蚂蚁拿下VLDB 2026工业赛道最佳论文：OmniTable统一宽表处理35PB语料，效率提升5.6倍

9月2日，量子位报道称，蚂蚁集团研发的统一宽表系统OmniTable在VLDB 2026上获评工业赛道最佳论文。这一奖项让大模型语料处理这一幕后环节再次进入公众视野，也把语料工程的份量摆到了台前。

据报道，OmniTable是一套统一宽表系统，瞄准大模型训练语料的清洗与加工环节。传统流程往往需要多套工具、多次转换，才能把杂乱语料整理成可用数据；OmniTable的思路是把不同来源的语料统一组织成宽表结构，用一套体系完成原本分散的工作。

从量级看，这套系统已支撑35PB规模的语料处理。量子位称其效率较以往流程提升5.6倍，标题中“还在为大模型洗数据熬夜”的说法，也道出了语料工程师长期面对的繁重劳动。

VLDB工业赛道历来重视系统在生产环境中的真实效果，而非停留在实验室演示。蚂蚁集团以超大规模数据治理见长，此次获奖相当于为它的工业级语料工程方案打上学术背书。

在大模型能力日趋同质化的当下，语料质量与处理效率正在成为拉开差距的关键变量。OmniTable的案例说明，谁能更低成本、更快地把海量原始语料转化为高质量训练数据，谁就更可能占据下一轮竞争的主动权。

后续值得关注的是，OmniTable是否会以论文之外的形式对外输出，例如开源或产品化上云。若这套宽表方案走向行业，数据工程工具链的格局或将迎来新的变量。