高质量发展成效如何？这条街“用数据说话”

 

北京市西城区，素以拥有一条“金融街”而闻名。7月初，北京西城另一条特殊的“街”成了焦点。

这就是“中国数据街”，以中关村西城园7.38平方公里和金融街2.59平方公里为核心承载空间，促进区域内教育教学、医疗健康、金融服务、科学研究等数据资源加速汇集。

一座数据要素产业集聚新高地正在崛起。而谈及高质量发展成效几何？这条街“用数据说话”。

取自科研、用于科研

在科学研究一线，许多研究人员们一天到晚都要跟数据打交道。

“科学数据是科学研究活动所产生和使用的原始数据及其衍生数据的综合。”中国科学院计算机网络信息中心主任周园春说，包括自然科学、工程技术科学等领域产生和使用的数据，以及其他行业开展科技创新活动所产生和使用的数据。

高质量科学数据是AI for Science（人工智能驱动的科学研究）发展的重要燃料。2025年8月，国务院正式发布《深入实施“人工智能＋”行动的意见》，高质量科学数据建设已然成为国家重要战略。

“科学数据从科学中来，到科学中去。”周园春介绍，其主要汇集方式包括两种：一类是政府主导的数据汇交，一类是遵循国际规则的数据汇交。

目前，我国已经建立了多层次、广覆盖的科学数据政策体系，各地方相继启动科学数据中心建设，以国家科学数据中心为核心的科学数据中心体系逐步形成。

而随着科学数据的价值与战略地位持续攀升，科学数据的流通与治理成为全球共同面临的难题。

“以实验计算-数据-AI驱动的进程为牵引，科学数据治理目标正由‘自用’‘他用’向‘模型用’转变。”周园春指出，这也推动着评估维度从人类可读性、共享性，向面向人工智能模型理解与利用的方向转变。

因此，这对科学数据集的评估提出了更高要求。2025年1月，国际首个从“数据＋模型”角度，面向AI for Science的综合评价平台科学地平线正式发布，从规范性、可用性、可解释性、合规性等4个方面15个子维度进行人工智能就绪科学数据集进行综合评估。

周园春说，为了促进科学数据集开放共享，可以给每个科学数据集赋上全球唯一的科技资源标识CSTR（“数字身份证”）。

“科技资源标识贯穿科技资源产生、使用、发布、传播、评价全生命周期。”周园春介绍，2016年，我国正式发布科技资源标识国家标准，2018年基于该国家标准建设了自主科技资源系统（www.cstr.cn），多年来持续拓展国内各类科技资源接入场景，同步开展国际对接合作，并推动其获得国际认可。

“科学数据相关信息上链，使存证数据无法篡改，实现全程留痕，全链路可信。”周园春说，最终为科学研究打造安全可靠的数据底座。

“所想即所得”，还有多远？

“吸烟的人通常比不吸烟的人身体好。”会上，原卫生部统计信息中心副主任、中国医院协会信息专业委员会主任委员王才有语出惊人。

看着台下疑惑的目光，他会心一笑。

“事实上，并非吸烟有益于健康，而是体质孱弱、身患疾病的人群，大多会主动规避吸烟行为。”王才有指出，这就是数据之间暗藏的因果关系。

而这一点，在医疗领域的重要性尤为突出。“医生对病人的研判是多维度、全方位的综合分析。”王才有指出，但AI大模型所依托的数据往往并不完整，可能导致研判失误。

随着AI技术的飞速发展，医疗数据的开发利用也迎来了新机遇。“我们以前处理的数据都是标准化、结构化的数据。然而AI出现后，影像数据、病理数据以及文本数据都可以利用并产生价值。”王才有说。

与机遇相伴而生的，则是更多全新的挑战。

“AI不知道诊断时的现实场景，也不理解上下文语境。”王才有指出，而仅仅通过数据的表层关联，却无法深入理解其背后真实世界的因果逻辑，这成为AI在医疗领域应用时不容忽视的风险。

