2019年5月1日，日本將迎來新天皇，這標(biāo)志著持續(xù)30年的“平成時代”即將落下帷幕，正式進入“令和時代”，明仁天皇也成為日本首位生前退位的天皇。不過與大眾所知的天皇形象不同，現(xiàn)在的天皇一家人，在科研領(lǐng)域可謂是成就頗豐，自1992年起，明仁天皇陸續(xù)在國際高水平學(xué)術(shù)期刊《科學(xué)》、《自然》、《基因》上發(fā)表研究成果。而他的父親，昭和天皇在世時也寫了許多和水螅綱（Hydrozoa，包含所有的水母及水螅類動物）有關(guān)的論文。

日本幾十年來在基礎(chǔ)科研領(lǐng)域的巨大投入和專注是毋庸置疑的，天皇尚能孜孜不倦專注于研究，可見日本國內(nèi)科研氛圍之濃厚。

近年來，我國在科研領(lǐng)域的持續(xù)投入，也是有目共睹的。去年7月，國務(wù)院印發(fā)《關(guān)于優(yōu)化科研管理提升科研績效若干措施的通知》，要建立以科技創(chuàng)新質(zhì)量、貢獻、績效為導(dǎo)向的分類評價體系，這標(biāo)志著科研人員有更大技術(shù)路線決策權(quán)， 科研單位獲得了更加自主的科研經(jīng)費使用權(quán)，減免了很多瑣碎的申報步驟，讓科研團隊能夠更多地把精力放在前沿領(lǐng)域的研究和科研成果的落地上。

AI1．0時代，中國在人工智能領(lǐng)域搶占科研先機

位于華盛頓州西雅圖的艾倫人工智能研究所（Allen Institute for Artificial Intelligence，Ai2） 發(fā)布了一項新的研究報告，顯示中國的人工智能研究在質(zhì)上也開始有了趕超美國的趨勢。該研究所通過自身創(chuàng)建的Semantic Scholar學(xué)術(shù)搜索引擎研究發(fā)現(xiàn)，自 2005 年以來，中國發(fā)表的人工智能論文數(shù)量已經(jīng)超過了美國，而“引用次數(shù)前50％的人工智能研究論文”份額中，中國將在今年實現(xiàn)超過美國。由此可見，未來的五到十年將是人工智能技術(shù)的飛速發(fā)展時期。

在人工智能的科研學(xué)術(shù)方面，有關(guān)基礎(chǔ)理論的研究正在深入和細化，應(yīng)用上不斷向不同領(lǐng)域滲透，呈現(xiàn)出更加迅猛的發(fā)展勢頭。近兩年，人工智能在材料、化學(xué)、物理等領(lǐng)域的研究上展現(xiàn)出巨大優(yōu)勢，也在歷史、社科、經(jīng)濟、金融等領(lǐng)域發(fā)揮前所未有的作用，正在引領(lǐng)科研的“后現(xiàn)代化”。

AI2．0時代，我們需要更強大的數(shù)據(jù)化科研協(xié)作平臺

在AI2．0時代，把握人工智能技術(shù)不僅意味著科研效率的提升，更意味著科研“彎道超車”機遇的到來。在人工智能科研中，數(shù)據(jù)是最基礎(chǔ)的資源，而對于數(shù)據(jù)的處理和機器學(xué)習(xí)算法，才是科研成果的核心關(guān)鍵所在。

Python由于其膠水語言的特性，強大的社區(qū)生態(tài)加持，在人工智能應(yīng)用上已經(jīng)成為最主流的編程語言。在大規(guī)模數(shù)據(jù)的分析計算，模型算法應(yīng)用上，python都有深厚的技術(shù)積累和應(yīng)用先例，在與云計算的結(jié)合后，更加彰顯出巨大的能量，將數(shù)據(jù)科學(xué)的基礎(chǔ)能力賦能到各大學(xué)科之中，在當(dāng)今已經(jīng)形成一股強大的浪潮。

