宣布ProtoStar项目：让公共资助科学为AI做好准备

美国联邦政府每年砸下约1900亿美元（约合1.37万亿元人民币）用于研发，但钱花出去之后，成果往往散落在互不兼容的系统里，格式陈旧、缺少元数据、没有溯源说明，AI根本读不懂。10月29日，Hugging Face联合卡内基梅隆大学、普渡大学、佐治亚理工学院、亚利桑那州立大学和乔治·华盛顿大学等机构，发起了一个名为Project ProtoStar的项目，目标就是把这些公共资金支持的科研成果，转化成AI可以直接使用的数据集、模型和代码。 这件事的背景是政策压力正在收紧。美国国立卫生研究院（NIH）和美国国家科学基金会（NSF）近年不断强化公共资助研究的公开获取要求，不仅论文要开放，底层数据也得有共享计划。Hugging Face本身已被NIH列入推荐的数据共享通用仓库名单。但"公开"不等于"可用"——数据集格式静态、文档缺失、跨学科资源难以组合，这些问题让AI系统在发现和调用科学资源时举步维艰。ProtoStar的思路是推动科研机构按机器可执行的格式系统化发布成果，并通过一系列公开挑战赛来验证价值。首个挑战由卡内基梅隆大学主办，11月2日开启。创始伙伴还包括Astera Institute、作为基础设施方的Hugging Face，以及社区方ORCA。参与机构需签署谅解备忘录，承诺在开放基础设施上发布符合AI就绪格式的科研资产。 需求侧的数据已经说明了问题：Hugging Face平台上仅核心科学领域（基因组学、蛋白质设计、化学、气候、地球观测、天文学）的公开数据集就超过1.7万个，纳入医学和数学后接近2.9万个，科学模型数量也相当。对跨境电商和AI从业者而言，这类科研数据的规范化开放，意味着未来在选品分析、材料研发、气候风险评估等场景中，可调用的高质量训练资源会更多，门槛也更低。