近日，上海人工智能实验室联合国家极地科学数据中心，基于“书生”科学发现系统Intern·Agent，共同打造了科学数据智能体SciDataCopilot，系统整合近百年间的公开观测数据，进而构建起包含8万余条南极磷虾出现记录、1万余条丰度数据的标准化数据集，其体量超过国际通用南极磷虾基准数据库KRILLBASE。

在南极磷虾数据集的助力下，极地科考研究人员可以更精准地掌握南极磷虾的季节分布趋势，在全球变暖背景下，为南极海洋生态保护提供科学建议及举措。

智能体激活百年数据

关于南极磷虾研究，有两个根本问题：南大洋有多少磷虾？它们分布在哪儿？

为了弄清楚这两个问题，百年来，中国、美国、澳大利亚，以及欧洲多国持续开展实地调查并产出海量观测记录。

然而，行业长期面临难以破解的数据治理痛点：一方面，南极磷虾观测数据来源多、标准不一。相关数据零散分布在各国科考档案、航次报告、学术文献及公共数据库中，异构性极强，跨源整合难度高。另一方面，依赖人工整编海量数据，效率低、可信度不足。百年来，磷虾观测积累的海量数据，依靠人工处理周期长达数年，不仅效率低，还容易产生操作误差。

联合团队依托Intern·Agent和科学数据智能体的全自动化整编能力，对来自全球的海量异构数据进行自动解析、标准化处理，质控和溯源管理，让每一条记录既可纳入统一计算，也能追溯来源，最终构建了南极磷虾数据集。

记者了解到，本次整编的磷虾数据集覆盖1926—2025年，新增加8万余条调查站位数据，扩展了国际上惯用磷虾数据的数据体量和分布范围，并对原有数据进行了补充和完善，有望支撑更多南大洋生态物种分布和全球气候变化的科学发现。

数据全流程自主整编

从百年科考记录中高效、准确“译”出南极磷虾数据集的关键，是联合团队打造的科学数据智能体SciDataCopilot。该智能体依托Intern·Agent开发，融合智能文档解析引擎MinerU，可针对科学实验数据准备过程中存在的模态形式多样、科学机理隐含、专业知识依赖、专业工具分散、任务定制化程度高等问题进行专项设计，实现从自然语言意图到高质量科学数据的全链路自动化数据准备。

记者获悉，在这项研究中，联合团队借助SciDataCopilot搭建了“数据智能规划—脚本自动生成—专家校核完善”的一体化整编流程。整套流程可自动完成字段识别、数据解析、缺失元数据筛查、字段标准化、单位换算与质量校验，并辅助专家对物种范围、生长阶段、拖网定义和异常数据进行人工复核。

此外，SciDataCopilot有效加速了南极磷虾数据集构建，整套流程仅需调用大模型约2000次即可完成，并沉淀出数据筛查、字段理解、标准换算、质量质控等全套磷虾数据处理技能（Skill），实现多源、多模态科考数据的全自动整编。针对某特定类型调查数据格式，SciDataCopilot仅需40—60轮交互即可完成，相比人工模式，整体效率可提升30倍以上。

上海AI实验室表示，此研究验证了智能体赋能复杂科学数据治理的可行性。未来将把Intern·Agent拓展至极地调查、海洋生态及地球系统等科学场景，助力全球科学家攀登科学高峰。 本报记者 郜阳