Hugging Face联合CMU等发起Project ProtoStar，让公共资助科研数据AI就绪

一句话看懂：Hugging Face与卡内基梅隆大学等机构发起Project ProtoStar，推动公共资助科研数据以AI可读格式开放共享，首个挑战赛11月2日启动。

事件核心：发生了什么

2026年10月29日，Hugging Face宣布发起Project ProtoStar，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、乔治·华盛顿大学，以及Astera Institute、开放研究社区加速器（ORCA）等机构，推动公共资助科研数据集、模型和代码以机器可操作的AI就绪格式发布。Hugging Face担任基础设施伙伴，高校通过Open Forum for AI组成联盟。首个开放挑战赛由CMU主办，11月2日开启，参与机构需签署谅解备忘录。

为什么重要

美国联邦政府每年研发投入约1900亿美元，NIH、NSF等机构已强化公共访问要求，Hugging Face也是NIH列出的十大通用数据存储库之一。但公开不等于可用：科研资产常分散在不兼容系统中，或以静态、遗留格式发布，缺少文档和元数据，AI系统难以发现和组合跨学科资源。ProtoStar试图在“公共访问”与“AI可用”之间补上工程化缺口。

需求已经显现。Hugging Face托管超过1.7万个核心科学领域公开数据集，计入医学和数学后接近2.9万个，科学模型数量相当。2026年前九个月新增科学数据集是2025年同期的三倍以上。NCBI在Hugging Face的18个公开仓库累计下载超1100万次，NASA IMPACT的27个仓库约77万次；平台90%的数据集下载来自文档完整的资源，说明文档质量直接影响复用。

对用户/开发者/创作者的影响

对AI开发者而言，ProtoStar若落地，意味着更多带元数据和来源信息的科研数据集可用于训练、微调和评测，减少清洗与对齐成本。对科研机构和高校团队，参与挑战赛是低成本试水数据发布规范的方式；对依赖开源科研数据的应用开发者，标准化格式有助于跨领域检索与组合。目前公开信息显示，该计划侧重发布规范与开放基础设施，并未承诺统一算力或商业授权模式。