农业农村科研协同创新基础设施总体框架与战略价值

姜丽华， 方松， 张丹丹， 赵瑞雪*， 常晓燕

（1.中国农业科学院农业信息研究所，北京 100081； 2.农业农村部农业大数据重点实验室，北京 100081；3.中国农业科学院，北京 100081； 4.北京航天丰益信息技术有限公司，北京 100081）

党的十八大以来，“创新驱动发展”成为国家战略，科技创新被摆在国家发展全局的核心位置。党中央、国务院决策部署，坚持把农业科技创新摆到农业农村发展的核心，进一步完善政策举措，加大支持力度，力图通过加快提升农业科技进步和创新水平，为我国由农业大国走向农业强国提供坚实的科技支撑[1]。在2019年第十三届全国人大二次会议和全国政协二次会议上，习近平总书记指出，“只有把核心技术掌握在自己手中，才能真正掌握竞争和发展的主动权，才能从根本上保障国家经济安全、国防安全和其他安全”。2020 年中央经济工作会议提出，在农业领域要开展种源“卡脖子”技术攻关，坚决落实“藏粮于地、藏粮于技”战略。农业“卡脖子”问题第一次被提到国家战略高度[2]。2022 年国务院《“十四五”推进农业农村现代化规划》提到，“加快实施农业生物育种重大科技项目，有序推进生物育种产业化应用”[3]。2022 年中央一号文件更是明确提出，“全面实施种业振兴行动方案，推进种业重大创新平台建设[4]。”当前，突破核心技术的瓶颈并解决农业“卡脖子”难题的有效路径是发挥市场经济条件下新型举国体制优势，集中优势资源和科研力量实施协同攻关，实施自主研发和科研创新，这样才能最终解决我国农业领域“卡脖子”问题，稳住农业基本盘，筑牢“三农”压舱石。按照问题导向、顶层统筹、数据驱动、开放共享、协同攻关的发展思路，构建农业农村科研协同创新基础设施，是维护国家粮食安全重要战略的具体举措，具有重要现实意义。

随着人工智能、云计算、物联网技术和大数据技术突飞猛进发展，数据爆炸式增长，农业科学研究持续向精细化、智能化方向演进，数据密集型科研已成为科研创新的典型特征。世界各国纷纷制定数据密集型科研发展战略，持续投入大量资金支撑数据密集型科研的数字基础设施建设，促进科研模式的变革，实现科技创新跨越。欧盟、美国等推出一系列行动规划，予以持续推进，已形成了明确的数字基础设施发展架构。我国也高度重视新型基础设施建设[5]，“十四五”规划做出明确部署，截至2020 年10 月，国家发展和改革委员会已布局建设55 个国家重大科技基础设施[6]，为科学技术研究提供了有力支撑。

科学研究的进步促使科研数字基础设施的性能和规模加速向更高量级发展，我国新型基础设施建设相关政策路线日趋清晰，农业农村科研协同创新基础设施已成为未来乡村振兴的新动能和抢占全球农业制高点的重要物质技术基础。因此，新型基础设施必将与科学研究的整个生命周期共融，促进数据高效流动，催生更多、更具价值的科学发现[1]，支撑原始创新、基础研究和产业应用，推动农业农村高质量发展，促进我国从科技大国向科技强国转变。本文系统分析了我国农业科研协同创新研究现状及当前存在的问题，创造性地提出建立1套支撑系统、2套服务体系和多项应用内容的系统基础实施架构，构建了服务多学科交叉融合的农业农村科研协同创新平台，简化并加速人工智能模型和数据的迭代和流动，实现大规模异构计算资源调度技术、多模态数据融合方法和友好的开发支撑环境。

1 农业科研协同创新研究现状

纵观已有研究，技术创新从最初的个体企业创新逐步延伸到全面创新和协同创新[2]。然而，由于理解视角差异，学者们对协同创新的内涵尚未达成一致，一般认为科研协同创新是以科研团队或人员间资源共享为前提,以各类联合攻关、效益分配、风险分担为原则,以分工协作、共同开展技术攻关为方式，达到创新解决科研难题的目的。协同创新的概念源于协同学，1976 年著名物理学家Haken[3]首次系统地提出协同理论，并发表了《协同学导论》等著作。当前，该研究主要分3 种类型，分别是概念、模式、要素。

