把科研数据上传到网上，不等于AI就能用。文件可能散落在不同系统里，格式彼此不兼容，也可能缺少说明和授权信息。Project ProtoStar想补上这层基础设施：推动公共资助产生的数据集、模型和代码，以AI-ready格式发布，让程序能稳定发现、读取和复用。
这里的关键是元数据——描述内容、来源、格式和许可的标准化标签。项目将由高校、研究机构、产业界和开放科学社区共同参与，并通过开放挑战展示这些资源的用途；首个挑战由Carnegie Mellon University主办，11月2日开放。Hugging Face担任基础设施伙伴，创始成员还包括Purdue、Georgia Tech、Arizona State等高校及Astera Institute、ORCA。
为什么值得关注？据Hugging Face介绍，其平台已有超过1.7万个核心科学领域的公开数据集；计入医学和数学后接近2.9万个。2026年前九个月新增科学数据集数量也超过2025年同期的三倍。供给正在快速增长，但能否整理成机器真正可用的资源，可能决定AI for Science下一阶段的效率。上述规模与增长数据来自项目发布方，尚未见独立核查。