早在1951年，英国计算机先驱艾伦・图灵（Alan Turing）便抛出具有时代穿透力的深刻命题：“若机器具备自主思考能力、智能水平有望超越人类，那么人类将承担何种价值？” 在人工智能（AI）深度融入科研全流程的行业背景下，这一追问具备前所未有的现实意义。
当下AI技术的大规模应用，正驱动传统科研范式加速演进。现阶段，AI在数据分析、自然语言处理、代码生成等标准化、规律性任务中已展现成熟优势；但在复杂系统构建、创新思辨、价值判断等维度仍存在显著局限。有观点认为，AI工具需与人类判断力形成互补，才能更充分地实现整体最佳决策效果¹ 。
为厘清全球科研工作者对AI工具的真实使用图景，上海科学智能研究院联合复旦大学、自然科研智讯（Nature Research Intelligence），于7月18日发布《科学智能（上）：科研人员AI应用现状调查》报告。该报告基于施普林格・自然于2026年3月开展的全球问卷调查，累计回收有效样本逾万份，覆盖117个国家和地区、12大核心学科。报告从科研任务类型、研究者职业资历、工具使用偏好、使用满意度、行业诉求与风险顾虑等维度，系统性呈现了AI在全球科研群体与科研场景中的应用现状与分层特征。
信息检索、文稿润色编辑是科研群体AI使用率最高的两大常规研究环节
报告数据显示，当前AI工具主要赋能科研的信息探索和内容生成阶段，在高度依赖专业责任、主观审慎判断的关键环节，应用边界仍存在明显局限。具体而言，在研究方案设计、文献信息获取、实验数据处理、学术论文撰写、文稿润色编辑、同行评审等全链条科研工作中，AI在文献检索、文稿润色编辑环节的应用普及度持续走高。近半数科研人员会在信息搜集、文稿编辑优化阶段高频调用AI工具：信息搜集场景下，10.5%受访者表示每次都会使用AI，33.3%会在多数情况下使用；文稿编辑场景下，“每次使用” 占比12.2%，“多数使用” 占比32.4%。
从工具类型来看，通用大模型成为全球科研人员的主流选择，整体使用占比达 75.9%，大幅领先专业写作编辑工具、文献挖掘工具、垂直领域检索工具。ChatGPT在中国科研人员中的渗透率为72.3%，仍居首位；DeepSeek以48.8%紧随其后，略高于Gemini的47.4%。DeepSeek凭借高性价比的推理能力和开放策略，降低了企业及开发者采用先进模型的门槛（在巴西达到8.2%，英国达到6.0%），是本土AI工具成功挑战全球平台优势的突出案例，也标志着中国AI正从应用追随者转向模型创新与开放生态的重要参与者。
通用大模型成为科研AI工具主流，ChatGPT全球居首，DeepSeek在中国科研群体中优势显著
在针对于利用AI开展内容挖掘工作相关的调研分层数据表明，AI高强度使用群体呈现清晰代际特征：处于职业生涯早期的青年研究者，倾向高频使用；伴随科研从业年限增长，AI使用频次呈阶梯式回落。区域维度上，本调研结果显示东亚科研人员AI应用强度领跑全球：从业不足三年的青年学者群体中，日本高强度使用占比21.2%，中国达15.2%，美国仅5.7%；即便在拥有十年以上研究经验的资深学者群体中，中日两国AI使用强度依旧领先美国、欧洲、印度等地区。
在内容挖掘环节，青年学者领AI高频应用，东亚科研群体工具使用强度显著高于全球平均水平
在AI工具付费获取渠道层面，全球科研人员以免费自用、个人自费采购为主，来自所属科研机构的官方采购支持相对稀缺。细分产品维度，93.9%的DeepSeek用户依托免费版本完成科研工作；Microsoft Copilot是唯一机构资助使用占比近半的工具，这可能与Copilot集成于企业部分现有授权的Microsoft软件有关。同时调研发现，AI重度使用者自费付费意愿更强，该趋势在剔除研究资历、学科门类、地域差异等干扰变量后依旧具备统计学显著性。
