國產大模型為史學研究帶來新機遇

國產大模型的快速迭代為人文社會科學研究注入強勁動能。在歷史學領域，國產大模型有效降低了歷史學者學習、掌握數智方法的技術門檻，這場技術革新不僅重構了史料處理、研究分析的底層邏輯，也為歷史研究在范式創新、話語自主等方面帶來新的發展機遇。國內多所高校紛紛投身這場技術浪潮，開始嘗試自主布局新型數智研究平臺，在技術與人文的平衡中探索史學研究的新可能。

數字史學進入“后大模型”時代

國產大模型對史學研究的改變，貫穿于史料整理、檢索分析、成果呈現等多個環節，不僅顯著提升了研究效率，還在重塑著研究的底層邏輯與實現路徑，呈現出多點突破、深度賦能的鮮明特征。

長期以來，史料整理占據了文史學者大量時間，成為制約研究進展的重要瓶頸。國產大模型的介入，正在根本改變這一現狀。北京大學圖書館研究館員朱本軍表示，隨著大模型引入史學研究，文本文獻OCR識別、訪談錄音整理、文言文自動標點等工作的“效率提升了200倍不止”。這種飛躍使學者得以從繁瑣勞動中解放出來，將更多精力投入學術問題本身，這本身就是一種改變。

技術門檻的降低更讓數字史學實現普及化發展。南京大學歷史學院教授王濤坦言，此前數字史學因需要計算機技術和編程基礎，存在明顯準入壁壘，而深度求索（DeepSeek）、Kimi、通義千問等國產大模型的升級迭代，讓非技術背景的歷史學者也能開展量化分析。學者通過發掘大模型的工具屬性，可在文獻翻譯、多模態史料運用等方面“以技術換積累”，快速掌握陌生領域的核心概貌，極大拓展了研究的可能性。

在平臺建設層面，數字史學正從傳統的數據庫倉儲向智能研究平臺轉型，呈現出鮮明的兩極分化。朱本軍將傳統模式概括為“前大模型”思路，即聚焦單一專題的資料堆砌與靜態檢索；而“后大模型”的發展思路則更注重全面的史料整合，通過借助大模型的自然語言理解、復雜推理等能力，提供檢索增強生成、智能分析等個性化功能，實現從靜態檢索到知識生成的跨越。

南開大學歷史學院副教授馬思宇表示，大模型的突破本質上是實現了技術工具與史學研究邏輯的深度適配，它不再是傳統數據庫的技術升級，而是重構了史學研究從史料獲取到分析解讀的底層流程，“標志著數字史學從技術嘗試進入體系化應用的新階段”。

成果呈現與傳播形態的創新同樣亮眼。以往史學成果多局限于論文、專著，如今在大模型助力下，多模態發布成為可能。浙江大學文學院教授徐永明表示，當前大模型在開展專業歷史科普、創意視頻傳播等方面表現不俗。他所在團隊研發的云四庫智能問答系統，涵蓋多種地方志及多領域文獻，確保專業數據可查可追溯；團隊還以經典古籍為素材，利用大模型生成動畫視頻，無需專業編劇和導演即可完成科普內容創作。“這種低成本、高效率的傳播方式，對普及中華優秀傳統文化意義重大。”徐永明表示。

技術演進與學術發展內在契合

國產大模型與數字史學的深度融合，并非偶然的技術疊加，而是國家政策引導、技術自主創新與學科發展需求三重因素共振的結果，彰顯出技術演進與學術發展的內在契合。

國家政策的頂層設計為技術發展筑牢根基。2025年8月，國務院印發《關于深入實施“人工智能+”行動的意見》，為國產人工智能發展提供引領性框架。在政策推動下，國產大模型技術加速迭代，技術革新有效降低了訓練成本，開源生態的持續繁榮也為數字史學應用提供了堅實的技術支撐。

學科發展的內在需求則成為技術落地的核心動力。歷史文獻具有大體量、廣分布、多模態、多語種的特征，單靠學者或研究團隊難以全面駕馭，人工智能輔助研究成為當前學者聚焦前沿問題展開探索的必然選擇。以近代史為例，近年來相關研究正經歷從宏觀敘事到微觀實證、從單一學科到跨學科融合的深刻轉型，國產大模型精準匹配了這一轉型中的核心需求，成為推動研究深化的重要動力。

