一、引言
本报告旨在全面审视中国古籍在数字空间的存在形态、技术范式及传播效能，为构建全球性的中国古籍数智化共同体提供决策参考。报告将中国古籍定义为1912年以前在中国书写或印刷的文献，涵盖经、史、子、集四部，类型包括一般古籍、甲骨金文、简帛古籍、敦煌遗书、类书、丛书、地方志、谱牒、碑帖及古地图等。报告主体分为三个部分：全球数字化存量和增量调研、技术应用的范式转移评估、国际合作和人智协同标准的制订和应用。
二、全球视野下中国古籍数字化存量与增量
（一）中国古籍数字化的全球开展情况
中国古籍数字化工作自2007年“中华古籍保护计划”实施以来，已取得显著进展。截至2024年10月27日，全国古籍普查登记基本数据库已发布319家单位古籍书目记录941708条，8982920册。国务院已批准公布六批《国家珍贵古籍名录》，全国已有485家机构或个人收藏的13026部古籍入选。全国累计发布古籍及特藏文献影像资源将超过16.1万部（件）。古联公司发布的数据库产品资源规模已达45亿字，构成国内规模最大的线上整理本古籍资源库。国家图书馆建设的中华古籍资源库已发布超过3.3万部古籍影像资源。
（二）中国古籍数字化发展的阶段演进
中国古籍数智化进程可概括为四个阶段：数字化阶段、数据化阶段、语义化阶段和智能化阶段。数字化阶段以扫描、元数据规范制订、元数据著录和数字资源库建设为核心任务；数据化阶段以OCR、自动句读、标点、分词、词性标注等技术成熟为标识；语义化阶段以知识图谱技术的知识库构建成为主要成果；智能化阶段以大语言模型的垂直领域应用和模型训练成为古籍资源整合与利用的新模式。
（三）存量与增量及趋势分析
从语料规模看，不少古籍全文资源已进入“亿字级”规模区间。荀子古籍大语言模型项目构建了覆盖四库全书等传世古籍的混合语料库，截至2021年已上线资源5000余种，累计约20亿字。CTEXT收录超过三万部文献、五十亿字符。中国基本古籍库收录自先秦至民国历代重要古籍1万部、18万卷、26万卷，影像1 300万页、录文1 9亿字。主要平台的语料库规模不断突破，甚至进入百亿字级规模。中国古籍资源仍有较大的数字化发展空间，呈现出国内规模领先、海外珍稀突出、数智化进程不均的特点。
三、技术驱动的中国古籍数智化开发路径和利用模式
（一）古籍数智化开发的技术路线演进
古籍数智化开发经历了载体数字化、文本结构化、数据语义化、资源向量化四个层级，逐步实现了中国古籍从可获取到可计算、可关联、可理解、可活化的层级跃升。
（二）典型案例的技术路径与利用模式
报告选取了18个知名项目进行案例分析，涵盖经、史、子、集四部古籍，技术应用代表性强，实践成效明确。案例应用呈现出共性和差异化特征，形成适配不同需求的实践模式。共性方面，核心技术普遍采用传统数字化采集、结构化处理、检索服务等基础技术，注重资源整合与标准化建设。差异化方面，不同类别案例侧重不同：基础资源检索类侧重数字化技术，学术研究辅助类侧重深度化、智能化技术，全流程整理类侧重流程化、标准化技术，文化传播类侧重可视化、沉浸式技术。
（三）古籍数智化开发利用的技术提升建议
报告针对现有实践模式的局限性与技术瓶颈，从需求适配、技术融合、标准规范、创新应用等层面提出提升路径方面的建议，包括优化核心技术与任务适配性、深化多技术协同融合、建立技术标准化体系、强化新技术实践迭代等。
四、国际合作和人智协同标准的制订和应用
（一）数字化基座的全球协同：国际通用标准应用调研
国际图像互操作框架（IIIF）和关联数据（Linked Data）等国际标准已成为全球头部记忆机构处理中国古籍图像资源的事实标准，推动了跨机构资源的虚拟整合与知识实体的结构化重塑。但同时也面临着边际成本递增、本体异构等问题。
（二）人工智能环境下的标准制订：前沿趋势与治理逻辑
随着大语言模型（LLM）成为数字人文研究与实践的新型基础设施，传统的静态标准已不足以应对GenAI带来的挑战。模型上下文协议（MCP）为古籍数智化提供了新的路径，实现了模型生成与事实检索和语义逻辑的深度解耦。AI在古籍处理中的广泛应用，引出了深层的伦理风险，需要构建针对文化遗产的AI伦理治理框架。
（三）行动倡议：构建人智协同的全球性中国古籍数智化共同体
报告提出建立中国古籍通用本体、探索基于MCP协议的AI基础设施建设、制订《中国古籍数智化伦理公约》等行动倡议，旨在构建人智协同的全球性中国古籍数智化共同体。
五、结语
中国古籍的数智化转型是一场关乎文明赓续的深刻变革。报告呼吁全球学界、文化记忆机构与技术界跨界协作，让深藏在文化记忆机构中的典籍在算法与智慧的加持下，成为碳基人类和硅基智能共同的文化记忆，助力AI技术的良性发展。
