开放科研在全球范围内正从理念走向常态化实践。最新发布的《2025年开放数据状况：十年进展与挑战》报告显示，科研界对开放获取、开放数据和开放同行评审的支持度依然较高，分别为88.1%、80.9%和75.7%。这表明经过十年持续推进，开放科研已在全球科研活动中扎根，并逐渐成为学术共同体的共识。 FAIR原则的推广成效明显。该原则强调研究数据应便于查找、访问、互操作和重复使用，以保障数据的长期价值。报告显示，对FAIR原则的认知度从2018年的15.2%提升至2025年的40.6%，接近翻倍。数据管理的规范化正在被更多科研机构和研究人员接受，持续的倡导与落地实践起到了关键作用。 不过，开放科研仍面临现实掣肘。调查显示，69.2%的研究者认为数据共享并未带来相应的学术认可或职业回报，反映出现行科研评价体系对数据共享的激励不足，削弱了研究人员主动分享的意愿。专家指出，在科研评估中建立对数据共享的明确奖励机制，是推动开放科研长期发展的重要抓手。 人工智能正在改变科研流程。报告数据显示，人工智能在数据处理中的使用率从2024年的22.1%升至2025年的31.9%，在元数据创建中的使用率也从16.1%增至25.1%。这个增长说明，人工智能正在成为提升科研效率、加速数据整理与加工的重要工具。同时，人工智能与数据互操作性的结合，将对实现更自动化、可追溯且可信的开放科研起到关键支撑作用。 地区与学科差异仍值得重视。调查发现，不同地区和学科对国家开放数据指令的支持度存在明显差别。开放科研的推进需要结合本地条件与学科特点同步设计，政策也需与日常支持、工具平台和基础设施建设配套，才能让数据共享真正可行，并提升可重复使用性。 施普林格·自然科研数据创新总监格雷姆·史密斯强调，只有把开放与质量提升及实际获益的证据结合起来，才能释放最大价值。这也指向开放科研的下一步重点：在扩大开放的同时，更要确保数据与流程的质量，以及可衡量的实际成效。
开放数据的意义不止在于“公开”，更在于让科研过程可验证、成果可复用、协作可持续。十年的进展表明，开放已成为科研生态的重要一环；下一阶段的关键，是通过更合理的评价激励、更完善的基础设施和更清晰的标准体系，把开放从“额外负担”转化为“能力优势”。当开放与质量、效率、信任形成良性循环，科研创新的基础将更稳固，知识服务社会的路径也将更顺畅。