本次围绕 Claude 在科研场景的应用调研展开,梳理了不同学科研究者的使用差异,对比八大类科研任务的使用分布,厘清 AI 能力和科研使用强度之间的关联,划分三类科研加速落地情景,同时点明应用边界与潜在风险。
理工科研究者多用于公式推导、代码调试、文献精读;人文社科侧重文本解读、史料整理、文稿润色。在任务维度,文献梳理、初稿撰写是最高频场景,实验方案设计、数据分析次之,原始假设提出、结论验证类任务使用相对谨慎。
AI 能力越强,研究者使用强度分化明显:一部分研究者借助 AI 压缩文献整理、格式排版等重复性工作,把时间投入核心思辨;另一部分容易过度依赖,弱化自主推理与校验环节。三类加速模式分别是辅助提效型、协同共创型、深度推理攻坚型,适配不同研究阶段。
调研同时强调约束边界:AI 存在事实幻觉、引用造假,无法替代研究者的学术判断、实验验证与原创思想产出;伦理规范、数据保密、学术署名风险不可忽视。研究者需要建立校验流程,区分 AI 辅助内容和原创成果,规范使用方式,在提效和学术严谨之间找到平衡。
10个关键问题 Q&A
-
Q:哪些科研人群更常用 Claude? A:理工、人文社科研究者均有使用,侧重方向不一样。 -
Q:最高频的两类科研任务是什么? A:文献梳理、论文初稿撰写。 -
Q:AI 能力变强一定会提升科研质量吗? A:不一定,会出现分化,有人高效、有人过度依赖。 -
Q:三类科研加速模式分别是什么? A:辅助提效型、协同共创型、深度推理攻坚型。 -
Q:Claude 可以直接用来生成研究假设吗? A:很少直接使用,研究者普遍对此比较谨慎。 -
Q:AI 最大的学术风险是什么? A:事实幻觉、编造参考文献。 -
Q:AI 能不能替代研究者做结论验证? A:不能,结论验证需要研究者自主核验与实证。 -
Q:人文社科和理工科使用偏好差别在哪? A:理工偏向代码、公式;人文偏向文本解读、史料整理。 -
Q:使用 AI 科研时需要关注哪些伦理问题? A:数据保密、学术署名、成果归属规范。 -
Q:研究者的最优使用思路是什么? A:AI 负责事务性辅助,研究者把控核心判断,做好校验。
发布时间:2026 年 11 月 5 日研究团队:经济学方向研究组主题:科学发现、人类使用 AI 的方式、经济指数相关文章:《编码智能体与社会科学》《2026 年 3 月经济指数报告》《估算生产率增益》《Anthropic 经济指数》相关往期文章:《社会影响》(2026 年 5 月 27 日)
作者:Johannes Hermle*、Ben Jones*、Lukas Althoff*、Ryan Heller、Thomas Lyttelton、Carolyn Stein、Nathan Wilmers、Maxim Massenkoff、Peter McCrory
摘要
研究测量目标:AI 有望加速科学发现,但实际增益取决于 AI 能力边界以及科学家使用 AI 的方式。本研究采用隐私保护方法,分析 20.7 万条 Claude 与 Claude Code 科研会话,探究 Claude 在不同学科、不同科研任务中的使用情况。开展这项研究,是为了让公众更好理解当前 AI 服务科学的真实状态,并评估 AI 未来对科学发现的潜在影响。
科学家使用 Claude 的场景分布:按各领域研究者基数标准化来看,形式科学(计算机科学、数学、统计学)对 Claude 的使用强度更高,健康科学、依赖实验室操作的物理科学使用相对更少。科学家主要用 Claude 做数据分析与写作;仅数据分析就占 Claude 全部科研会话的约三分之一,在 Claude Code 中更是接近一半。尽管配套调研显示,科学家认为创意生成、数据采集是科学发现里最重要的任务,但他们在这两类任务上使用 Claude 的比例偏低。不过,面向科研场景的专用 AI 工具可以缩小这一落差:例如 Claude Science 上,创意生成类任务的占比约是通用版 Claude 的两倍。
Claude 使用强度与 AI 能力的匹配关系:我们构建指标,衡量 AI 理论上完成各类科研任务的能力。最适配 AI 的任务(能力排名前 20%),Claude 使用量是按研究者投入时长推算预期值的 2–4 倍;而 AI 最难胜任的任务(后 20%,大多是物理实操类工作),使用量极低。跨学科也呈现同样规律:计算机、统计学这类大量任务适合 AI 发挥的学科,Claude 使用率更高。
对科学发现提速的潜在意义:我们借助简易模型推演 AI 加速科研的多种情景。如果现有 AI 能力大范围落地,部分学科科研产出有望翻倍;如果 AI 可以承接全部非物理类科研工作,计算机、统计等学科产出最高可提升至原来的 15 倍;而化学、生物学这类受限于实体实验瓶颈的实验室学科,产出仅能提升 3–4 倍。在面向活跃 AI 使用者的调研中,约 40% 研究者预计:到 2030 年,AI 模型可以独立完成完整科研项目。
引言