20世纪80年代后，协同思想在创新系统理论中得到应用，很多文献以国家创新系统及产学研合作为主题，探索企业与大学、科研机构或中介组织等不同合作对象之间的协同创新问题。美国麻省理工学院斯隆中心（MIT Sloan’s Center for Collective Intelligence)的研究员彼得·葛洛(Peter Gloor)最早给出“协同创新”的定义，即“由自我激励的人员所组成的网络小组形成集体愿景，借助网络交流思路、信息及工作状况，合作实现共同的目标”[4]。

近年来，协同创新引起了国外很多学者的关注，经典理论有“三重螺旋”理论、科学知识生产“模式2”等，但目前对协同创新的内涵、动因、要素、模式等仍未系统化和体系化。例如，在协同创新模式方面，有学者认为，与竞争对手合作不是实现产品创新最合适的方式，因为存在信息泄漏的潜在风险，并且不同的合作伙伴有不同的利益。但Ritala 等[5]认为，与竞争对手合作是创造渐进性创新和根本性创新的有效途径，在高科技产业领域尤为明显。

在协同创新要素方面，也有不同的结论。国外产学研协同创新在实践方面已积累了一系列成功经验，如美国硅谷产学研“联合创新网络”；美国北卡三角科技园官、产、学、研协同创新；日本《工矿业技术研究组合法》提出的企业协同创新；韩国“技术研究组合”提出的若干行业大科学工程；欧洲一体化进程中芬兰、爱尔兰、瑞典等协同创新网络[6]。

《国家中长期科学和技术发展规划纲要（2006—2020 年）》首次提出“建立产学研结合的技术创新体系是建设国家创新体系的突破口”[7]。目前，产学研已经成为我国科技创新的最新范式，现有文献定性论述了产学研协同创新的现状、内涵、动力、模式、机制、过程、影响因素、绩效评价和政策建议等方面，且普遍采用系统论分析，代表观点是陈劲等[8]提出的“多主体协同互动论”。纵观近几年的研究成果，我国学者主要从以下几方面对政产学协同创新进行了研究。①有关协同创新效率及其影响因素的研究。黄菁菁[9]在分析产学研协同创新内在机理的基础上，利用企业面板数据对产学研协同创新的效率及其影响因素进行了研究。陈怀超等[10]探究了制度支持对产学研协同创新的影响，认为正式和非正式制度支持均对产学研协同创新有正向影响。②基于博弈理论模型。研究主体之间的协同创新机制及其利益分配策略，研究的侧重点是协同创新过程中不同利益分配机制下主体间的策略选择。方炜等[11]从创新治理角度，构建了产学研协同创新治理风险分担机制，分析了如何利用参与主体风险偏好、风险承担能力、风险管理能力以及风险损益对治理风险分担进行调配。嵇留洋等[12]构建了公平偏好影响下产学研合作主体资源投入行为决策的演化博弈模型，研究了成员的公平偏好程度、产出能力、利益分享比例等因素对资源投入行为选择的影响。③三螺旋理论模型。借助于信息论相关理论，利用信息熵指标测度主体之间的协同度，熵越大表示主体之间的合作越密切，协同度越高。吴卫红等[13]基于三螺旋理论模型，构建了政府、企业、大学研究机构和资本部门的四螺旋模型，并从互信息的角度利用信息熵测度了4 个主体之间的协同创新程度。另外，还有部分学者对产学研协同创新的机理或管理模式进行了研究，如原长弘等[14]在探讨企业家主导产学研协同创新提高企业创新能力和创新绩效机理的基础上，提出了以企业为主体的产学研协同创新管理框架。教育部“高等学校创新能力提升计划”（简称“2011 计划”），自2012年启动实施，4年为1个周期。

环顾国内，协同创新已经成为各省市区竞相探索的新型创新模式。我国载入史册的两弹一星工程、载人航天工程、嫦娥工程等重大技术攻关[15]，都是具有中国特色的协同创新的成果。近年来，北京、江苏等省（自治区、直辖市）在全面推进原始创新、集成创新、引进消化吸收再创新的同时，也在探索推动协同创新模式，力求在新一轮的世界科技创新竞赛中争得先机，争取科技创新优势[16]。如北京成立了协同创新服务联盟，服务于重大科技成果转化和产业化，大力促进战略性新兴产业发展。