满意度调研结果显示，近三分之二受访者对其最常用的AI工具在前沿科研内容挖掘层面的支撑能力表示满意或非常满意。科研从业者普遍将AI定位为放大自身科研能力的辅助工具，而非能够替代人类专业判断的主体。然而，AI生成内容在准确性和可靠性方面仍面临挑战。根据本次调研中7,000余条关于AI使用顾虑的开放式意见反馈分析结果，“准确性与幻觉” 是受访者最主要的担忧，共被提及4,935次。AI生成内容存在事实虚构、信息误导等固有缺陷，此类风险持续影响研究人员对AI的信任，进而限制了科研人员对工具的深度依赖与规模化应用。未来，为保护研究诚信并最大化AI工具的价值，需要大力减少虚假引用。
该报告不仅系统地呈现了全球科研群体AI使用全景，也深入研判了科研智能化进程中的长期机遇与核心挑战。伴随AI技术持续迭代演进，当机器越来越擅长处理信息、识别规律和执行任务时，人类科研工作者的价值并未被削弱，而是将更多体现在提出关键问题、作出科学判断、坚守学术伦理以及赋予研究方向与社会意义之中。如何平衡科研产出效率与信息可信度、构建AI工具与人类专业判断协同互补的科研新范式，正成为全球科学界亟待破解的核心命题。
⬇️ 扫描下方二维码获取报告
预告：深入探索AI驱动科学发现的前沿图景
上篇回答了一个关键的问题：今天的科研人员，究竟在如何使用用AI？
在《科学智能（下）：科研前沿展望》报告概述中，我们将目光从当下投向未来，深入探索AI驱动科学发现的前沿图景。来自地球科学、数学、材料科学、生命科学等领域的一线学者亲自攥文，相关内容将在Science and AI期刊网站陆续发布。
当AI从辅助工具走向科研核心、开始直面各学科最关键和棘手的问题，它将如何改变科学发现的路径？答案，正在这些前沿探索中浮现。
材料科学 MATERIALS SCIENCE
从计算一种材料，到探索整个“材料宇宙”。
过去，材料科学家一次只能验证一个假设。从化合物出发，一步步计算、解读、再决定下一步探索的方向。现在，AI正让“设计”从终点变成起点。
数学 MATHEMATICS
百年一遇的灾难，人类难以算清风险，AI能算清吗？
传统极值理论最多能处理6个变量，而现实中的风险往往牵一发而动全身。生成式AI正在突破这个上限。
生命科学 LIFE SCIENCE
同一种抗抑郁药，为什么对有些人有效，对有些人无效？
我们已经能画出极为精细的大脑连接地图，却依然猜不透一颗具体的大脑，会如何响应一种特定的治疗。
地球科学 EARTH SCIENCE
气候数据明明很多，为什么还是找不到答案？
传统检索依赖关键词匹配，只有当你和数据整理者用同一套术语，才可能找得到想要的答案。AI大模型正在尝试成为一个能与你直接对话、帮你从海量数据中找到答案的“向导”。
Science and AI 期刊目前已开放投稿！
Science and AI由复旦大学与施普林格·自然（Springer Nature）联合创办，致力于成为科学智能领域的国际顶尖学术新期刊。该期刊由中国科学院院士、复旦大学校长金力教授担任主编，诺贝尔奖获得者、斯坦福大学终身教授Michael Levitt担任荣誉主编，并汇聚了高度国际化的编辑与编委团队。
期刊旨在发表处于AI与科学发现交叉地带的高质量的原创研究与综述论文，探讨在生命科学、神经科学、材料科学、能源与可持续发展、地球与大气科学、量子计算以及天体物理等多学科领域中AI助力解决具体科学问题的创新成果，同时推动以科学数据为驱动的人工智能方法发展。
期刊开放获取，无需支付文章处理费，让你的研究被全球看见。欢迎点击官网投稿，或了解详情。官网：https://link.springer.com/journal/44486
阅读英文版《科学智能（上）：科研人员AI应用现状调查》，可访问：
https://www.nature.com/immersive/partnercontent/fudan/aiforscience/index.html
了解英文版《科学智能（下）：科研前沿展望》报告概述，可访问：
https://link.springer.com/journal/44486/updates/52973344
参考文献：
1. Hemmer, P. et al. Eur. J. Inf. Syst. 34, 979-1002 (2025).