Let Different Scientific Research Intelligent Platforms Speak a Common Language

我国科研智能平台建设进入加速扩张期。从“十五五”规划纲要提出“建设科研智能平台和高质量科学数据集”，到高校院所斥巨资建设科研智能平台，再到人工智能（AI）在数学、化学、制药等领域产出丰硕成果，“AI+科研”早已不是空中楼阁，而成为切实帮助科学家提升效率的得力助手。<br> 但与此同时，科研智能平台数据标准不统一、数据生产方式不一致、模型壁垒突出等问题，严重阻碍了跨学科知识的有效融合与规模化创新。在近日召开的香山科学会议第801次学术讨论会上，与会专家建议，加快构建科研智能平台通用标准，建立科研智能新生态。<br> 不同平台难以兼容<br> 标准构建是科研智能平台建设的重中之重，但与会专家直言，我国科研智能平台标准的建设速度严重滞后于现实需求。<br> 中国科学院院士、同济大学校长杨金龙介绍，我国已组建智能科学家生态联盟，目前已有超过40家联盟单位建设科研智能平台、超过50家单位积极筹建科研智能平台。这一过程中，科研智能平台各自为政、架构割裂、数据不通、接口不兼容等问题突出。“当前智能科研发展面临的最大风险不是平台不够，而是平台越来越多但相互间越来越不兼容。”杨金龙说，这将带来严重后果。<br> 一是数据无法对齐。不同平台数据结构、元数据描述、命名方式和质量控制标准不一致，导致数据难以跨平台流转、汇聚。<br> 二是模型难以复用。由于没有统一的模型定义、校准、验证和部署框架，科研模型往往停留在局部项目内部，难以沉淀为国家智能科研资产。<br> 三是设备难以协同。由于不同厂商、不同工作站、不同自动化系统之间接口封闭，统一调度网络难以形成。<br> 四是平台难以扩展。因为没有统一安全规则、服务标准和能力评估机制，平台之间既难以连接，也难以形成可信的开放生态。<br> “更深层的问题在于，如果这种碎片化状态持续下去，即使我国拥有大量平台和示范场景，也可能陷入‘数量繁荣、体系脆弱’的困境。局部看似先进的智能实验室，最终可能固化为一座座‘数字烟囱’，而不是形成彼此互联、能力共用、数据共享的国家科研基础设施网络。”杨金龙说。<br> 需建立统一“行为准则”<br> 为科研智能平台建立标准，就好比教说不同“方言”的科研平台都说“普通话”、为它们建立统一的“行为准则”。这让科学家能够直接使用来自不同平台的数据、模型等，而不必花费大量时间进行数据清洗、模型适配等工作。<br> 在中国标准化研究院党委书记、院长王昆看来，有了统一的标准，AI才能真正成为科研的引擎，让创新“飞驰”。“标准为新兴技术指明演进方向，有助于避免‘多头投入、重复造轮子’的资源浪费，同时可凝聚产业共识，在技术路线尚未收敛时帮助创新主体形成合力，推动在共识框架下进行协同攻关。”王昆说。<br> 标准是保障智能科研安全的“防护网”。在物理安全上，通过制定相关操作规范，能防止机器人在无人值守状态下发生误操作，为产业化科研筑牢第一道防线；在数据安全上，通过界定科学数据分级分类、访问权限和流转规则，能防止核心科研数据在自动化交互中被窃取或滥用；在伦理安全上，为模型的“黑箱”操作划定科学伦理的红线，可以确保智能化在可控范围内释放价值。<br> 标准是连通智能科研孤岛的“立交桥”。它能让不同来源、不同模态的实验室数据在统一平台上实现汇聚、共享、复用、互认，打通数据孤岛。通过制定自主实验系统的接口规范、通信协议、互操作要求，可实现“即插即用、自由组合”的设备协同生态；通过构建跨实验室、跨机构平台的互联标准，能让国内科研平台与海外合作伙伴在统一规则下开展协同研究，形成“物理分散、逻辑统一”的智能科研网络。<br> 标准还是驱动智能科研产业规模化发展的“发动机”。在王昆看来，统一的标准可降低硬件设备制造成本，以及从需求对接到落地实施的周期与成本，为用户提供可信的采购依据，推动智能科研从“实验室盆景”变为“产业风景”。<br> 标准更是掌握全球价值链话语权的“金钥匙”。“标准不仅是技术文件，更是产业生态的‘操作系统’。主导关键领域的国际标准，可以吸引全球开发者在我们的标准体系上进行创新，让我国实现从‘参与者’到‘定义者’的身份跃迁。”王昆说。<br> “标准不是末端附属工作，而是智能科研得以规模化、网络化、生态化演进的基础制度。标准化不是对创新的约束，而是对创新能力的放大，是把局部探索转化为系统能力、把实验室成果转化为国家竞争力的关键机制。”杨金龙说。<br> 构建国家级标准体系<br> 在杨金龙看来，当前最紧迫的任务，不是继续建设新的孤立平台，而是尽快建立国家级科研智能平台标准体系。“要强化国家标准顶层设计，加快基础、数据、安全、服务等国家标准的制修订工作，尽快形成主干标准体系。同时，要推动标准在示范工程与真实场景落地。”杨金龙说。<br> 王昆认为，面对“AI模型数月迭代一次、机器人硬件半年升级一轮”的快节奏，耗时18—24个月的“立项—起草—征求意见—审查发布”传统标准制定节奏已然无法适配。对此，应在技术尚未完全成熟、产业生态尚未定型时，提前发布前瞻性、引导性的预标准。“预标准不仅是技术文件，更是产业共识的凝聚过程，它可以引导新兴产业方向，降低试错成本，为原始创新提供‘早期认可’和‘共识凝聚’的通道，形成‘创新—规范—更大范围的创新’的正向循环。”王昆说。<br> 此外，科研标准化高度依赖原始创新，因此需要国家战略科技力量与技术领军企业全面入局。为此，王昆建议组建全国科研智能平台标准化工作组，汇聚国家实验室、顶尖高校及领军企业等核心科研力量，主导国家标准制修订。<br> 人才队伍建设同样重要。王昆说，智能科研是一个新兴领域，技术路线尚未收敛，科学范式正在重塑，因此标准化不仅是产业界的事，更和前沿基础研究息息相关，因为最懂前沿的人才最有资格定义规则。为加强智能科研标准复合领军人才建设，王昆建议，建立“标准+学术”双轨评价机制，将国际标准贡献纳入学术影响力评价；同时，为顶尖科学家提供“低门槛、高回报”的参与渠道和机制，鼓励他们积极参与标准制定工作。<br> 标准的制定和落地离不开良好的生态。“应以更加开放、建设性的姿态参与全球治理，构建一个开放、包容、敏捷的国际智能科研标准化联盟，探索国际合作新范式，共建包容普惠的智能科研规则生态，促进全球科学发现、加速科研范式变革。”王昆说。<br> “科学发展的重大跃迁，从来不是单一技术的胜利，而是制度、设施、知识与组织方式共同演化的结果。我们不能只做平台建设的跟随者，更应成为规则体系的制定者、生态格局的塑造者和未来科学纪元的开拓者。”杨金龙说，“唯有以标准筑基，方能协同共生；唯有协同共生，方能赢得下一个科学纪元。”（记者 裴宸纬）