科学被范内瓦・布什描述为 “无尽的前沿”(Bush,1945)。但人类探索这片前沿的速度,长期受制于稀缺资源 —— 科研人员的时间与才智。人工智能有望打破这一约束,放大研究者能力,重塑科研发现流程、加快探索节奏(Wang 等人,2023;Amodei,2024)。在所有 AI 落地场景中,这一类对人类福祉的价值尤为重大。相比于绝大多数经济行业,科研本身高度依赖认知思考,因此 AI 带来的影响可能更早显现、规模更大。
近期已有大量案例证明 AI 在科学发现中的作用持续增强:结构生物学领域,AlphaFold 预测了超 2 亿个蛋白质的三维结构(Jumper 等人,2021;Varadi 等人,2024),其研发团队斩获 2024 诺贝尔化学奖;材料科学领域,GNoME 预测出 38 万个稳定新晶体(Merchant 等人,2023);数学领域,研究者借助 AI 解决了悬而未决数十年的埃尔德什问题、为千禧年大奖难题给出潜在证明,在各类公开猜想、重要证明核验上持续取得进展(Anthropic,2026a、2026b;OpenAI,2026a、2026b;Tsoukalas 等人,2026)。
除去这些标志性突破,绝大多数科研进展是由大量专业化、相互关联的子任务串联而成,不同学科之间差异巨大。AI 能多大程度加速科学发现,不只取决于 AI 本身能力,还取决于 AI 在各个科研任务中的普及程度。本报告依托隐私保护基础设施,研究 Claude、Claude Code、Claude Science 在科研场景的使用情况,记录不同学科、不同任务下的使用差异,解释背后成因,并推演 AI 加速科研的各类情景。
Claude 在科研中的使用强度随学科变化:以研究者人数为基准,计算机、数学、统计这类形式科学使用密度更高,健康科学、实验室物理科学使用更少。从任务维度看,科学家更多用 Claude 做数据分析、文稿撰写,较少用于数据采集、假说创意生成。配套科学家调研的自我上报数据,也和会话观测结果保持一致。
为解释这种差异,我们构建了一套AI 理论能力评分:在评分更高的任务与学科里,Claude 使用频率更高。这类任务大多偏认知型、适合强化学习(AI 可以从重复尝试的反馈中学习)。简言之,科学家倾向于在 AI 最擅长的地方使用 AI。
基于以上结论,我们推演 AI 推动科研进步的提速情景:在现有能力广泛落地的前提下,部分学科科研产出最高可以翻倍,主要来自 AI 对单任务的辅助增强。参与调研的研究者普遍预期 AI 能力会持续跃升。在一个假想情景中,AI 实现全部非物理科研工作自动化,计算机、统计这类高度认知型学科,产出最高可达原先 15 倍。由于 AI 本身也是计算机、统计学等学科的产出,这种增益会形成正向反馈循环:AI 方向科研提速,催生更强的 AI 模型,反过来进一步加速所有科研工作。
虽然科学发现提速会给人类带来巨大收益,但 AI 驱动的科研同样伴随风险与不确定性:人类监督减少,可能催生危险、违背伦理的研究方向;AI 也会重塑研究者的职业路径,改变科研工作的体验感,甚至动摇人类追寻知识本身的意义感。
研究方法
本研究的目标是测量科学家使用 Claude 的不同方式,同时保护研究者的研究内容隐私。为此,我们采用隐私保护架构,分析面向普通用户套餐下 Claude 的科研使用记录。研究中使用一个大模型作为分类器,读取每一条会话记录,按照预设分类体系(Alamos 与 Althoff,2026 提出的 SciNet 分类体系),给会话打上固定标签,标注所属学科、科研任务。研究团队仅留存、分析这些标签(例如 “化学”“数据清洗”),不会提取、存储会话里开放文本或研究细节,包括数据集、假说、实验方案、初步结论、未发表论文等。所有结果仅做聚合统计,并且只保留样本账号数量达到最低阈值的分组结果。本研究用到的全部分类器详见附录文档。
测量分为两步:第一个分类器判断一条会话是否属于科研工作;第二个分类器把科研会话归类到 SciNet 体系下的学科、子学科、任务。SciNet 一共包含 7262 项任务,覆盖 34 个学科、318 个子学科。部分任务(比如稿件撰写)是所有学科通用的;另一些任务专属于特定学科,例如 “预测光吸收与发射光谱” 仅属于材料科学。整套任务体系覆盖从构思到产出新科研结论的完整流程。
主样本取自 2026 年 8 月 2 日至 9 月 30 日普通用户套餐内、已经标注学科与科研任务的 207049 条会话:其中 128914 条来自通用对话协作界面(下文统称 Claude),78135 条来自 Claude Code—— 一款智能编码工具,可直接读取本地文件、编写并运行代码。我们同时补充分析 Claude Science 的会话样本。样本构建细节见附录。
结合使用数据与标准化科研任务分类体系,我们可以判断哪些学科在采纳 Claude、以及科研流程里哪些环节在使用 Claude。本研究是持续增长的 AI 科研应用量化研究的一部分(Kobak 等人,2025;Liang 等人,2025;Hao 等人,2026;Codreanu 等人,2026)。
