进入2026年，AI在科研领域的角色已远超辅助工具范畴。《Nature》最新研究证实，AI文献综述的引用准确率超越人类专家，并能独立完成从构思、实验、写作到同行评议的全流程。这一趋势表明，科研的基础设施、生产关系与评价逻辑正经历系统性重构。
伴随AI深度参与科研，人类科学家的核心价值、科研训练体系与学术评价机制面临全新挑战。本期DeepTalk特邀香港中文大学（深圳）副教授朱熹、多伦多大学博士张鹏松、芝加哥大学博士刘昊琨，围绕AI科学家的能力边界与科研体系变革展开深度对话。
什么是AI科学家，对现有体系的冲击
朱熹指出，AI当前能高效完成数据驱动型科研（如材料性能优化），但在基于先验知识的原创发现（如量子力学突破）方面仍显不足。科研的核心价值正从"发表论文"转向"知识传播效率"。张鹏松结合生物实验研究强调，AI科学家的最大优势在于可无限复制，若其能力达到博士生水平，将催生科研成果指数级增长。刘昊琨认为，当前AI缺乏"科研品味"——即判断实验方向、识别数据漏洞等深层决策能力，人类仍需主导关键决策。
AI对基础科研训练的提升作用
三位专家一致认为，实验操作类培训周期将显著缩短。张鹏松表示，自动化实验可将湿实验培训压缩至1-2天，重点转向安全规范；朱熹提出，随着技术迭代，"动手能力"的培养权重将降低，资源应聚焦于科技培养的初心。关于"提出问题"与"解决问题"的价值，刘昊琨强调二者密不可分：AI提升了执行效率，但人类需提供解决问题的路径设计；朱熹以黎曼猜想为例，指出高质量问题本身即需深刻洞察力。
AI科学家的技术实现路径
朱熹通过案例说明，独立训练科研大模型成本高昂且易被快速迭代版本淘汰，建议中小团队聚焦垂直领域微调现有模型。刘昊琨指出，当前学术界尝试多限于开源模型微调，因"AI科学家"方向短期商业价值低，大公司投入有限。张鹏松补充，干实验领域（如数据分析）AI已成熟，但湿实验的物理操作（如生物样本处理）受限于机器人技术瓶颈。
AI写论文的本质与价值变迁
朱熹剖析期刊角色正在弱化：出版社的核心价值原为知识传播与权威认证，但社交媒体已取代其影响力。论文的本质已从"知识载体"异化为"个人评价工具"。刘昊琨观察到，科研人员更倾向在社交平台分享研究过程细节，这类高效互动远超传统论文的成果展示功能。张鹏松预测，若AI产出论文量激增，其主要读者将变为AI系统自身，未来知识传播需依赖智能推送机制。
同行评议危机与学术传播新趋势
针对顶会审稿质量下滑，张鹏松提出分层评审机制：认证学者与对齐的AI评审负责核心评价，社会评论区开放讨论。刘昊琨建议采用arXiv式开放平台，结合自动验证工具降低评审负荷。朱熹直言："顶尖工作不应急于发表论文"，因其易被篡改或盗用，宜深化技术落地。当前审稿体系困境根源在于：期刊将权威评价置于知识传播之上，与科研本质背道而驰。
AI Native科研人员的成长路径
朱熹将AI Native一代称为"热兵器化"科研者：其高通量数据分析能力与统计思维可跳过传统权威依赖，更高效解决"卡脖子"问题。刘昊琨类比体育装备革新，指出AI将重塑知识体系构建逻辑——未来科研人员对世界的认知深度将显著超越前人。张鹏松呼吁压缩基础教育时长，初高中阶段即培养科研思维，加速创新人才成长。
学术出版模式与评价体系重构
刘昊琨批评当前出版模式固化：开放获取期刊要求作者付费，却未解决审稿资源无偿占用问题。朱熹强调，出版社商业模式本身合理，但需提升产品质量以应对arXiv等平台的竞争。关于AI作者署名，张鹏松提出三类分级：AI全流程科研可任第一作者（需人类责任背书）；人类主导型视贡献纳入共同作者；探索型成果中AI承担主要执行者角色。专家共识是：AI当前仍是工具，但未来可能成为科研伙伴。
此次对话揭示，AI正倒逼科研回归本质——聚焦真实问题解决而非指标竞赛。人类科学家需强化高阶思维能力，与AI协同推动科学进步。