高質量發展成效如何？這條街“用數據說話”

　　北京市西城區，素以擁有一條“金融街”而聞名。7月初，北京西城另一條特殊的“街”成了焦點。

　　這就是“中國數據街”，以中關村西城園7.38平方公里和金融街2.59平方公里為核心承載空間，促進區域內教育教學、醫療健康、金融服務、科學研究等數據資源加速匯集。

　　一座數據要素產業集聚新高地正在崛起。而談及高質量發展成效幾何？這條街“用數據說話”。

　　取自科研、用于科研

　　在科學研究一線，許多研究人員們一天到晚都要跟數據打交道。

　　“科學數據是科學研究活動所產生和使用的原始數據及其衍生數據的綜合。”中國科學院計算機網絡信息中心主任周園春說，包括自然科學、工程技術科學等領域產生和使用的數據，以及其他行業開展科技創新活動所產生和使用的數據。

　　高質量科學數據是AI for Science（人工智能驅動的科學研究）發展的重要燃料。2025年8月，國務院正式發布《深入實施“人工智能＋”行動的意見》，高質量科學數據建設已然成為國家重要戰略。

　　“科學數據從科學中來，到科學中去。”周園春介紹，其主要匯集方式包括兩種：一類是政府主導的數據匯交，一類是遵循國際規則的數據匯交。

　　目前，我國已經建立了多層次、廣覆蓋的科學數據政策體系，各地方相繼啟動科學數據中心建設，以國家科學數據中心為核心的科學數據中心體系逐步形成。

　　而隨著科學數據的價值與戰略地位持續攀升，科學數據的流通與治理成為全球共同面臨的難題。

　　“以實驗計算-數據-AI驅動的進程為牽引，科學數據治理目標正由‘自用’‘他用’向‘模型用’轉變。”周園春指出，這也推動著評估維度從人類可讀性、共享性，向面向人工智能模型理解與利用的方向轉變。

　　因此，這對科學數據集的評估提出了更高要求。2025年1月，國際首個從“數據＋模型”角度，面向AI for Science的綜合評價平臺科學地平線正式發布，從規范性、可用性、可解釋性、合規性等4個方面15個子維度進行人工智能就緒科學數據集進行綜合評估。

　　周園春說，為了促進科學數據集開放共享，可以給每個科學數據集賦上全球唯一的科技資源標識CSTR（“數字身份證”）。

　　“科技資源標識貫穿科技資源產生、使用、發布、傳播、評價全生命周期。”周園春介紹，2016年，我國正式發布科技資源標識國家標準，2018年基于該國家標準建設了自主科技資源系統（www.cstr.cn），多年來持續拓展國內各類科技資源接入場景，同步開展國際對接合作，并推動其獲得國際認可。

　　“科學數據相關信息上鏈，使存證數據無法篡改，實現全程留痕，全鏈路可信。”周園春說，最終為科學研究打造安全可靠的數據底座。

　　“所想即所得”，還有多遠？

　　“吸煙的人通常比不吸煙的人身體好。”會上，原衛生部統計信息中心副主任、中國醫院協會信息專業委員會主任委員王才有語出驚人。

　　看著臺下疑惑的目光，他會心一笑。

　　“事實上，并非吸煙有益于健康，而是體質孱弱、身患疾病的人群，大多會主動規避吸煙行為。”王才有指出，這就是數據之間暗藏的因果關系。

　　而這一點，在醫療領域的重要性尤為突出。“醫生對病人的研判是多維度、全方位的綜合分析。”王才有指出，但AI大模型所依托的數據往往并不完整，可能導致研判失誤。

　　隨著AI技術的飛速發展，醫療數據的開發利用也迎來了新機遇。“我們以前處理的數據都是標準化、結構化的數據。然而AI出現后，影像數據、病理數據以及文本數據都可以利用并產生價值。”王才有說。

　　與機遇相伴而生的，則是更多全新的挑戰。

　　“AI不知道診斷時的現實場景，也不理解上下文語境。”王才有指出，而僅僅通過數據的表層關聯，卻無法深入理解其背后真實世界的因果邏輯，這成為AI在醫療領域應用時不容忽視的風險。