不同学科下 Claude 的使用差异
首先我们描述 Claude 在各学科的使用分布。图 1 对比各学科的会话占比,和该学科全球研究者占比,以此衡量每个学科的相对使用强度。Claude 会话量排名前三的学科:计算机科学(11.9%)、工程学(8.4%)、医学(7.7%),这三个学科本身也是全球研究者规模最大的一批学科。整体来看,研究者基数越大的学科,Claude 会话占比通常越高(双对数相关系数 0.79)。
但仅靠研究者人数,无法完全解释学科间使用差异。在图 1 中,落在 45° 斜线上方的学科,相对其规模使用强度更高;落在下方的学科使用强度更低。形式科学(计算机、数学、统计)相对使用强度尤其高,社会科学同样偏高;而化学这类高度依赖实验室操作的物理科学,相对使用偏低;医学虽然会话总量第三,但研究者大量时间投入临床,相对使用强度也偏低。
在 Claude Code 上,使用量和学科规模的相关性更弱(和研究者数量的双对数相关系数 0.62),高度集中在定量类学科。计算机科学研究者仅占全球科研人员的 4.3%,却贡献了 Claude Code 32.7% 的会话量。数学、统计等其他形式科学相对使用率同样很高;人文艺术、大部分社会科学(经济学除外,经济学定量属性强)使用率偏低。
在 34 个学科下的 318 个子学科维度,也观察到一致规律(图 2)。更细粒度的子学科数据显示:人工智能与机器学习非常突出,仅占全球研究者 1.2%,Claude 会话占比 5.0%,Claude Code 会话占比 15.2%。更广范围来看,无论哪个大学科门类,计算类子学科都是 AI 的高频使用者:计算生物学、计算语言学、计算神经科学都在此列;机器人学同样使用率偏高 —— 尽管它面向实体系统,但高度依赖计算方法。
不同科研任务下 Claude 的使用差异
除了区分哪些学科在用 Claude,我们还要明确科学家拿它做什么。科研包含一系列任务:提出假说、数据分析、撰写成果论文等。依托 SciNet 的 7262 项任务标签,我们将每条会话绑定到对应任务,以此理解 Claude 如何支撑科学发现。这些任务分为通用任务(稿件撰写)和学科专属任务(例如癌症生物学里的差异基因表达分析,用来对比肿瘤亚型)。这套分类体系区分科研任务(产出新科学结论)和非科研任务(教学、同行评审、院系事务等),本研究只聚焦科研任务,分为八大类:
-
数据分析 -
写作与成果沟通 -
数据采集 -
文献阅读与知识获取 -
理论分析 -
设计与开发(软件、材料、创意成果) -
创意构思与假说生成 -
其他(科研管理类)
我们分别计算 Claude、Claude Code 中每一类任务的会话占比;同时对照 SciNet 估算的、研究者投入在每类任务上的时间占比,作为基准,判断 Claude 使用是偏高还是偏低。该时间估算基于大模型分类器,并经过湿实验时间记录、上万篇学术论文任务频次校验(附录)。
任务使用分布结果:数据分析的绝对使用量最高,且显著高于研究者投入时长的预期占比:数据分析占 Claude 会话 33.7%,占 Claude Code 会话 48.1%;而研究者投入在数据分析上的时间占比仅 27.6%。写作与沟通同样高频,在 Claude 中尤其突出:会话占比 32.0%,研究者投入时间占比仅 16.0%。数据采集任务使用偏低:研究者 28.6% 的时间投入在数据采集,但仅占 Claude 会话 11.5%、Claude Code 会话 11.9%。其中带有实体操作门槛的数据采集(临床、生化数据采集)缺口最大;纯数字化文本档案检索缺口更小,纯线上数据采集甚至会高于预期。创意构思与假说生成使用占比最低:Claude 会话占 4.2%,Claude Code 仅 2.1%;研究者投入该任务的时间占比 7.1%。
会话数据与调研问卷对照
除会话日志分析外,我们调研了 528 名科学家,他们自我上报的 AI 使用情况和会话观测模式一致。调研样本以生命、健康领域、已经在使用 AI 的研究者为主。和图 3 结果匹配:研究者上报 AI 最高频用于数据分析、文稿写作,假说创意、数据采集使用偏少。调研对象也表示,数据分析、写作任务更愿意交给 AI 协同或全权委托处理。
问卷同时询问:哪些任务对产出重大科研成果最重要。研究者排序:假说创意第一,数据采集第二。矛盾点在于:这两类最重要的任务,恰恰是 AI 实际使用最少的。背后原因各不相同:很多数据采集依赖实体操作;创意构思不涉及物理操作,但可能是研究者倾向自己完成,或是认为 AI 能力不足;也有可能创意构思常常混杂在其他任务里,分类器难以识别,造成统计低估。但也有真实可能性:AI 在顶层创意上能力偏弱 —— 比如选择研究问题、设计研究方案。
Claude Science 在生物与生物医药领域的使用
