"近年来，人工智能在科研创新领域的应用呈现爆发式增长态势。根据对国际顶级学术期刊发表成果的统计分析，AI技术已成为推动科学发现的重要引擎。"7月16日，在第九届世界人工智能大会（WAIC）开幕前夕，中国科学院计算机网络信息中心主任周园春接受徽声在线等媒体联合采访时透露，其团队正通过技术革新破解科研数据共享难题。

当前AI for Science（人工智能驱动的科学研究）已形成全新科研范式，算力、数据、模型构成创新三角。然而全球科研领域普遍存在的数据孤岛现象，严重制约着AI技术赋能科学发现的进程。周园春指出，科研数据分散在各个机构，缺乏统一标识和共享机制，导致数据价值难以充分释放。

针对这一痛点，周园春团队研发的科学数据银行（ScienceDB）平台构建了创新解决方案。该平台通过为每个数据集颁发全球唯一的数字标识符（CSTR），实现数据来源可追溯、使用可追踪。平台不仅记录数据下载次数，更能追踪论文引用等深度使用情况，有效提升科研人员共享积极性。未来将依托国家人工智能应用中试基地，打造智能体时代的科学数据共享新生态，为全球开放科学治理提供技术支撑。

据周园春介绍，ScienceDB平台正在开发面向大模型和智能体的专用接口，通过标准化数据服务赋能AI技术研发。这种技术架构既保障数据安全，又能促进跨领域数据融合应用。

构建全球科研数据共享网络

在学术诚信建设方面，科学数据银行发挥着关键作用。周园春解释道，当前国际学术界要求论文必须公开支撑数据，但数据造假、成果不可复现等问题仍时有发生。ScienceDB平台通过数据-论文关联机制，建立可验证的科研证据链，有效遏制学术不端行为。

平台采用国际通行的论文关联数据共享模式，科研人员在投稿时可将实验数据、观测记录等支撑材料上传平台。这种自愿汇聚机制既符合国际学术规范，又能保护科研人员的数据权益。周园春特别强调："我们通过技术手段确保数据贡献者获得应有学术认可，这是提升共享意愿的核心要素。"

《徽声在线》记者获悉，ScienceDB已获得Elsevier、Springer Nature等国际顶级出版商认证推荐，累计吸引150余个国家和地区的科研人员参与共享。平台现存1500多万个标准化数据集，相关实践被联合国教科文组织纳入开放科学全球案例库，成为发展中国家推动科研数据治理的典范。

该平台通过数据-论文双向核验机制，构建起科研诚信防护网。周园春团队开发的数据质量评估体系，可自动检测数据异常波动，配合人工审核机制，确保共享数据的可靠性。这种质量管控模式既减少了重复实验造成的资源浪费，又将科研数据复用效率提升40%以上。

"科学数据银行已成为具有全球影响力的科研基础设施。"周园春表示，平台通过建立可信数据底座，为AI国际合作提供基础支撑。目前正在开发的跨语言数据检索系统，将进一步降低国际科研协作门槛，推动构建人类科研命运共同体。

创新技术破解数据共享困局

尽管取得显著进展，周园春坦言科研数据孤岛现象仍未彻底消除。调查显示，超过60%的科研人员因担心数据失控而拒绝共享，这导致大量珍贵数据处于休眠状态。如何平衡数据开放与权益保护，成为技术攻关的重点方向。

针对数据溯源难题，团队研发的CSTR标识体系获得国际标准组织认可。该技术通过加密算法生成唯一数字指纹，即使数据经过多次转换仍可追溯原始来源。周园春比喻道："这就像给每个数据集颁发电子身份证，既保护隐私又确保可查证。"

在共享模式创新方面，平台引入的智能体（Skill）技术实现数据"可用不可见"。科研人员将数据封装为标准化服务接口，其他研究者通过调用接口获取分析结果，却无法直接接触原始数据。这种技术架构既满足数据所有者的控制需求，又实现跨机构数据协同分析。

周园春团队提出的"分布式数据智能体"概念，正在重塑科研数据生态。在该模式下，数据仍存储在原始机构，但通过定义统一接口标准实现互联互通。这种物理分散、逻辑集中的架构，既避免数据集中存储的安全风险，又能通过智能调度实现全局优化。

为推动技术落地，平台开发了自动化数据封装工具包，科研人员只需简单操作即可将本地数据转化为智能体服务。目前该技术已在材料科学、生命医学等领域试点应用，数据显示数据利用率提升3倍以上，而数据泄露风险降低至传统模式的1/5。

"通过标识技术与智能体技术的深度融合，我们找到了破解数据孤岛的有效路径。"周园春透露，团队正在与多个国际组织合作制定相关技术标准，未来将构建覆盖全球的科研数据共享网络，为AI时代科学创新提供基础设施保障。