我国的TD-SCDMA（time division-synchronous code division multiple access，时分同步码分多址）产业化专项成立首个企业自发形成的产业协调组织(TD industry alliance，TDIA)，形成了专利共享、共同开发、协同组织的产业发展机制，开创了我国政、产、学、研相结合的产业协同创新发展模式[17]，加快了产业化整体进程。如新型冠状病毒爆发以来，中央统筹科学技术部、卫生健康委员、国家药品监督管理局、教育部等12 个部门进行协同攻关，设立药物研发、疫苗研发、检测试剂等10个重点工作专班，聚焦临床救治、药物和疫苗研发及检测技术、病毒病原学、流行病学、动物模型构建等5个研究方向，部署83个应急攻关项目，组织动员全国优势力量开展疫情防控科研攻关[18]，形成了全国一盘棋的攻关格局，并取得了全世界瞩目的成绩。

2 农业农村科研协同创新面临的瓶颈性问题

当前，我国正加快从农业大国向农业科技强国迈进，农业科技创新也将由跟跑、并跑向领跑转变。长期以来，我国农业科技创新体系缺乏有效的统筹协同机制，解决重大科技问题的协同创新合力不够。从科技创新组织模式来看，现代科技多学科交叉融合趋势加剧，迫切需要打破各创新主体间的壁垒，围绕共同的创新目标，有效汇聚创新资源和创新要素，实现优势互补、资源共享和合作攻关，建立起完整的创新链条，不断提升创新效率和科技成果产出。从解决农业重大科技问题的现实需求来看，农业科技活动的综合性、系统性和开放性突出，创新环节多、链条长和成果产出周期长，多学科交叉明显，外部影响因素多，不通过持续协同攻关很难解决制约产业发展的瓶颈性问题[19]。这对构建完全自主、安全、可控且突破“卡脖子”关键核心技术的新型数字科研基础设施，实现从根本上保障国家农业科技创新安全和科技自立自强提出了迫切需求。习近平总书记强调，要推动互联网、大数据、人工智能和实体经济深度融合，加快制造业、农业、服务业数字化、网络化、智能化。这可以瞄准农业现代化主攻方向，提高农业生产智能化、经营网络化水平，帮助广大农民增加收入[20]。农业农村部高度重视智能农业的发展，并在顶层设计、统筹协调、创新应用、产业发展、区域示范等方面取得了显著进展，但是仍然存在一些束缚农业农村科研协同创新的瓶颈性问题亟待解决。

2.1 农业科研大数据亟待集约化

伴随生物和信息技术的发展，过去10 年间我国育种数据的数量呈现爆炸性增加趋势。据国家农业科学数据中心调研测算，我国目前年产出育种数据超过500 PB，且年增长率超过30%。从企业调研情况来看，70.8%的企业育种科研团队将相关数据内部保存；20.8%愿意将数据提交数据管理机构统一存储；4.2%将数据随论文发表公开。但相较于上万家育种团队、年产出的数百PB育种数据来说，国家农业科学数据中心的总存储能力仅为不到2 PB，“小马拉大车”的窘境凸显。数据作为生产要素的重要作用没有得到充分发挥，同时行业数据的较低共享水平造成数据生产的较高重复投入。

2.2 农业算力亟待加强化

农业农村部存储和计算能力较强的是农业农村部信息中心和大数据管理中心，存储能力分别为5.0 和2.4 PB，计算能力分别为9 000 和1 000核[21]。中国农业科学院农业信息研究所高性能计算平台存储能力达到1 PB，运算能力22万亿次·s-1。育种数据必须经过充分分析和挖掘才能发挥价值，实现对育种产业的支撑作用。当前最先进的育种技术中普遍涉及的基因编辑位点筛选和设计、高密度图谱构建与精细定位、优势基因聚合和表型预测等试验，以及市场导向下快速、精准育种等育种目标的制定，都需要建立在对大田、实验室、市场等方面各种数据的精细挖掘和分析的基础之上。算力基础设施的缺位严重制约了计算育种分析挖掘能力，桎梏育种产业升级。

2.3 数据流通融合亟待机制化

党的十九届四中全会首次提出“要健全数据作为一种新型生产要素由市场评价贡献、按贡献决定报酬的机制[22]。”然而，当前数据要素市场尚未建立流通体制机制，数据确权、定价、交易、跨境流通等基本制度还未构建完成，合法、成熟的数据流通模式尚未建立起来。比如数据确权方面，现有的物权法、合同法、知识产权法等法律未能及时完善。

