打开网易新闻 查看更多图片

第23届中国计算机大会在成都开幕，科学智能成为与会科学家热议的话题。四川大学教授朱向东在大会期间表示：“AI要进实验室，第一道坎是数据；材料科学数据长期存在资源零散、缺乏统筹标准化的问题”。

这一判断指向当前科学智能落地实验室时绕不开的基础环节。人工智能要参与材料发现、实验设计与性能验证，首先需要可获取、可比较、可复用的数据。材料科学数据长期存在资源零散、缺乏统筹标准化的问题，直接关系到算法模型能否在科研场景中稳定发挥作用，也关系到实验数据能否在更大范围内共享和协同。

数据是AI进入实验室的基础

在科研范式中，AI并不是脱离实验数据独立运行的工具。材料科学涉及文献、计算、实验、生产、服役等多个环节，数据来源多、链条长、专业差异大。若缺乏统筹和标准化，数据难以形成高质量底座，AI在实验室中的应用就会受到限制。朱向东所说“第一道坎是数据”，将问题前置到数据环节，说明AI进入实验室并非单一算法问题，数据基础具有先决意义。

全链条标准化采集提供数据基础

围绕生物医用材料、功能复合材料等优势学科，四川已标准化采集文献、计算、实验、生产、服役全链条数据，为人工智能赋能科研创新提供数据基础。这一实践的意义在于，将分散在不同科研环节的数据纳入统一采集和治理过程，使材料科学数据从零散资源转向可支撑AI应用的数据基础。

从行业视角看，科学智能的推进不仅取决于算力和模型，也取决于数据标准、数据治理与跨环节协同等底层能力。朱向东的发言将材料科学数据资源零散、缺乏统筹标准化的问题摆在AI进入实验室的前置位置，提示相关领域需要先解决数据基础问题，AI赋能科研创新才有更扎实的支撑。