Claude、Claude Code 属于通用工具,而面向科研的专用 AI 工具正在快速发展。我们同样用隐私保护分析框架,对比生物、生物医药方向在 Claude Science 与通用 Claude/Claude Code 上的使用差异。Claude Science 打通了大量零散的科研工具与数据库,整合科研工作流。科研人员往往需要切换多个平台,每个平台数据结构、查询语言各不相同。举个例子:生物学家想要筛选可作用于特定蛋白的药物,通常要分别查询蛋白功能、蛋白结构、已测试化合物、临床试验、文献数据库;Claude Science 可以把这些流程整合在一起。
Claude Science 的使用高度集中在生命科学:生物医学、生物学两大领域合计占一半以上会话。在这两个学科内部,我们对比任务分布,看哪些任务在 Claude Science 上占比显著高于通用 Claude。我们发现:研究者在 Claude Science 上做更专业化的任务。例如 “提出蛋白 - 蛋白、蛋白 - 配体相互作用的机制模型”,在 Claude Science 上出现概率是通用 Claude 的 5.6 倍。这类任务需要在分子层面解释蛋白如何结合其他蛋白或小分子药物;Claude Science 可以同时调取多个数据库里的蛋白结构、结合数据,整合形成可检验的相互作用模型。与之相对,Claude Science 上通用任务(稿件撰写、协作沟通)占比更低。创意假说生成占 Claude Science 会话的 8%,和研究者投入该任务的时间占比基本持平。说明科研专用 AI 工具,能够支撑更复杂、创造性更强的科研工作。
聚焦生物医药与生物学,结合本团队经济基础指标框架:Claude Science 上的任务,比通用 Claude、Claude Code耗时更长、复杂度更高、AI 自主权限更高。在没有 AI 辅助的情况下,完成 Claude Science 里的任务,需要的人类工时几乎是通用版的两倍;内容难度更高:超过 80% 的 Claude Science 任务,预估需要博士层级知识储备(20 年教育积累);而通用版只有 50–70%。超过 70% 的 Claude Science 会话是高自主模式,远高于 Claude 的 23.7%,也高于 Claude Code 的 64.1%。
Claude 产出成果类型
最后,不同学科通过 Claude 产出的成果形式差异明显(图 7):人文社科更常产出文字类成果(文稿、报告、论文);形式科学、自然科学更常产出技术类成果(代码、软件输出、数据图表)。健康科学整体偏向社科模式。Claude Code 产出技术成果的比例约为 Claude 的两倍,但跨学科的分布规律大体一致。
使用强度与 AI 能力的关联
学科规模只能解释一部分 Claude 使用差异,无法解释全部。例如计算机科学使用远高于规模预期,营养学则显著偏低。同样,研究者时间分配,也不能完全预测 AI 使用偏好:数据分析、写作的使用占比远超研究者时间占比,数据采集、创意构思则低于预期。本节验证:这些差异,是否来自 AI 本身能不能胜任这项任务。
为量化单任务的 AI 能力,我们先利用大模型分类器构建能力评分:SciNet 给出每个科研任务的分步操作清单,例如化学里的反应混合物纯化,其中一步是装填色谱柱。分类器对任务步骤两两对比,判断哪一步 AI 更容易完成;再用布拉德利–特里模型(和国际象棋 Elo 排名同源的对比模型)汇总打分,步骤赢下对比则分数上升,反之下降;最后取一个任务所有步骤平均分,得到该任务的AI 理论能力分。
我们计算一个指标:使用倍率 = 该任务会话占比 ÷ 研究者投入该任务的时间占比。倍率 = 1 代表使用强度和时间投入匹配;倍率 > 1 代表 AI 使用偏多;倍率 < 1 代表偏少。
图 8 显示:使用倍率随任务 AI 能力分急剧上升。能力分最低 20% 的任务(纯化反应混合物、田野访谈观察等),Claude 几乎很少使用;能力中位数附近,倍率约等于 1;能力最高 20% 的任务(数据可视化、统计检验),Claude 使用倍率约为 2,Claude Code 约为 4。这说明科学家选择 Claude 的场景,高度贴合 AI 能力上限;Claude Code 斜率更大,因为它聚焦计算类任务,这类任务本身 AI 能力评分更高。
AI 能力分的差异,来自任务本身属性。我们把任务特征分为三类:适配强化学习的程度、任务属性(认知型 / 人际交互型 / 物理实操型)、监管限制(图 9)。强化学习适配度:适合强化学习的任务,往往满足结果容易核验、可以在计算环境大量模拟、反馈快速。任务能力分和强化学习适配指数高度相关(相关系数 0.78),说明 AI 最擅长的科研任务,恰恰是强化学习最容易落地的任务。任务属性:纯认知任务能力分更高(相关系数 0.69);物理操作任务能力分更低(-0.57);人际交互任务(-0.31)、存在 AI 监管限制的任务(-0.38)得分同样偏低。
