談起交叉學科研究，廣西大學教授霍林認為，數據庫若只是單純存儲數據，無法解答現實問題，便失去核心價值。“數據庫不是數據倉庫，它首先要服務研究、服務決策、服務真實需求。”霍林說。

　　多年來，霍林圍繞人工智能、大數據處理、信息安全，以及人工智能與金融、醫學、應用經濟學等領域開展研究。她更關注成果能否進入真實場景，為國家戰略、區域合作、企業發展、醫學健康和數字安全提供支撐。

　　這一科研理念，在她擔任首席專家的國家社科基金重大招標項目《中國—中南半島經濟走廊沿線綜合調查數據庫建設》中得到充分體現。中國—中南半島經濟走廊覆蓋多個國家和地區，研究范疇涵蓋經貿往來、政治外交、歷史文化、科教發展、生態環境等諸多領域。長期以來，相關研究普遍存在資料零散、數據斷層、信息維度不全等難題，制約了區域系統性研究和精準決策。

　　“研究跨境區域發展，不能依靠零散材料，必須搭建可持續的數據采集、整理、分析平臺。”霍林表示。該項目由廣西大學東盟研究院牽頭，聯合華中科技大學計算機學院、中國科學院空天信息創新研究院、北京中科院計算中心等多家單位協同攻關。項目啟動后，團隊優先厘清研究核心，明確數據采集的范圍、目的與服務方向。

　　結合大量實地調研與研討，霍林團隊將數據庫劃分為政治與外交、經濟與管理、歷史與文化、科技與教育、生態與環境、軍事與安全、社會及其他八大領域，全面系統刻畫沿線區域整體發展態勢。“僅依靠經濟指標，無法完整研判區域發展變化，政治環境、社會輿情、生態條件、歷史文化，都會深刻影響跨境經濟合作格局。”

　　依托完善的框架體系，團隊順利完成系統架構設計與平臺開發，建成“中國—東盟全息數據資訊平臺”軟件系統及多個專項子系統。目前平臺日均穩定采集海量數據，累計數據總量約32億條，可全方位支撐數據查詢、學術研究與決策參考。

　　霍林介紹，平臺旨在為各類研判決策提供堅實數據基礎，只做專業輔助而非替代專家判斷。其中，輿情分析子系統可動態監測區域社會輿情變化，投資回報預測子系統助力研判海外投資環境與收益波動，金融平臺子系統支撐跨境金融研究，整套數據體系還可為國際產能合作、產業鏈貿易、供應鏈金融等領域研究提供核心支撐。

　　目前，平臺多項成果已在柬埔寨暹粒市等海外場景落地應用，通過真實場景檢驗系統功能、排查短板不足，持續迭代優化，切實實現科研成果服務區域發展的價值。

　　立足服務市場主體，霍林團隊聚焦企業出海痛點開展交叉學科研究。當前越來越多國內企業布局海外市場，但海外投資前期調研長期依賴人工，存在周期長、成本高、信息不對稱、風險難預判等問題。“企業海外投資不能盲目決策，數據賦能能夠有效降低市場不確定性。”霍林說。

　　在人工智能與金融交叉領域，她帶領團隊圍繞海外投資環境智能分析、投資回報精準預測、貴金屬組合投資等課題深入攻關，利用人工智能技術精準識別投資收益周期波動節點，探索高收益、低風險的貴金屬投資組合模式。

　　同時，霍林始終堅守科研理性，強調技術創新必須貼合行業本質：“金融研究有專屬的行業邏輯，風險、收益、周期、市場環境缺一不可，脫離金融實際、一味追求算法復雜度的研究，結果毫無實用價值。”

　　秉持科技向善的科研初心，霍林將人工智能技術引入醫學健康領域，賦能民生服務。她與醫學專家合作開展腫瘤治療專項研究，打破傳統醫學僅聚焦腫瘤病灶大小的單一評價標準，兼顧患者免疫力保護與身體狀態維持。

　　霍林表示，相關研究通過優化智能模型與藥物方案，在保障患者維持良好免疫力的前提下，腫瘤治愈周期相較傳統治療方案僅延后20天，且所用藥物均為臨床公認的合規治療藥物，為腫瘤個性化、人性化診療提供了全新思路。

　　此外，團隊深耕計算機視覺領域，研發視障人士環境智能識別技術，助力視障群體精準識別道路、障礙物與周邊環境，保障出行安全、提升獨立生活能力，相關成果同樣發表于SCI一區期刊。在霍林看來，科技創新的價值，既體現在服務國家發展的宏大場景，也體現在改善特殊群體生活的細微之處，技術落地必須貼合用戶真實體驗、解決實際難題。

　　她說，“數字化應用、大數據平臺、金融與醫學交叉成果的落地，都必須以信息安全為底線。”依托系列研究成果，團隊自主研發的多款安全軟件系統廣泛應用于企業信息化建設，直接或間接創造過億元經濟效益，先后斬獲多項省部級科研獎項。

　　堅持科研育人、知行合一，霍林以重大交叉學科項目為載體，全力培育復合型科研人才。項目研發期間，團隊累計培養交叉學科博士研究生5名、碩士研究生23名。學生全程參與數據采集、算法分析、系統開發、平臺建設、成果落地全流程，完整掌握交叉學科科研從選題立項、技術攻關到場景應用的全鏈條能力。

　　同時，霍林指導學生依托科研成果參與各類創新創業賽事，斬獲“互聯網+”大賽國家級銀獎、省部級金獎等近10項榮譽。

　　參與項目的研究生對這種培養方式感受很深。一名學生回憶，剛進入課題組時，自己只熟悉本專業知識，對區域研究、數據建模和系統開發之間的關系并不清楚。“最開始我以為做數據庫就是采集數據、整理字段，后來才發現，每一個數據指標背后都對應著具體的研究問題和應用場景。”該學生說，在霍林教授的指導下，團隊每次討論都不只關注技術能否實現，更追問數據從哪里來、為什么需要這個指標、分析結果能為誰提供參考。正是在這樣的訓練中，我們學生逐漸學會從單一學科視角跳出來，把經濟問題、數據問題和系統問題聯系起來思考。“這個項目讓我真正理解了什么是交叉學科研究，也讓我意識到科研成果只有被真實場景使用，才算真正完成了從論文到應用的轉化。”