馬思宇認為，在微觀史、跨學科、深度實證等具體研究領域，這種需求更為突出。例如，研究近代城市化進程，需要整合人口統計數據、城市規劃檔案、交通日志等多種類型資料；研究思想傳播，需要追蹤核心概念在不同報刊、群體中的擴散路徑。國產大模型平臺整合的多模態處理、關聯挖掘、可視化呈現等功能，精準匹配了這些核心需求，成為推動研究深化的重要動力。

進一步而言，技術引入正使文獻資料實現從靜態命中到知識推理的檢索增強生成（RAG）轉變。何為檢索增強生成？朱本軍向記者解釋道，這是一種直接利用大模型的自然語言理解、復雜推理和多模態能力，從海量史料中挖掘“不可見”的關聯并直接生成結果，將隱性知識脈絡顯性化的技術。隨著該技術的應用，史學工作者的綜合學術判斷力將在史學研究中愈發占據主導，推動史學研究層次與質量的整體提升。

陜西師范大學歷史文化學院講師張光偉及其團隊的實踐頗具代表性。他們借助自主研發的西夏文OCR系統，將構造復雜的西夏文字典《文海》高精度轉錄為機器可讀文本，為深度分析奠定基礎。“技術不再是單純的輔助工具，而是成為解決傳統人文問題的核心方法論。”張光偉表示，未來這類方法可廣泛應用于人物關系網絡、觀念傳播路徑等復雜問題研究，推動研究范式革新。

值得關注的是，國產大模型為構建中國自主知識體系提供了關鍵支撐。多位學者提出，國外模型以英文數據為主，難以準確理解中國特有歷史概念與古今異義詞匯，而國產大模型基于本土化語料訓練，從根本上解決了這一適配難題。“基于海量本土史料的分析，有助于中國史學研究擺脫‘西方中心論’的敘事局限，為國際學術界傳遞‘中國聲音’提供了扎實的實證支撐。”馬思宇說。

資源整合與頂層設計不足是突出挑戰

國產大模型為數字史學帶來前所未有的發展機遇，但作為新興領域，其在資源整合、技術適配、生態構建等方面仍面臨諸多挑戰。未來要在技術迭代與人文堅守之間找到平衡點，實現可持續的體系化推進。

關于史學研究是否會迎來范式轉型，學術界也有理性的探討。王濤認為，人工智能雖然改變了史學家的工作流程，在方法論層面帶來諸多新可能，但在認識論層面，研究范式與學者的學術品位、審美緊密相關，能否實現根本性轉型仍需觀察。更多學者則認為，當前數字史學仍處于“史學數字化”階段，實證本質未改變，但隨著史料被構建成“語義化歷史知識世界”，未來或將轉向史學研究思維重塑——學者將更注重提出綜合性“大問題”，利用智能工具探索歷史可能性，開展思想實驗。

資源整合與頂層設計不足是當前面臨的突出挑戰。因缺乏整體部署，各單位重復建設、各自為戰的現象較為普遍，造成資源浪費。對此，徐永明建議，需加強政策引導與統籌協調，以長遠戰略眼光加大對人文領域大數據發展的支持，避免低水平建設與資源錯配。

技術層面，建立標準化體系成為基礎工程。馬思宇提出，應由史學界與檔案界聯合制定史料數字化標準，明確掃描分辨率、元數據標注規范等核心要求，逐步構建高質量史料數據庫，破解資源壁壘。朱本軍補充道，未來還需建立“定本”文獻資源庫和更為規范的“命名實體”庫，為機器介入推理消歧和定準提供更具標準化、結構化和唯一性的權威數據版本。

在應用模式上，專屬知識庫與大模型的深度融合成為核心方向。張光偉認為，未來主流應用將是檢索增強生成系統向智能體系統演進，真正的競爭力不在于模型本身，而在于能否將核心研究資料科學整合進知識庫，并將大模型能力無縫嵌入研究全流程。這種深度整合與模式創新，將是數字史學發展的關鍵。

從長遠來看，數字史學的成熟必然是技術與人文的深度融合。當技術真正成為貼合史學研究需求的學術伙伴，而非游離于學科之外的工具附庸時，必將推動我國歷史研究進入實證更扎實、視角更豐富、話語更自主的新階段。在這一過程中，既要保持對技術創新的開放態度，又要堅守史學研究的人文底色，讓數字技術真正服務于“究天人之際，通古今之變”的史學使命，為傳承中華優秀傳統文化、構建中國自主知識體系提供有力支撐。

本報記者 劉越