“但作为典型的数据密集型行业，医疗领域必须积极拥抱AI的变革。”王才有介绍，当前AI在医学领域的应用包括两大类型：一种是依托AI大模型完成医疗判断与预测，另一种是辅助医生撰写出院小结、诊疗报告等各类医疗文书。

尽管AI在医疗领域存在“不靠谱”的风险，但其普及速度快、实用价值突出等特征，仍是推动医疗行业数字化变革的重要力量。

而在诸多前沿探索中，脑机接口更是当之无愧的风口。

“大脑是一个‘孤独’的器官，只能通过生物接口与外部交互。”中国科学院自动化研究所研究员余山说，而脑机接口则第一次有可能实现大脑跟外部世界的直接互动，这也是对人类潜能的释放。

在他看来，尽管外界常将脑机接口视为单纯医疗产品，但长远来看，其核心在于接口方式的根本变革。“未来脑机交互将实现从‘所触即所得’到‘所想即所得’的跃迁，不会完全取代现有智能设备，而是重要补充与拓展。”

目前，脑机接口大多仍在解码大脑“执行层”信号，但其团队已开展全新探索：从更高层级的大脑“意图层”入手，结合AI与具身智能，实现真正意义上“所想即所得”的交互方式变革。

“到时候，大脑不再只是个‘遥控器’，而是能真正指挥AI与具身智能完成工作。”余山说。

点亮教育新可能

当AI技术的浪潮席卷教育行业，又将点亮哪些新可能？

“现阶段，教育领域的AI大模型已有不少成熟的落地应用。”中国科学院自动化研究所研究员李兵表示，主要分为面向教师和学生两类，“面向教师的功能集中在教学减负，可自动生成教案课件、批改课后作业；面向学生则主打课后交互式辅导，以作文辅助练习为例，实际使用效果已经比较稳定。”

而随着多模态大模型的发展，AI在教育领域有了更多用武之地。

“如今教室普遍配备了相关AI硬件，例如AI交互黑板、智能学习终端等，能及时获取课堂上的动态学习数据。”李兵举例称，同时，教师也能够快速调取、生成多模态教学素材，实现场景化课堂展示。

相较于以往只能依靠二维平面图进行知识讲解，如今依托三维模型、AR、VR等技术，能够将复杂知识点立体呈现、动态演示，让教学内容更加清晰直观。

同时，AI技术也让因材施教成为可能。“通过搭建各学科数据库，系统能够完成学情诊断、优质学习资源推送，结合每位学生的学习状态给出个性化学习建议。”李兵说。

然而，教书育人的重任并不能完全交给AI。当前，AI在教育领域的应用仍然存在核心短板。

“首先是数据层面，点状结果数据充足，但完整过程数据稀缺，难以捕捉学生解题思考路径、出错根源，无法完整还原学习全过程。”李兵指出，此外，难以有效采集学生居家、课外学习状态，且采集数据多集中在答题、书写等物理学习行为方面，缺少学生学习兴趣、情绪状态、身心健康等维度信息。

其次，尽管当前学界正在推进模型可解释性研究，却仍难以满足教育对清晰、可追溯的学生成长过程的要求，幻觉问题也是制约AI落地应用的关键阻碍。

“更重要的是，教育不只是单向的知识灌输，而是人与人之间带有温度的双向沟通。”李兵指出，目前模型的情感交互能力不足，尚不具备同理心，无法完成贴合学生情绪、心理需求的情感化互动。

“无论技术研发还是教育实践，核心都应当以人为本，所有技术最终都要服务于教育本身。”李兵说。

因此，李兵从准入边界、权责划分、行业治理和安全防控等方面提出建议：不仅要建立严格的模型准入审查机制、完成安全评测核验，还要清晰划分AI在教育场景中的权责边界，思辨、价值观培养等核心育人环节仍需教师主导。

“我们可以借助AI辅助教学全流程，但绝不能让师生、学生被数据评价体系束缚。”李兵反复强调，“此外，教育场景中的安全治理尤为关键，青少年成长相关的隐私信息容不得疏漏。”