前不久，哈尔滨工业大学、哈尔滨工程大学被禁止使用MathWorks公司的软件MATLAB，这意味着未来这两校将不能在公开发表的论文中出现任何使用MATLAB得到的图表与数据。这是自今年5月底哈工大、哈工程被列入美国实体名单后，率先感受到的“痛击”。消息持续发酵，引发了一系列关于国产软件如何突围的讨论。
“MATLAB被禁”对学术科研界造成的影响巨大，不免会有不少人猜测，按照目前的发展趋势，不久的将来或许会有更多的专业/行业软件被禁，涉及的高校及科研单位也会更广。
如何破局应对？很多人聊起了国产软件独立自主的重要性，大家回顾了中国的工业软件发展之痛，批评了国内的盗版问题、知识产权保护问题、重硬件轻软件等一系列问题，同时也有人说道“那就开发一款能够完全替代MATLAB的国产软件啊？”。
理论上说，世界上没有任何一样东西是不可替代的，但开发一款像MATLAB这样的综合数学类软件，除了需要精通编程及具有深厚完善的数学知识外，算法上还需有自身的特点和先进之处，短期内研发出能够达到MATLAB的数学类软件，可能性微乎其微。
当然也有不少人在讨论替代品的可能性，MATLAB最突出的就是它的图形仿真建模能力与数值计算能力，这也是MATLAB在大学中得以广泛使用的原因之一。在类似电气工程与自动化的工科专业中，有限元电场磁场分析、电机控制的矢量控制及直接转矩控制仿真等等都离不开MATLAB，那MATLAB被禁之后，有什么产品能够达到它的图形仿真建模能力，从而替代它呢？目前我们还没有答案。
再来看看在数值计算方面的应用吧，MATLAB能够进行数值分析、矩阵计算、科学数据可视化，而这些功能除了MATLAB以外，其他的语言也能完成，比如Python。但事实是语言上找到替代品简单，那工具呢？Python作为一种解释型脚本语言，是没有自己的编辑器的，必须在可运行的环境下才能够执行语句，如Pycharm、Vscode、Jupyter Notebook等等。
以目前被科研机构与高校广泛使用的Jupyter为例，这是一款免费、开源的交互式 web 工具。研究人员可以利用该工具将软件代码、计算输出、解释文本和多媒体资源组合在一个文档中。
设立在哈佛大学的Rowland institute实验室，长期致力于深入理解神经系统的自适应运动控制，研究团队全程采用的亦是基于Jupyter Notebook的交互式研发平台，一方面其拥有着统一环境和便捷的分享功能，可作为教学辅助工具，另一方面，交互式研发平台出色的人机交互页面和结果探索机制能够大大提升科研效率。
Jupyter确实是目前为止可以替代MATLAB的最佳方案之一，但这依旧不是我们的国产软件，绕了一圈又回到了“不久的将来或许会有更多的专业/行业软件被禁”的担忧，我们也无法确定在将来的某一天是否会面临“Jupyter被禁”的问题，但这确实有一定的可能性。工业软件卡“脖子”的事件其实一直都存在，我国工业软件市场长期被欧美软件巨头垄断，MATLAB的被禁也只是冰山一角，因此这些担忧并非多余，那怎么办？国内是否有类似的产品来解决这个问题？要想不被卡脖子，车轮子还得自己造。
和鲸科技在过去的4年中一直坚持在做一件有挑战的事情，基于快速发展的Jupyter生态、Python生态，研发一款体验出色、功能全面、自主可控、持续迭代的云端分析与建模工具 —— KesciLab（简称“K-Lab”）。K-Lab作为一款国产数据分析与AI开发协同工具，可在线完成数据的分类、建模、分析、可视化、结果输出，并支持私有化部署和云端协同，帮助企业、高校、科研机构开展工业级数据科学应用与人工智能研发。
和鲸K-Lab，不仅提供了Python、R语言的丰富生态，覆盖了上百种主流数据分析工具功能，也为团队提供了统一的云计算环境，只需一键环境配置和项目分享，从数据到模型甚至论文报告都可以一键共享，完成无缝实时协作。
与MATLAB一样，K-Lab不仅支持科研协作场景的使用，也支持高校教学场景的使用。
对科研机构而言，K-Lab科研版能够帮助导师精准把控项目细节，加快研究进度，让团队成员摆脱繁复的基础工作，迅速进入研究重要阶段，大幅提升科研探索效率和论文质量。同时也让科研团队直接跳过琐碎的运维管理，从繁重的基础工作中解放，无需任何硬件部署和运维，快速在应用层开展研究工作，根据任务需求弹性调度云算力，既高效又经济。
对高校而言，K-Lab教育版能够为高校提供数据科学与人工智能一站式教学解决方案，包括数据科学实训教学平台、管理平台、课程体系、课程内容、实训项目、优质师资与师资培训、就业与企业需求对接等全方位服务，使得数据科学的教学工作更加简单高效。并与拥有10W+优质用户的和鲸社区（kesci.com）互相打通，让学生摆脱纯理论教学的桎梏，快速融入到实战式学习中，大幅提高学习效果与就业水平。
具备云资源弹性调度、开箱即用的环境配置、交互式编程、便捷的代码库、丰富的学习资源、多人实时在线协作、任务与权限灵活管理、论文复现等诸多优势的K-Lab，不仅在深度学习等前沿科研领域有着很好的应用前景，在历史、社科和经济学这些人文学科也有着丰富的应用。据悉，K-Lab推出后，受到了众多高校与科研机构的广泛关注，并已经在国内的顶级高校如清华大学、上海交通大学及其科研团队中得以应用。
和鲸K-Lab科研版主要解决的问题：
1、搭建数据分析平台费时费力，在研究工作外消耗太多精力
和鲸K-Lab：数据挖掘分析平台一步到位，在云端即开即用Python和R，可便捷管理计算环境。
2、重复的编程工作繁琐耗时，大量的分析算法需要适应
和鲸K-Lab：提供便捷的代码片段收藏与调用功能，更有拖拽式编程界面，降低数据科学技术使用成本。
3、任务中间成果交接困难，多角色协作缺乏统一媒介
和鲸K-Lab：提供Notebook代码级协作、评论交流，数据和模型的结构化输出，让分析产出的流转更加顺畅。
4、数据资源、分析资料分散，协调管理工作麻烦
和鲸K-Lab：平台化的数据源管理、展现、调用功能，专业的云端知识库，方便快速整合、使用科研资料。
5、科研过程解释、复现不便，成果价值难以充分呈现
和鲸K-Lab：Notebook、Canvas可直观呈现研究过程，模型解析功能让成果更好得被展现、诠释，云端分析环境支持研究结果一键复现。
6、成果的碎片化和保密性，让其难以体系化流转
和鲸K-Lab：支持数据、模型的输出与发布，更方便、安全地进行成果上下游流转，便于应用到实际场景。
|