隨著科研數(shù)據(jù)體量、維度的大幅增加，科研課題的多元化�？蒲袌F隊對于數(shù)據(jù)處理和團隊協(xié)同難度逐漸提高，需要引入大量云資源，并需要為團隊提供統(tǒng)一的協(xié)作系統(tǒng)，這不僅需要進行繁復(fù)的基礎(chǔ)工作，對于一些沒有計算機背景的團隊成員更是十分困難。從硬件到軟件，為科研實驗室專門配置一套高性能計算能力的設(shè)備往往需要花費上百萬甚至千萬，而硬件技術(shù)的快速更迭使得高性能計算集群頻繁換代，帶來潛在且不菲的更新成本。

俗話說，工欲善其事必先利其器，對于科研團隊來說，更需要好的工具才能加速推進科研成果。

KesciLab科研版：八大優(yōu)勢，為提升科研效率而生

和鯨科技（heywhale．com）旗下的數(shù)據(jù)科學(xué)工具KesciLab，近期推出了科研版，不僅提供了Python、R語言的豐富生態(tài)，覆蓋了上百種主流數(shù)據(jù)分析工具功能，也為團隊提供了統(tǒng)一的云計算環(huán)境，只需一鍵環(huán)境配置和項目分享，從數(shù)據(jù)到模型甚至論文報告都可以一鍵共享，完成無縫實時協(xié)作。

和鯨K－Lab科研版，實際上提供了一整套完整的數(shù)據(jù)科學(xué)相關(guān)科研解決方案。

對于科研導(dǎo)師來說，KesciLab科研版能夠幫助導(dǎo)師精準把控項目細節(jié)，加快研究進度，讓團隊成員擺脫繁復(fù)的基礎(chǔ)工作，迅速進入研究重要階段，大幅提升科研探索效率和論文質(zhì)量。同時也讓科研團隊直接跳過瑣碎的運維管理，從繁重的基礎(chǔ)工作中解放，無需任何硬件部署和運維，快速在應(yīng)用層開展研究工作，根據(jù)任務(wù)需求彈性調(diào)度云算力，既高效又經(jīng)濟。

具備云資源彈性調(diào)度、開箱即用的環(huán)境配置、交互式編程、便捷的代碼庫、豐富的學(xué)習(xí)資源、多人實時在線協(xié)作、任務(wù)與權(quán)限靈活管理、論文復(fù)現(xiàn)等諸多優(yōu)勢的KesciLab科研版，不僅在深度學(xué)習(xí)等前沿科研領(lǐng)域有著很好的應(yīng)用前景，在歷史、社科和經(jīng)濟學(xué)這些人文學(xué)科也有著豐富的應(yīng)用。據(jù)悉，KesciLab科研版推出后，受到了眾多高校與科研機構(gòu)的廣泛關(guān)注，并已經(jīng)在國內(nèi)的頂級高校如清華大學(xué)、上海交通大學(xué)的科研團隊中得到應(yīng)用。

K－Lab科研版

彈性調(diào)度：可根據(jù)任務(wù)需求一鍵調(diào)配騰訊云、阿里云、AWS等算力資源，實現(xiàn)極簡運維；

環(huán)境配置：內(nèi)置數(shù)百種Python、R語言工具包和深度學(xué)習(xí)框架，同時支持自安裝包的管理調(diào)用；

交互式編程：代碼效果實時可視化 ，調(diào)整模型和參數(shù)可得到實時反饋；

豐富學(xué)習(xí)資源：連通科賽社區(qū)與比賽平臺，提供大量的Python精品課程和無限制的數(shù)據(jù)集，無基礎(chǔ)知識的用戶也能快速上手；

便捷代碼庫：內(nèi)置多種常用代碼分析片段，并配置快捷的調(diào)用方式（接口），還可以添加自定義代碼片段，組織并管理文獻代碼，日后可快速復(fù)用；

多人協(xié)作：實現(xiàn)項目一鍵分享，團隊其他成員能夠直接在已有研究基礎(chǔ)上繼續(xù)開展工作，更支持對論文單個代碼模塊進行評論標(biāo)注；

靈活管理：提供組織管理模塊，導(dǎo)師／管理員可對項目資源、任務(wù)、人員、實時進度、科研數(shù)據(jù)進行統(tǒng)一管理；

論文復(fù)現(xiàn)：科研成果及其所依賴的數(shù)據(jù)集可托管至云端，并形成自動化關(guān)聯(lián)，方便科研成果復(fù)現(xiàn)與再生產(chǎn)時的快速調(diào)用；）