2.4 数据开放共享水平亟待提升

政务数据共享方面，数据资源共享壁垒仍难以打破，由此带来数据资源的调度欠缺统筹管理，条块分割问题普遍存在，共享渠道不畅[23]。将数据视为“私人财产”的科研人员和团队普遍存在。

2.5 农业与信息技术融合亟待多元化

在应用和算法层面，我国在大数据算法的原始创新、工程实现和系统平台3 个核心领域与世界发达国家相比均存在较大差距。前沿的计算框架和衍生生态圈分布均在国外开源社区，一旦开源代码和软件受到管制，我国大数据产业将面临巨大风险。

近日，联合国经济合作与发展组织发布《科技与创新的数字化：关键发展与政策》，指出数字技术正在以多元化方式变革科技创新。为把握农业科技创新发展主动权，我国亟需加速数字技术赋能科技协同创新，优化与重构农业科技创新体系底层基础设施和运行逻辑。一是盘活数据要素活力，改变高价值农业科学数据国内未充分挖掘就流失国外的现状，改变过去以“实体化”“条块化”“区域化”“领域化”为基础的数据要素模式，推动数据要素有序流动与价值开发；二是提高自主可控核心技术研发能力，基于人工智能、区块链、云计算、大数据、边缘计算等关键技术构建“数据”+“算法”+“算力”的新兴农业协同创新基础设施，打造群体性、链条化、跨领域创新生态；三是应对数据密集型科研发展新范式，构建新型数字科研基础设施，推进交叉学科融合创新，改变农业领域学科链、创新链与产业链融通性不足的问题。

3 农业农村科研协同创新基础设施总体架构

从农业科研的实际出发，将人工智能、区块链、云计算、大数据等新型信息技术与农业科研相融合，构建基于“数据”+“算法”+“算力”的新兴农业协同创新基础设施，搭建科研协同创新平台，打造农业科研协同创新环境，构建农业领域科研数据池及科研场景，服务全国农业科研工作人员、科研机构、高校院所，突破农业科技核心关键领域和“卡脖子”技术，实现农业科技自立自强。该平台作为智能化科学计算的基础设施简化并加速了人工智能模型和数据的迭代和流动，实现了大规模异构计算资源调度技术、多模态数据融合方法和易用性开发支撑环境。农业农村科研协同创新基础设施按照“统筹规划、统一设计”原则进行建设，整体分为5 层架构1 套保障机制，5 层架构包括数据资源层、基础支撑层、服务系统层、应用场景层和服务用户层，1 套保障机制即平台运行保障机制，如图1所示。

图1 系统总体结构Fig. 1 Whole frame of system

3.1 数据源层

多维度、多粒度、多模态的大数据资源是农业农村科研协同创新平台向各类用户提供知识服务的基础。通过对多来源、多类型基础数据进行系统采集、汇聚和深度挖掘，实现农业科技大数据的汇聚治理与挖掘利用，构建包括科研论文在内的科技信息交流的新生态。该平台的数据资源主要包括国家农业农村部大数据中心、国家农业图书馆的文献数据、农业科研基地与实验室科学数据、“数字农科院”科研管理数据、国家农业科学数据中心科研项目数据以及农业领域数据等，如计算育种数据、植保有害数据和旱作农业数据等。数据资源层的建设目标是通过整合目前已有数字资源（国家农业图书馆、数字农科院以及国家农业科学数据中心）、农业科研基地与实验室新建数据资源以及在平台使用过程中沉淀下来的专业领域数据库等多种方式，实现多源异构知识资源的有效整合和关联打通，构建规范的农业领域科技知识大数据仓储，建立安全存储机制和一体化管理平台，为农业科研协同创新提供可靠的数字基础设施保障。

3.2 基础支撑设施层

数字经济时代，数据成为新的生产资料，计算力成为新的生产力，高性能计算和通用算法成为先进的生产工具。农业科研在科学履职的同时，面临着大量科学数据、实验数据等数据安全问题，极大地影响着我国农业科技自主创新和数字农业生态建设。比如在计算育种领域，信息技术与作物育种的深度融合使得作物育种数据呈现爆炸式增长，且所获得的数据也不再局限于田间性状调查结果，同时还包括动态环境数据（土壤、气候、水分等）、影像数据、基因表达及分子标记等基因型数据、代谢物动态数据以及生产管理数据等[24]，数据量庞大。以中国“3K”水稻基因组数据为例，其收集了全球2 859 份水稻品种，产生了将近16 T的数据量。大数据的5V（volume，大体量；velocity，时效性；variety，多样性；value，大价值；veracity，准确性）特性以及高安全性的需求，都需要自建分布式大数据高性能计算与分析基础设施，实现科研基础大数据汇聚融合、治理管控与挖掘分析，为第四范式科研创新提供高速稳定的大数据传输通道。

