由施普林格·自然、数字科研公司和Figshare知识库联合发布的《2025年开放数据状况：十年进展与挑战》报告，为全球开放科研的发展现状提供了最新的量化证据。
这份连续第十年发布的报告已成为迄今持续时间最长的开放科研活动与态度调研，其权威性和参考价值不断提升。
开放科研理念获得科研界的广泛认可。
调查数据表明，88.1%的受访者支持开放获取，80.9%支持开放数据，75.7%赞同开放的同行评审。
这些数据充分反映出，开放已成为当代科研的主流价值取向。
科研人员不仅在理念上支持开放，更在实践中积极推进，表明开放科研已从倡议阶段转向常态化运作阶段。
FAIR原则的认知度大幅提升，体现了开放科研从理念走向规范的进展。
FAIR原则即使数据便于人类和计算机查找、访问、实现互操作和重复使用的指导原则。
报告显示，对FAIR原则的认识较2018年几乎翻了一番，熟知度从15.2%增至40.6%，增幅近两倍。
这一转变说明，科研界对数据管理标准化、规范化的重视程度显著上升，为实现数据的长期可用性和价值最大化奠定了基础。
然而，开放数据的推进仍面临现实障碍。
调查发现，69.2%的研究者表示分享数据并未给自己带来多少荣誉，这反映出现有的科研评估体系对数据共享的激励不足。
在科研职业发展中，论文发表仍是主要评价指标，而数据共享的贡献往往被忽视。
要使开放数据成为可持续的科研实践，必须在科研评估制度中建立对数据共享的明确奖励机制，使贡献者获得相应的学术认可。
国家政策对开放数据的推动作用存在地区和学科差异。
调查表明，不同地区和学科对国家开放数据指令的支持度差异较大，这反映出开放科研的实施需要因地制宜、因学科制宜。
同时，政策制定必须与日常支持和基础设施建设相配合，才能使数据共享真正可行和可重复使用。
这提示政策制定者，仅有指令性要求是不够的，还需要提供相应的技术支撑、资金投入和人才培养。
人工智能在科研工作流程中的应用呈现快速增长态势。
数据显示，AI在数据处理中的主动使用率从2024年的22.1%升至2025年的31.9%，在创建元数据时从16.1%跃升至25.1%。
这一增长趋势表明，AI正在成为科研人员的重要工具，用于提高数据处理效率、改进数据质量。
AI与互操作性的结合，有望实现无缝、自动和可信的开放科研。
然而，AI的广泛应用也带来了伦理、科研安全和标准规范等新课题，需要在实践中不断探索和完善。
施普林格·自然科研数据创新总监格雷姆·史密斯指出，只有将开放与质量及获益上的明确证据结合起来，才能产生最大价值。
这一观点揭示了开放科研的核心逻辑：开放本身不是目的，而是手段。
通过开放实现数据的充分利用、科研效率的提升和创新的加速，才是开放科研的真正价值所在。
开放数据的价值不在于“公开”本身，而在于让知识在更大范围内被验证、被连接、被复用。
面对科研流程加速演进的新趋势，唯有以规则确保可信、以激励保障可持续、以基础设施打通复用链条，才能把开放从“共识”推进为“生产力”，为更加透明、高效、负责任的科研生态奠定基础。