　　“但作為典型的數據密集型行業，醫療領域必須積極擁抱AI的變革。”王才有介紹，當前AI在醫學領域的應用包括兩大類型：一種是依托AI大模型完成醫療判斷與預測，另一種是輔助醫生撰寫出院小結、診療報告等各類醫療文書。

　　盡管AI在醫療領域存在“不靠譜”的風險，但其普及速度快、實用價值突出等特征，仍是推動醫療行業數字化變革的重要力量。

　　而在諸多前沿探索中，腦機接口更是當之無愧的風口。

　　“大腦是一個‘孤獨’的器官，只能通過生物接口與外部交互。”中國科學院自動化研究所研究員余山說，而腦機接口則第一次有可能實現大腦跟外部世界的直接互動，這也是對人類潛能的釋放。

　　在他看來，盡管外界常將腦機接口視為單純醫療產品，但長遠來看，其核心在于接口方式的根本變革。“未來腦機交互將實現從‘所觸即所得’到‘所想即所得’的躍遷，不會完全取代現有智能設備，而是重要補充與拓展。”

　　目前，腦機接口大多仍在解碼大腦“執行層”信號，但其團隊已開展全新探索：從更高層級的大腦“意圖層”入手，結合AI與具身智能，實現真正意義上“所想即所得”的交互方式變革。

　　“到時候，大腦不再只是個‘遙控器’，而是能真正指揮AI與具身智能完成工作。”余山說。

　　點亮教育新可能

　　當AI技術的浪潮席卷教育行業，又將點亮哪些新可能？

　　“現階段，教育領域的AI大模型已有不少成熟的落地應用。”中國科學院自動化研究所研究員李兵表示，主要分為面向教師和學生兩類，“面向教師的功能集中在教學減負，可自動生成教案課件、批改課后作業；面向學生則主打課后交互式輔導，以作文輔助練習為例，實際使用效果已經比較穩定。”

　　而隨著多模態大模型的發展，AI在教育領域有了更多用武之地。

　　“如今教室普遍配備了相關AI硬件，例如AI交互黑板、智能學習終端等，能及時獲取課堂上的動態學習數據。”李兵舉例稱，同時，教師也能夠快速調取、生成多模態教學素材，實現場景化課堂展示。

　　相較于以往只能依靠二維平面圖進行知識講解，如今依托三維模型、AR、VR等技術，能夠將復雜知識點立體呈現、動態演示，讓教學內容更加清晰直觀。

　　同時，AI技術也讓因材施教成為可能。“通過搭建各學科數據庫，系統能夠完成學情診斷、優質學習資源推送，結合每位學生的學習狀態給出個性化學習建議。”李兵說。

　　然而，教書育人的重任并不能完全交給AI。當前，AI在教育領域的應用仍然存在核心短板。

　　“首先是數據層面，點狀結果數據充足，但完整過程數據稀缺，難以捕捉學生解題思考路徑、出錯根源，無法完整還原學習全過程。”李兵指出，此外，難以有效采集學生居家、課外學習狀態，且采集數據多集中在答題、書寫等物理學習行為方面，缺少學生學習興趣、情緒狀態、身心健康等維度信息。

　　其次，盡管當前學界正在推進模型可解釋性研究，卻仍難以滿足教育對清晰、可追溯的學生成長過程的要求，幻覺問題也是制約AI落地應用的關鍵阻礙。

　　“更重要的是，教育不只是單向的知識灌輸，而是人與人之間帶有溫度的雙向溝通。”李兵指出，目前模型的情感交互能力不足，尚不具備同理心，無法完成貼合學生情緒、心理需求的情感化互動。

　　“無論技術研發還是教育實踐，核心都應當以人為本，所有技術最終都要服務于教育本身。”李兵說。

　　因此，李兵從準入邊界、權責劃分、行業治理和安全防控等方面提出建議：不僅要建立嚴格的模型準入審查機制、完成安全評測核驗，還要清晰劃分AI在教育場景中的權責邊界，思辨、價值觀培養等核心育人環節仍需教師主導。

　　“我們可以借助AI輔助教學全流程，但絕不能讓師生、學生被數據評價體系束縛。”李兵反復強調，“此外，教育場景中的安全治理尤為關鍵，青少年成長相關的隱私信息容不得疏漏。”