3.3 服务系统层

我国农业科研创新过度依赖国外底盘技术（如工具和模型等）不仅严重制约数据的共享和利用形式，更面临日益严峻的“卡脖子”技术风险。哈尔滨工业大学、哈尔滨工程大学2 所院校被美国禁用MATLAB，再次证明关键的底盘技术必须依靠科技的自立自强。基于农业科研协同创新大数据体系，集成并优化深度学习、认知计算、文本挖掘等人工智能技术，研制1 套新型知识共享服务系统，实现智能化、专业化的农业学术搜索引擎和知识发现，提供多维度地供给智能知识服务支撑。以我国农业科学自主研发的各类算法和模型为基础，研制1 套智能模型服务系统，实现模型构建、模型验证、模型训练、结果可视化等功能，为农业科研模型创新提供模型构建可视化环境、知识库、案例库等支撑。

3.4 应用场景层

n个应用场景，是以n个专业领域数据源为核心，以新型知识共享服务系统和智能模型服务系统为支撑的具体化应用模块，体现了农业农村科研协同平台的开放性和拓展性。基于目前我国在计算育种、植保有害物种协同监测预警、旱作农业等领域的“跟跑”紧迫性，本研究基于1 套支撑平台和丰富的知识服务、模型服务系统，面向这3个应用领域开展科研创新应用研究，搭建作物计算育种、植保有害协同监测以及旱作农业共3 个科研协同创新应用系统。其中，作物计算育种平台聚焦作物重要性状的遗传网络解析，以合成生物、基因组编辑、全基因组选择等前沿技术驱动，深度融合人工智能、大数据等前沿学科，建设“性状解析-元件设计-通路合成-材料测试-育种决策”一体化的作物精准设计育种重大科技基础设施平台[25]，打造成为我国作物种业创新的国家战略科技力量；植保有害协同监测科研协同创新应用系统主要实现远程智能一体化的农作物外来有害生物监测预警、潜在外来有害生物前瞻性风险智能预判、原发性农业有害生物发生/流行与灾变的人工智能监测、诊断与预警等应用功能；全球旱作农业科研协同创新应用系统主要实现干旱灾害预测及旱作种植结构调整等应用功能。

3.5 服务用户层

创新基础设施定位于构建开放科学研究、自主安全可控、泛在可持续服务农业第四范式的新型数据密集型科研协同创新平台，打造支撑科学实验、科学研究、数据分析、学术交流的农业科研协同创新环境，吸引全国范围内农业领域人才入驻，在平台上进行科学研究、数据共享，构建农业领域科研数据池及科研场景，推进互联网、大数据、人工智能等新技术在农业领域的深度融合，服务于农业系统各个科研机构，各个实验室、基地、创新中心及团队，以及全国范围内的涉农科研院所、各省（直辖市、自治区）农业科研机构、高校院所等研究机构。

3.6 运行保障机制

建立1 套平台的标准规范体系，统一标准、统一服务、纵向贯通、横向集成，通过对现有相关标准规范的继承、拓展，以及根据需要编订新的标准规范，构建统一的、适用性强的应用标准体系，保证农业农村科研协同创新平台项目将来在全国范围内的推广实施。建立1 套平台的建设运行管理体系，围绕总体任务目标，明确分工、协同配合，形成多方、多层次共同参与的组织运作机制，使之最大程度地发挥算力支撑、数据服务、知识共享、模型服务等效能，保障平台正常、健康、高效的运行。建立1套安全保障体系，重点解决当前数据安全领域出现的一系列全新挑战和问题，围绕服务器芯片、云数据库、中间件、分布式计算与存储，建立网络和数据一体化安全防护体系和面向数据、算力、算法等资源流通的综合监管体系，强化大数据安全保障，有效促进国产化数据安全产业发展。

