“在核心科研流程中，需构建AI驱动的闭环创新体系，将AI大模型作为科研‘大脑’，使其深度参与从数据分析到实验观测验证的全流程。”中国科学院国家天文台研究员李楠建议，可通过对海量数据的智能解读生成科学假设，结合历史数据预测高价值观测目标，调度观测设施进行智能化观测，再将新的观测结果反馈至模型进行迭代优化，形成“假设生成—观测处理—推理验证”的自动循环。这种闭环模式能将科学家从繁琐的数据处理中彻底解放出来，使其专注于理论构建等高层级科学思考，大幅提升研究效率。

突破资源与人才瓶颈，同样需要强化跨领域、跨国界的合作与共享。罗阿理认为，在资源配置上，应推动专业天文机构与顶尖科技企业、多学科科研院所建立利益共享机制，通过联合研发、资源共建等方式破解算力难题；同时加快天文AI模型的开源进程，打造全球共享的模型社区，降低中小机构的参与门槛。在人才培养方面，需构建跨学科教育体系，在高校开设天文与AI交叉专业，培养兼具专业素养与技术能力的复合型人才；通过国际学术交流、联合攻关等方式，促进全球人才资源的流动与协作。