论文：AI in Science: Early Insights，2026年9月，来自谷歌、谷歌 DeepMind、芝加哥大学、CUNEF 大学、麻省理工学院 FutureTech、牛津大学、卡内基梅隆大学和宾夕法尼亚大学等。

这篇报告的核心判断是：AI 已经加快了许多科研任务，但能否加快科学发现，取决于实验、验证和科研组织能否跟上。它提供了有价值的早期证据，但尚未证明 AI 已带来科学突破速度的整体提升。

一、文章研究了什么

它把三类数据映射到同一套科研任务分类中，试图回答“科学家如何使用 AI，以及科研流程因此发生了什么变化”。

数据来源	样本	能说明什么
Gemini 交互记录	约1500万次交互，筛出约36万次科研交互	通用大模型被用于哪些科研任务
科研专用模型清单	纳入分析的2690个模型及其论文、引用	模型宣称具备哪些能力、如何传播
科学家问卷	美国和英国637名研究者	使用强度、自报时间收益、瓶颈和选题变化

三类证据相互补充，但含义不同：实际交互、模型能力和主观感受，不能直接当作经过验证的科研生产率。

二、文章的主要观点与要点

1. AI 已进入广泛的科研活动。

Gemini 数据中，生命、物理和社会科学职业所占的交互份额，约为其美国就业份额的2.7倍。问卷中，约47%的受访者报告每天密集使用某种 AI，另有约31%每周使用。

这说明 AI 已经嵌入不少研究者的日常工作。不过，2.7倍衡量的是交互量的相对集中程度，并不意味着科学家的使用人数比例是其他人的2.7倍。

2. 通用大模型与专用模型呈现不同分工。

通用大模型主要支持编程、统计分析、文献综合、论文写作和日常研究管理；专用模型更多承担蛋白质结构预测、医学图像分类、分子设计和科学模拟。

作者据此提出，两类模型可能形成互补，未来由大模型协调专用工具、组织研究流程。但这还是一种发展方向，本文没有验证这样的系统已能可靠完成科研全过程。

3. 时间收益明显，但主要来自科学家的自报。

接近四分之三的受访者报告 AI 带来净时间节省，平均约为每周6.9小时。节省的时间主要用于增加研究产出、实验和数据收集，以及挑战更难的问题。

约84%的受访者认为，AI 提高了过去三年的实验室或个人专业产出。这里的“产出”混合了论文、专利、发现和完成项目，不能理解为科学发现增加了84%。

4. AI 正在改变瓶颈的位置。

这是文章最有解释力的观点：科研是相互依赖的一串活动，一个环节加速后，约束会转向其他环节。

• 约44%的受访者说，主要瓶颈向下游移动，例如实验执行或论文撰写。
• 约41%报告，尚未检验的假说积压增加。
• 在报告节省时间的研究者中，约46%表示，验证、调试和核查 AI 输出所花时间，超过所节省时间的四分之一。

因此，生成更多假说和预测，并不自动意味着获得更多可靠知识。实验能力、验证工具和判断力的价值可能随之上升。

5. AI 可能拓宽研究，也可能让选题更保守。

约68%的受访者认为 AI 改善了跨学科知识获取，约67%认为本领域研究问题的雄心有所提高。但谈到自己的选题时，约49%表示更倾向安全、渐进的问题，约28%表示更愿意开展高风险研究。

作者将其解释为可能的“路灯效应”：AI 更容易降低数据丰富、评价标准清楚的问题的研究成本，从而吸引更多资源流向这些方向。

这两组结果并非必然矛盾：研究范围可以扩大，项目也可以更复杂，但仍围绕已有数据和成熟范式展开。

如图所示大语言模型交互与专用人工智能模型在科学任务分配上的对比：

三、这篇文章本身还有哪些问题

1. 缺少因果证据。
文章展示的是相关性与主观归因。高效率、资金充足、数字化程度高的团队，可能本来就更愿意使用 AI。没有对照研究，无法确定时间收益和产出增长中，有多少真正由 AI 导致。

2. 样本不能代表全球科学界。
交互记录仅来自 Gemini，排除了企业及付费 API 流量；问卷是英美非概率样本，未加权，资深研究者较多；专用模型清单偏向知名、公开、有论文和代码的模型。因此，采用率和平均收益都应谨慎外推。

3. 细粒度分类误差较大。
附录披露，科研交互在最细任务层级的分类准确率约为30%；专用模型任务映射在最细层级约为28%。这会影响任务分工、覆盖率和重叠程度的精确估计。

4. “分工不同”还不足以证明经济互补。
通用大模型与专用模型覆盖不同任务，支持“存在分工”的判断。但严格的互补性还需要证明：使用其中一种，确实提高了另一种的收益或使用需求。两边数据分别衡量实际交互与论文宣称能力，也限制了直接比较。

5. 数量指标难以回答质量问题。
高引用不等于实际使用，更不等于有效使用；模型“覆盖”某项任务不等于能够可靠完成。论文和项目增多，也不能直接说明原创性、可重复性或社会价值提高。

四、仍待回答的关键问题

以下是沿着本文结论进一步提出的问题：

• 真正提高了多少科研效率？ 应衡量每单位资金、时间和人力带来的可靠知识增量，并计入计算、部署、审核与失败成本。
• 加速的是什么类型的发现？ 是已有问题的更快求解，还是新的理论、研究方向和此前无法尝试的实验？
• 如何消化更多候选假说？ 当生成成本下降后，如何排序、淘汰和选择值得昂贵实验验证的候选，可能成为关键能力。
• 验证本身能否规模化？ AI 生成和 AI 审核如果依赖相似模型与数据，是否会共享错误，需要怎样的独立证据？
• 谁获得收益，谁承担成本？ 模型研发集中于少数国家和机构，开放使用能否弥补算力、实验设施和本地数据的差距？
• 长期会如何改变科研人才与激励？ 对判断力、基础技能、青年研究者训练，以及“多发论文”和“探索高风险问题”的奖励机制，本文尚未充分研究。

---

这篇报告最重要的贡献，是把讨论从“AI 能不能做科研”推进到“科研各环节怎样共同决定 AI 的收益”。它对采用方式和瓶颈变化的描绘，比对科学生产率已经提高多少的估计更有说服力。