高校科研AI平台自建还是共建南大案例的3个启示
高校科研AI平台自建还是共建？南大案例的3个启示
最近好几个高校的老师问图老师同一个问题：学校想上科研AI平台，是信网中心自己建，还是找企业共建？
有的学校已经立项了，预算批了，卡在选路线这一步。
问得多了，图老师发现大家纠结的其实是同一件事：怕自己建不起来，又怕共建被供应商绑死。
这个问题没有标准答案，但有标准思路。
选错了路线的代价很实在：几百万预算花出去，平台没人用，第二年还得推倒重来。
今天借南京大学的真实案例，把自建和共建的账算清楚，3个启示，帮正在纠结的学校少走弯路。
启示一 自建卡在人不在钱
第一个启示：大部分学校自建科研AI平台，卡住的不是预算，是人。
信网中心的技术团队是有的，运维服务器、管网络都很在行。
但科研AI平台是另一个物种：它要懂科研流程，懂文献结构，懂课题组之间的协作习惯，还得懂模型。
这些能力信网中心平时用不上，招人招不到，培养来不及。
就算招到了一两个懂模型的，留不留得住又是问题，企业开的薪资学校很难跟。
时间也不等人，自建从立项到能用，两三年起步，这期间老师的刚需早就自己找工具解决了。
结果就是平台建起来了，功能是通用的，老师用两下觉得不如商业工具顺手，慢慢就闲置了。
图老师见过一所学校自建的知识库问答，答案经常张冠李戴，老师用了一个月就回归百度学术了。
平台的价值不在跑起来，在有人用，这个道理很多学校是花了钱才明白的。
自建适合什么样的学校？有计算机学院撑腰、有AI学科底子、能拉出一支跨部门团队的，可以试。
其他学校，自建这条路基本是资源错配。
启示二 共建先谈数据不出校
第二个启示：选择共建，第一件事谈的应该是数据，不是功能。
南京大学用MatSeek搭智能科研助手平台，第一条底线就是数据不出校。
未发表的成果、课题数据、学生论文，全部署在校内自己的服务器上，这是高校敢用AI的前提。
老师看不到这条底线，再好的功能也不敢往里放真东西，平台就只剩个空壳。
为什么这条这么重要？
科研数据出了校门，保密责任就说不清了，出了问题没有任何合同能兜底。
学生毕业论文被泄露、在研课题被同行截胡，这些后果没有一家供应商赔得起。
所以跟供应商谈共建，数据归属、部署位置、审计权限，这三样必须白纸黑字写进协议。
部署在校内、数据不出校、学校全程可控，这十二个字是高校科研AI的入场券，缺一个都不敢真用。
供应商嘴上答应但合同里回避的，直接换下一家，这一条没有商量余地。
图博数智给高校做落地，本地化交付是默认选项，这套底线在南京大学的平台上跑通过了。
启示三 以用定建不贪大
第三个启示：南大这条线最值得学的，是从真实刚需长出来的，不是规划出来的。
MatSeek最早就是从文献检索这个最痛的点切入，老师天天要用，用起来就离不开。
检索精准度做到95%以上，引用有据可查，老师自然愿意把真问题往上面放。
检索跑顺了，再长出引用管理、综述生成，一步一步扩成平台。
每一步扩展都是被真实需求推着走的，不是规划部门拍脑袋拍的。
老师不觉得是学校摊派了个系统，而是自己多了个顺手的工具，这个差别决定了平台的生死。
反面的例子也不少：一些学校一上来规划十大模块，科研、教学、行政全都要，预算花了大头，每个模块都浅尝辄止。
验收的时候每个模块都能演示，学期一过每个模块都没人用，这是最常见的高校AI平台结局。
以用定建，先让一个场景跑起来，这是南大案例里最朴素也最难学的一条。
判断标准很简单：这个功能上线后，老师下周会不会真的用？
答案不确定的，先别建。
预算留着，等真需求长出来再花，一点都不亏。
回头看，自建还是共建这个问题，本质是学校怎么摆自己的位置：出场地、出数据、出需求，把工程和模型交给天天干这个的团队，往往比什么都自己扛更体面。
自建还是共建怎么选
三个启示串起来，图老师给一个直接的判断框架。
有AI学科底子的学校，可以自建核心能力，边缘功能外部补。
大部分高校，共建更现实：供应商出工程能力和模型能力，学校出场景和数据，边界用协议锁死。
共建不等于当甩手掌柜，学校自己的信息办得全程在场，需求怎么定、验收怎么过，主动权留在校内。
选共建伙伴时，三个问题值得当面问清楚。
一是有没有高校案例，真做过和想做，报价单上看不出来，问细节一问就露馅。
比如问他们课题组权限怎么隔离、文献解析准确率多少，答得上来的才是真做过。
二是数据底线敢不敢写进合同，不敢写的直接排除。
三是能不能持续迭代，科研需求一学期一变，一次性交付的方案半年就过时。
问供应商要迭代记录，半年内更新过几版、修过什么问题，比听承诺实在。
图博数智在高校这条线上有南京大学的案例，跟中科院物理所也有战略合作，技术底子和交付经验都是被验证过的。
如果是图老师给母校提建议，就一句话：先找一个最痛的场景共建跑通，数据不出校写死在合同里，跑半年再谈平台化。
关注我，图老师每天分享一个企业AI落地的真问题、真办法。