咱们现在聊一个大的话题，全球开放数据，这事儿可是越来越热闹了。尤其是现在有了AI，科研的方法都在跟着变呢。最近啊，施普林格·自然他们联合一些数字公司还有Figshare知识库，搞了个报告，叫《2025年开放数据状况：十年进展与挑战》，这可是连续搞了十年的大追踪了。他们找了全球151个国家超过4700名的科研人员、图书馆员还有政策制定者聊了聊，发现开放科学不光是说说而已，真的成了大伙儿的共识。你看这数据，有88%的人支持开放获取出版，80%的人支持研究数据开放，75%的人赞同开放同行评审，这比例高得吓人。大家都觉得透明、协作、共享这事儿，已经不分国界和学科了。 不过呢，大家也有个盼头，就是得把这些共识变成实实在在的流程，让操作门槛降下来。特别是“FAIR”原则，就是为了让数据好找、好用、能复用，大家对它的认知度这几年涨了不少。跟2018年比起来，好多人都懂了，说明数据治理的概念已经开始落实了。 但问题也不少，大家都觉得数据共享在绩效评估里得不到啥好处，这就成了阻碍高质量数据持续开放的大坎儿。专家们说，得改改传统的评价体系，把数据贡献跟论文、专利放在一个级别上。 政策这块儿也是各有各的不同。虽然好多国家都发了指令或者框架，可不同地区、不同学科支持度差距挺大。这跟学科数据类型不一样、基础设施成熟度不一样还有文化传统有关。所以啊，政策不能一刀切，得有弹性，得跟实际需求对接好。 还有个大变化就是AI的应用越来越猛。报告里说，主动用AI处理数据的科研人员比例一下子涨了快十个点，连做元数据都更顺手了。AI在自动化处理、挖知识、找模式上的本事特别大，能帮我们把大数据管得更“FAIR”。不过技术太猛也有风险，伦理边界、安全、产权还有算法透明这些问题得赶紧定标准。 现在咱们站在一个新起点上：一方面大家心里都有数了，技术工具也给力；另一方面还得想办法建立起激励机制、政策体系还有负责任的技术规范。 展望未来啊，只有理念、政策、技术和评价体系一块儿往前走，才能把开放科学的潜力发挥到最大。