这些特征同样可以预测 Claude 的使用倍率(图 10):强化学习适配度最低的 20% 任务,Claude 几乎不用;适配度最高 20% 任务,Claude 使用倍率约 2 倍,Claude Code 约 4 倍,和 AI 能力分的规律一致。纯认知任务的 AI 使用同样偏高;物理、人际任务、监管受限任务使用偏低。在细分科研任务层面,使用强度和 AI 能力高度绑定。
不同学科由不同任务组合构成。细分学科内任务的平均 AI 能力分,能不能解释学科之间 Claude 使用差异?答案是肯定的:一个子学科内,人均 Claude 使用强度,随该子学科任务平均 AI 能力分上升而上升(Claude 相关系数 0.45,Claude Code 0.57,图 11)。同时还有其他影响因素:健康科学的任务 AI 能力分并不低,但 Claude 使用偏低,原因可能是医疗数据、科研监管约束;形式科学、人文社科使用高于能力分预期,因为工作载体以文本、代码为主,更容易接入 AI;物理、生命科学的使用强度基本贴合能力分,个别子学科存在偏离。
AI 能力分同样预测 AI 自主使用程度:子学科任务平均 AI 能力越高,研究者越愿意让 AI 自主运行(图 12)。简言之:AI 越擅长这个子学科,不仅用得更多,自主权限也更高。
AI 加速科研的情景推演
科技进步依赖好想法、以及验证想法的手段;长期以来,两者都受限于人类产能。研究者数量有限,每个人的时间也有限,用来提出假说、设计实验、跑分析、整合结论。
AI 可以从两条路径松绑约束:
-
承接研究者现有工作,让研究者同时推进更多想法; -
提出人类想不到的新假说。
第二条路径长期价值可能更大,但很难量化,因此本研究重点分析第一条。
推演框架
我们设置三类 AI 加速情景:情景 1:现有 AI 能力大范围落地,依据调研与 AI 能力分估算;情景 2、情景 3 是假想未来:AI 可以自动化 75% / 100% 的非物理科研步骤,优先自动化 AI 能力评分最高的步骤;所有情景下,物理操作步骤仍然由人类完成。这些情景仅用于示意,不是预测;用来展示物理瓶颈、AI 理论能力、AI 成本如何决定科研提速幅度,以及哪些学科提升潜力最大。
我们输出两个核心指标:
-
AI 承接占比:AI 可以接管的科研工时占比,代表能释放多少研究者时间; -
加速倍数:固定科研预算下,引入 AI 后的产出对比无 AI 基线的倍数。
释放的时间不会一比一转化为产出:研究者会把精力转向 AI 不擅长的瓶颈任务;同时 AI 本身存在成本。
模型采用创意生产函数—— 科研投入(研究者时间)转化为科研产出的经典经济学模型。一篇成果需要多项互补任务,某一项变强不能弥补其他短板。AI 降低部分任务成本后,研究者会转移精力到瓶颈任务,缓解整体增益上限。
参数假设:AI 智能体工时成本 30 美元 / 小时,研究者工时 95 美元 / 小时;AI 每节省 1 小时人力,需要消耗 0.2 小时 AI 算力。该假设基于当前公开报价;AI 成本越低,同等预算下提速越高。
情景 1:当前 AI 能力普及
现有能力大范围落地时,AI 可以承接各学科 27%–52% 的科研工时,中位数 38%。对应加速倍数:人文艺术 1.35 倍、人类学 1.36 倍、化学 1.41 倍;计算机科学 1.96 倍、统计学 2.02 倍。提速受限原因:当前 AI 大多是辅助、协作模式,很少完全自主,研究者依然要深度参与每一步。哪怕是几乎全认知型的学科,上限也大约 2 倍。
学科间差异主要来自两点:
-
物理操作占比:农业、生物医学、化学、材料科学这类实验室学科,38%–41% 的时间投入物理操作;中位数学科仅 4%。物理操作差异可以解释约三分之一的 AI 承接占比差异。 -
认知任务内部 AI 能力分布:人文、历史物理操作占比不高(人文 10%、历史 4%),但认知任务本身 AI 适配度低,定性解读类工作很难做强化学习;计算机、统计以数据分析为主,AI 能力评分高,AI 承接占比更高。
Claude 使用倍率更高的学科,AI 可承接工时占比也更高(图 14)。AI 承接占比的计算完全没有用到 Claude 会话数据,这进一步证明:AI 实际使用,和 AI 理论能力高度匹配。
情景 2、3:更高程度自动化
这两个情景假设性更强,高度依赖 AI 能力、成本假设,自动化程度提升会显著拉高 AI 承接占比,放大学科差距。情景 2(75% 非物理步骤自动化):计算机科学加速约 8 倍,统计、图书馆信息科学约 7 倍,经济学约 6 倍;大部分社科、数学、物理天文 4–5 倍;实验室学科、医学 2–3 倍。实验室学科瓶颈是实体实验;人文社科瓶颈是大量认知任务本身 AI 适配度低,自动化覆盖比例低。人文、历史、人类学加速仅 2 倍以内。
