增速最高板块

"远至"医学大模型双备案已通过，机构版推进中

AI训练语料授权变现市场未成熟，潜在增量

从财务数据看，公司2025年营收30.13亿元（+1.85%），归母净利润4.84亿元（+11.77%），利润增速持续高于营收增速；2026Q1归母净利润同比+7.90%，开局稳健。资产总额76.86亿元，资产负债率仅25%，现金充裕。传统出版基本盘贡献稳定现金流，数字知识服务、AI大模型则承担估值重估的弹性。

价值重估逻辑

过去市场把中国科传归类为传统出版传媒，估值锚在PE 20-30倍的印刷出版行业；当下游AI公司开始为"稀缺正版语料"付费时，公司的资源属性已切换为"AI数据资产运营平台"，估值锚点有望从印刷出版向数据要素/数字内容迁移。这是从"卖书"到"卖数据"再到"卖AI产品"的估值三级跳。

回到开头那条新闻——马斯克紧急下令SpaceXAI无损扫描、Hedgie呼吁全行业效仿——本质都是在回答同一个问题：当干净的文字成为稀缺资产，谁掌握源头、谁拥有版权、谁能提供合规授权，谁就是AI时代的"卖水人"。中国科传手里握着的，正是中科院系独家、70余年不可复制的学术资源池，以及A股唯一的正版中文科研数据库牌照。这不是概念，是落地；不是远期，是正在兑现。

免责声明：本网站提供的所有数据及资讯（包括第三方机构提供的信息）仅作交流学习及参考用途，不构成任何投资建议或交易要约‌。