Project ProtoStar 是一个由 Hugging Face 与多所大学、研究机构共同发起的开放科学倡议，目标很直接：让公共资助的研究成果——数据集、模型、代码——以 AI-ready（AI 就绪） 的格式发布，使它们能被研究者发现、复用，并且能被 AI 系统直接解析和组合。

背景是投入与可用性之间的落差。美国联邦政府每年在研发上投入约 1900 亿美元，NIH、NSF 等机构也已强化公共访问要求，但论文开放不等于数据可用。科学数据集往往散落在互相不兼容的系统里，格式过时，缺少文档、元数据和来源信息。结果是研究者难以在已有工作上构建，AI 更难跨学科发现和解释这些资源。ProtoStar 就是要缩小这个差距：通过机构签署谅解备忘录、发布实用指南、以及开放挑战，推动科学工件进入 AI-ready 格式并部署在开放基础设施上。

创始伙伴包括卡内基梅隆大学、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（通过 Open Forum for AI 组成大学联盟）、Astera Institute，Hugging Face 作为基础设施伙伴，开放研究社区加速器（ORCA）作为社区伙伴。项目也承接了已有的实践，比如美国国家癌症研究所的 AI 数据就绪挑战和 Hugging Face 的公共部门数据 AI 指南。CMU 开源项目办公室已经开始鼓励研究人员将合适的数据集和模型放到 Hugging Face。

需求已经用数据验证过了。Hugging Face 上目前托管超过 17,000 个核心科学领域公共数据集，覆盖基因组学、蛋白质设计、化学、天气气候、地球观测和天文学；加上医学和数学，数量接近 29,000，另有数量相当的科学模型。2026 年前九个月新增的科学数据集是 2025 年同期的 3 倍多。NIH 下属 NCBI 在 Hugging Face 上的 18 个仓库累计获得超过 1100 万次下载，NASA IMPACT 的 27 个仓库约 77 万次下载（截至 2026 年 10 月 26 日）。这些资源确实在被使用，而且文档很重要：90% 的数据集下载来自有完整文档的数据集。

ProtoStar 用一系列开放挑战来验证一个核心问题：公共资助的科学数据、模型和代码，以 AI-ready 格式发布后，能否被容易地发现、重用、组合，从而加速科学发现？首个挑战由卡内基梅隆大学主办，时间为 2026 年 11 月 2 日至 13 日，主题是气候风险智能。参赛者要用 210 个美国城市截至 2018 年的历史气候记录，预测 2019 到 2026 年的实际天气，包括年平均气温、年总降水量、当年最热一天和冷却度日数（衡量空调需求）。预测会与历史平均值、线性趋势等简单统计基线对比，判断 AI 方法是否真的更准。参赛者还需要基于数据提出一条气候适应政策建议。提交物是 Hugging Face 数据集，预测成绩通过公共排行榜展示，政策建议单独评估。最终结果要等 2026 年完整天气记录到位，预计 2027 年初公布。

后续挑战将由其他参与机构依次主办，每个挑战聚焦不同的公共资助科学资源和复用场景。想加入的研究机构、开发者或公司，可以联系 [email protected]。ProtoStar 最终想做的，是让公共资助的科学成果能流动到真正能使用它的人和工具那里，同时积累关于开放科学基础设施和最佳实践的证据。