情景 3(100% 非物理步骤自动化):人文社科的约束消失,实验室学科依旧卡在物理环节。几乎没有实体实验的学科(统计、计算机、经济学、数学、心理学、大部分社科人文),提速达到 15–16 倍;生物、化学、材料、农业、生物医学这类大量实验室工作的学科,仅 3–4 倍。在没有自动化实验室的前提下,约 40% 工时是物理步骤,成为刚性瓶颈。在本套参数假设下,完全自动化的任务成本约为人力的 1/16,因此无物理瓶颈学科的上限接近 16 倍;AI 成本持续下降,上限会同步抬升。
这套估算存在双向边界:我们没有考虑学科层面的公共资源瓶颈(例如大型强子对撞机这类设施的实验配额);没有计入实验设备、耗材成本;也没有考虑仿真替代实体实验(仿真可以缓解部分学科物理瓶颈);同时不区分假说质量:如果 AI 能产出成功率更高的假说,提速会更高;如果科研品味只能由人类把握,提速会更低。
研究者预期
调研同步收集研究者对 AI 能力时间线的判断:超过一半受访者预计,到 2027 年 AI 在数据分析上可以比肩领域顶尖研究者;38% 认为 AI 现在已经达到这个水平。到 2030 年,94% 认为数据分析 AI 可比肩顶尖研究者,写作 89%,假说创意、数据采集各 72%。创意、采集预期更低,和当下使用现状一致。
对端到端全流程自主科研的预期更保守,但依然很高:约 40% 受访者预计 2030 年 AI 独立完成完整科研项目;64% 预计 2035 年;16% 认为永远无法实现。对 AI 自主产出重大科研突破的预期更谨慎:约一半研究者认为,至少要到 2035 年之后才有可能,甚至永远不会出现。回顾历史调研,AI 进展经常被大幅低估:2022 年中专家预测 AI 拿到奥赛金牌的中位数时间是 2030 年,超级预测者预测 2035 年;但 AI 在 2025 年就达成该里程碑,提前 5–10 年。但实体实验类 AI(生物实验室自动化)是少数例外,预测往往偏高。
讨论
AI 加速科学发现,有望提升生活水平、加快疾病治疗方案研发;测算显示潜在收益巨大。但 AI 科研能力提升,不等于自动带来快速进步,还需要应对多重约束:
第一,技术采纳滞后于能力。新技术扩散普遍缓慢,生产率红利往往要等到组织围绕新技术重构流程之后才会显现。个体学习成本、组织摩擦、AI 访问权限、基础设施约束,都会拖慢落地。
第二,大量瓶颈无法被 AI 消除。实体实验成本高、周期长,哪怕 AI 能力极强,依然会限制实验室学科进度。研究问题选择本身也可能是瓶颈:研究选题决定成果价值,而 AI 产出高质量问题的能力尚不明确。如果创意是瓶颈,哪怕回答问题的成本大幅下降,整体提速依旧受限;反过来,如果 AI 提出高质量假说,而验证假说成本很高,AI 带来的增益会更大。
第三,AI 科研会改变产出的数量与质量,两者影响截然不同。论文爆发式增长,一方面加快学科推进,另一方面会超出人类阅读、核验的承载力;但历史上显微镜、望远镜、统计软件这类工具,既提升产出量,也拓展了洞察深度,AI 同样可以支撑更全面的分析、更宏大的研究项目。当论文更容易产出,学术评价体系、期刊、资助机构会更偏向奖励高原创、高质量成果。最终走向数量膨胀还是质量跃升,取决于研究者选择、学术激励机制。
第四,科研组织模式会发生难以预判的变化。随着 AI 自主能力变强,AI 智能体可以承担核验、审稿、成果传播,缓解成果过载问题。远期来看,AI 科研智能体集群,依托机器人、自动化实验室,可能独立探索科研前沿。这类自主科研会带来新问题:人类如何跟进、理解 AI 生成的新知识,以及知识生成的底层逻辑。
第五,高自主 AI 带来对齐与安全挑战。保持人类在关键节点(选题、研究方案)的决策权,对安全和人类福祉至关重要。AI 自主产出的发现、副产物自带风险,生物学领域尤其突出:加速医药研发的能力,同样可能催生危险知识或物质。这类场景需要设置人工审核节点,主动接受增速放缓,换取风险可控。
第六,研究者的工作内容会发生巨大变化,影响科研职业吸引力。如果 AI 接管研究者喜爱、有成就感的工作,科研满意度下降,愿意进入科研行业的人会变少;如果 AI 接管枯燥重复工作,则提升满意度。行政事务是典型例子:美国联邦项目负责人报告,44% 的科研时间消耗在行政流程上;AI 减负会带来巨大利好。最终净影响不确定,随 AI 能力持续演化。乐观视角:AI 拓展发现的边界,而探索新知本身,正是科研职业的核心魅力。如果科学是驶向无尽前沿的远航,AI 就是一艘新船,帮助研究者驶向更广阔的未知问题海洋。
附录
附录文档链接:https://www-cdn.anthropic.com/files/4zrzovbb/website/fafb3d4237f9b53fe114fef4fb5109b9cf5b5e60.pdf
参考文献