4 加快构建农业农村科研协同创新基础设施的战略意义

4.1 实现我国科学数据安全和自主可控

科学数据是国家科技创新发展和经济社会发展的重要基础性战略资源。近年来，随着我国科技投入不断增长，科技创新能力不断提升，科学数据呈现出“井喷式”增长，而且质量大幅提高[26]。以育种数据为例，当前遗传育种科学研究高度依赖NCBI 等多个国外基础性数据中心。这些数据中心通过免费提供多种枢纽性的数据库、基础性的数据分析工具、体系化的论文这—数据库共生制度，形成了对育种科学研究的国际性垄断。“我国政府经费支持数据国内产出-科学家免费上传至国外数据中心-国外数据中心支配再分配”已经成为危险的闭环。这给我国育种科学研究留下诸多隐患。面对我国科技基础数据外流的严峻现实，带来研发工作受制于人、国家战略和科技安全存在隐患等问题，需要打造安全可靠的国家科技数据基础设施，牢牢把握住我国科学家自己生产的数据，开发、利用、共享和保护好这一重要的基础性战略资源。

4.2 构建科技创新算力基础设施和公共计算服务平台

伴随着大数据人工智能等学科的发展，基因编辑、合成生物等基因组定向精准改良技术的逐步建立，智能育种开启了全新的4.0时代。以水稻为例，水稻有4 万多个基因，几乎是人类基因总数的2 倍[27]，面对海量的基因数据，以人工智能为依托，通过基因型与表型数据的高通量自动化获取与解析，整合各类数据，建立基于深度学习的精准预测模型，借助基因编辑与合成生物学等先进技术，实现智能、高效、定向培育新品种。深度融合“高密计算+大数据+深度学习”等技术，构建科技创新算力基础设施和公共计算服务平台，通过现有的基因、分子、环境和表型等多模态和多尺度海量数据集，建立高精度模型，推动作物育种从“试验选优”向“计算选优”的根本转变[28]，支撑国家南繁科研育种基地育种数据的存储和高性能计算，全面提高育种数量、速度、质量和产量，推进分子精准育种技术在我国农作物育种领域的规模化应用。

4.3 突破“卡脖子”的关键工具与模型研发

我国从追赶到自主创新转型过程中，存在原始创新能力不强、核心技术受制于先发达国家的困难，如目前基因编辑技术原始专利大多被国外控制，需要超前布局一批科学研究设施。以计算育种为例，目前使用的分析方法如深度学习、机器学习、统计学习等算法均由国外开发，专用的深度神经网络基因组预测模型、从基因型到表型预测算法、标记辅助轮回选择模拟算法、模拟染色体片段置换系育种模拟工具等都是国外开源的代码和模型，而少有我国自主深入研发的算法和模型，面临缺“芯”之痛。我国转基因产业化因为基因编辑工具等底盘技术的缺失而面临着巨大的压力。平台支持Tensorflow、Caffe、PyTorch、Theano、MXNet、Keras、Paddle 等国内外的主流深度学习框架和人工智能算法库软件。作为核心技术，平台将以各领域农业科研需求为牵引，梳理、整合我国科学家自主研发的各类算法和模型，进行推广应用，实现算法和模型的迭代升级，研制1 套智能模型服务系统，实现模型构建、模型验证、模型训练和结果可视化等功能，为农业科研模型创新提供模型构建可视化环境、知识库、案例库等支撑，加速优异品种的选育编辑，从根本上改变“我国大豆从原产国沦为进口国”的尴尬境地。

5 结语

本文从构建农业农村协同创新基础设施的政策背景和国内外研究现状出发，深度剖析我国农业科技创新面临的科研大数据、高性能计算、原创算法模型、数据应用创新和数据安全防护等瓶颈问题，基于人工智能、区块链、云计算、大数据等先进信息技术构建“数据”+“算法”+“算力”深度融合的新型基础设施，构建服务多学科交叉融合的农业农村科研协同创新平台，简化并加速人工智能模型和数据的迭代和流动，实现大规模异构计算资源调度技术、多模态数据融合方法和友好的开发支撑环境。该平台致力于协助不同学科领域的科研工作者，将数据、模型、算法和算力等资源深度整合，打造即开即用的交互式云端开发环境，应用到教学、科学研究、科学数据集和算法研究等多个场景，形成人工智能融合多学科的生态闭环，催生更多且更具价值的科学发现。