本期嘉宾：周园春 中国科学院计算机网络信息中心主任

主持人：吴海天 人民网·人民数据

人民数据：从首届大赛到今年，参赛项目在质量、类型、成熟度上发生了哪些明显变化？有没有超出您的预期？

周园春：我有三点感受。一是参赛队伍对数据要素的理解越来越深。从首届到今年的项目看，无论是整体方案还是创新成果，对数据要素的理解都在持续加深，而且越来越透彻。二是参赛团队越来越务实，越来越聚焦具体问题，把数据作为要素融入解决问题的过程当中。三是参赛团队的覆盖范围越来越大。以科技创新赛道为例，往届参赛主体以科研机构、高等院校等为主，今年则有大量企业参加，各个领域、各个方向、各个机构踊跃参与。总体而言，参赛范围和数据要素融入相关领域的广度都在不断扩大。

人民数据：科技创新赛道出现了大量科研智能体、智能科学家项目。您认为人工智能赋能科学研究是否会重构科研数据的使用方式？

周园春：从科技赛道三年的演进过程，以及当前人工智能赋能科学研究的国内外发展态势看，人工智能正在深刻改变科研方式。人工智能赋能科学研究带来的变化已经真切地发生在眼前。部分学科领域的科研人员已经感受到巨大挑战，需要建立新的思维、新的模式，否则人工智能有可能颠覆该领域的研究思路。这种颠覆性影响，在数学、理论物理等领域已经或者接近成为现实。科研范式在不同学科领域的融入深度正在逐步加深，我相信未来更多领域都会出现这样的影响。

这种影响对于科研智能体、自主实验室等新技术而言，实际上是适应人工智能赋能科研新范式下科学数据供给模式的变化。随着科研范式的变化，才有了自主实验室——它希望从后端范式的变化牵引前端数据采集需求，实现定制化采集。目前还有一个关键环节是验证：人工智能预测的许多材料，其预测性能和相应数据证明是否正确、如何验证，也需要与自主实验室体系等相结合才能形成完整闭环。

从科研智能体的角度看，数据的使用方式也发生了变化。以往是科研人员下载数据自行开展研究，现在则更多是智能体、机器在使用数据——科研人员提出想法，大模型根据这一思路和想法分解任务，再由智能体调用数据，人不再直接分析数据。因此，数据的使用方式、数据的产生模式，以及验证预测结果的方式，都是在新技术、新范式下产生的新动力。我们要更好地拥抱这种变化，同时也要深刻分析人工智能赋能科研新范式下仍需完善和优化的问题，包括验证问题。这也是下一步推动科研范式变革过程中需要不断优化完善的方向。

人民数据：如果给今年的参赛团队提一条建议，您最想说什么？

周园春：我的建议是，要在需求的牵引下，找准每个领域、每个行业、每个学科的痛点问题。由于每个学科、每个领域所处的发展阶段不同，数据要素介入过程中的痛点程度也不尽相同。要以需求牵引、问题牵引，针对解决问题过程中的痛点、堵点，提出数据要素赋能领域科技创新和行业科技创新的解决方案，并在行业内逐步形成可复制、可推广的模式。坚持从小处着手、以问题牵引、落到实处，最终放大解决方案的示范效应。这可能是各参赛团队未来更应关注和发力的方向。