Ahmadpoor, Mohammad & Benjamin F. Jones, “Decoding Team and Individual Impact in Science and Invention,”PNAS, 2019, 116 (28), 13885–13890.Alamos, Cristian & Lukas Althoff, “SciNet: The Anatomy of Science,” dataset, 2026.Amodei, Dario, “Machines of Loving Grace: How AI Could Transform the World for the Better,” essay, October 2024.Anthropic, “Learning More about Claude’s Mathematical Capabilities,” research post, August 10, 2026a.Anthropic, “Formalizing Fermat’s Last Theorem,” research post, September 4, 2026b.Appel, Ruth et al., “Anthropic Economic Index Report: Economic Primitives,” research post, January 15, 2026.Brynjolfsson, Erik, Daniel Rock, & Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,”American Economic Journal: Macroeconomics, 2021, 13 (1), 333–372.Bush, Vannevar,Science, the Endless Frontier: A Report to the President, Washington, DC: US GPO, 1945.Codreanu, Mihai et al., “AI in Science: Early Insights,” arXiv preprint arXiv:2609.28504, 2026.Comin, Diego & Bart Hobijn, “An Exploration of Technology Diffusion,”American Economic Review, 2010, 100 (5), 2031–2059.David, Paul A., “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,”American Economic Review, 1990, 80 (2), 355–361.Eloundou, Tyna et al., “GPTs Are GPTs: Labor Market Impact Potential of LLMs,”Science, 2024, 384 (6702), 1306–1308.Guo, Daya et al., “DeepSeek-R1 Incentivizes Reasoning in LLMs through Reinforcement Learning,”Nature, 2025, 645 (8081), 633–638.Hao, Qianyue et al., “Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus,”Nature, 2026, 649 (8099), 1237–1243.Jones, Benjamin F., “Artificial Intelligence in Research and Development,” inThe Economics of Transformative AI, Chicago: University of Chicago Press, 2026, 37–61.Jumper, John et al., “Highly Accurate Protein Structure Prediction with AlphaFold,”Nature, 2021, 596 (7873), 583–589.Karger, Ezra et al., “Forecasting Existential Risks: Evidence from a Long-Run Forecasting Tournament,” Forecasting Research Institute Working Paper 1, 2023.Kobak, Dmitry et al., “Delving into LLM-Assisted Writing in Biomedical Publications through Excess Vocabulary,”Science Advances, 2025, 11 (27), eadt3813.Lambert, Nathan et al., “Tülu 3: Pushing Frontiers in Open Language Model Post-Training,” arXiv preprint