Hugging Face联合多所美国大学启动ProtoStar计划，推动公共科研数据适配AI应用

Hugging Face于2026年10月29日宣布启动“ProtoStar计划”（Project ProtoStar），这是一个由研究机构、工业界和开放科学社区组成的联盟，旨在让政府资助的科学数据集、模型和代码更易于被AI系统发现、重用和构建。该计划的创始合作伙伴包括卡内基梅隆大学（Carnegie Mellon University）、普渡大学（Purdue University）、佐治亚理工学院（Georgia Institute of Technology）、亚利桑那州立大学（Arizona State University）和乔治·华盛顿大学（The George Washington University），它们通过“AI开放论坛”（Open Forum for AI, OFAI）作为大学联盟伙伴参与；此外还有Astera研究所、作为基础设施合作伙伴的Hugging Face，以及通过其“创新促进网络”作为社区合作伙伴的开放研究社区加速器（ORCA）。

这一举措针对的是美国联邦政府每年约1900亿美元的研发投入中存在的“可用性缺口”。尽管美国国立卫生研究院（NIH）和国家科学基金会（NSF）等机构加强了公开访问要求，但许多科研资源仍分散在不兼容系统中，或以静态/遗留格式存储，缺乏AI所需的元数据和文档。ProtoStar计划鼓励以“AI就绪”（AI-ready）和机器可操作（machine-actionable）的格式系统性共享这些资源。Hugging Face指出，其平台上已有超过17,000个核心科学领域的公共数据集，且2026年前九个月新增科学数据集的数量是2025年同期的三倍以上，显示需求正在加速。

为了验证这一模式，ProtoStar将组织一系列开放挑战。首个挑战名为“气候风险情报”（Climate Risk Intelligence），由卡内基梅隆大学主办，定于2026年11月2日至13日举行。参与者将利用来自210个美国城市的2018年之前的历史天气数据，预测2019年至2026年的实际城市气候条件，包括年平均温度、总降水量、最热日和冷却度日数。这种基于已观测天气而非假设未来场景的评估方式，旨在测试AI在结合公共数据源进行跨学科预测方面的能力。

对于读者而言，这一计划的意义在于它试图从制度层面解决AI训练数据中的“最后一公里”问题：即如何让非技术性的公共科研成果真正进入AI工作流。如果成功，这可能为其他国家和机构提供模板，使巨额公共研发资金产生的知识资产能更高效地转化为可计算、可复用的数字资源。