数字经济时代，科研数据已成为国家战略资源的重要组成部分；随着我国科研投入持续增加，各领域产生的科研数据呈指数级增长。然而，这些宝贵资源的开发利用仍面临诸多挑战。 问题现状上，当前国内科学数据中心主要承担数据汇交和存储功能，数据可信度维护、可访问性保障等存在不足。以上海为例，虽然已建成多个科学数据中心，但数据分析利用效率不高，大量高价值数据处于"沉睡"状态。更不容忽视的是，我国科研数据来源主要依赖国外数据库和有限的自研数据，存在被"卡脖子"的风险隐患。 究其原因，首先是数据标准不统一。不同科研机构使用的仪器设备来自不同厂商，数据格式互不兼容；其次，共享机制不健全。现有数据汇交主要依靠行政指令，缺乏有效的激励评价体系；再次，技术支撑不足。国内数据库建设起步较晚，在数据质量管控、分析工具开发等上与国际先进水平存差距。 这些问题已产生多上影响。一方面，造成科研资源浪费，重复研究现象突出；另一方面，制约了重大科研突破。特别是人工智能等前沿领域，高质量数据短缺直接影响模型训练效果。此外，过度依赖国外数据库也带来潜在安全风险。 针对这些问题，代表建议采取系统性对策。首先要建立统一的数据标准体系，将标准化前移至科学仪器端；其次要完善共享激励机制，量化评价数据贡献；再次要加强跨学科协同，提升平台运营能力。特别要抓住国产科学仪器快速发展的机遇，实现数据采集、存储、分析的全链条自主可控。 从发展前景看，上海作为国际科技创新中心，有条件在科研数据治理上先行先试。通过构建"产-学-研-用"协同创新体系，不仅能提升本地科研效率，更能为国家数据战略安全贡献力量。随着新一代信息技术与科研深度融合，标准化、智能化的科研数据体系将成为科技创新的重要基础设施。
科研数据从闲置到活跃的转变，不仅是技术问题，更是制度创新问题。建设自主可控的高质量科学数据库，既是保障科研数据战略安全的必然要求，也是盘活国内高价值数据资源的迫切需要。通过统一标准、完善机制、强化共享，让科研数据真正成为驱动创新的动力，我国才能在新一轮科技竞争中掌握更大主动权。