arXiv:2411.15124, 2024.Liang, Weixin et al., “Quantifying Large Language Model Usage in Scientific Papers,”Nature Human Behaviour, 2025, 9 (12), 2599–2609.Liu, Yinhong et al., “Aligning with Human Judgement: The Role of Pairwise Preference in Large Language Model Evaluators,” COLM, 2024.Mantiuk, Rafał K., Anna Tomaszewska, & Radosław Mantiuk, “Comparison of Four Subjective Methods for Image Quality Assessment,”Computer Graphics Forum, 2012, 31 (8), 2478–2491.Massenkoff, Maxim et al., “Anthropic Economic Index Report: Cadences,” research post, June 26, 2026.Merchant, Amil et al., “Scaling Deep Learning for Materials Discovery,”Nature, 2023, 624 (7990), 80–85.OpenAI, “An OpenAI Model Has Disproved a Central Conjecture in Discrete Geometry,” research post, May 20, 2026a.OpenAI, “On the Navier–Stokes Millennium Prize Problem,” research post, September 8, 2026b.Parshall, Daniel & Andrea Lopez-Luzuriaga, “Measuring AI’s Economic Reach: A Multi-Dimensional Task Taxonomy,” GWU CER Working Paper 2026-005, 2026.Robinson-Garcia, Nicolas et al., “Meta-Research: Task Specialization Across Research Careers,”eLife, 2020, 9, e60586.Rosenberg, Josh et al., “How Accurate Have AI Progress Forecasts Been So Far?” Forecasting Research Institute, September 22, 2026.Schneider, Sandra L. et al., “2018 FDP Faculty Workload Survey: Report of Primary Findings,” Federal Demonstration Partnership, 2020.Shah, Nihar B. et al., “When Is It Better to Compare than to Score?” arXiv preprint arXiv:1406.6618, 2014.Tomei, Philip Moreira & Bouke Klein Teeselink, “What Jobs Can AI Learn? Measuring Exposure by Reinforcement Learning,” arXiv preprint arXiv:2605.02598, 2026.Tsoukalas, George et al., “Advancing Mathematics Research with AI-Driven Formal Proof Search,”Science, 2026, 394 (6820), 234–239.Varadi, Mihaly et al., “AlphaFold Protein Structure Database in 2024: Providing Structure Coverage for over 214 Million Protein Sequences,”Nucleic Acids Research, 2024, 52 (D1), D368–D375.Wang, Hanchen et al., “Scientific Discovery in the Age of Artificial Intelligence,”Nature, 2023, 620 (7972), 47–60

