本文来自微信公众号： 生态学时空 ，作者：复旦赵斌，原文标题：《能自己想idea、发论文、过评审的AI科学家来了，科研人要被取代了吗？| 一起读顶刊-2026》
别再万事找模板了，一切可公式化、模板化的东西，都可被AI替代。甚至AI都在做无模板的事儿了。
熬几个通宵才勉强挤出一个研究idea，翻遍几百篇文献才摸清研究现状，写代码跑实验反复崩溃，分析数据改了十几版，好不容易写完论文，投出去还要被同行评审挑出一堆毛病……
但现在，有一个AI能把这些事全干了。
它能自己找研究空白、提创新构想，自己写代码跑实验、分析数据画图，自己照着顶会格式写完整论文，甚至还能自己给自己做同行评审、挑错修改。最关键的是，它写的论文，真的通过了机器学习顶会的正规盲审，达到了录用标准。
这是Nature报道的一个成果——由东京SakanaAI团队研发的“AI科学家”系统。它的出现，不仅刷新了我们对AI科研能力的认知，也让所有人都开始问：AI都能自己做科研发论文了，人类科学家要被取代了吗？
这个AI科学家，到底有多能打？
我们之前见过的AI科研工具，大多是单点辅助——帮你查文献、改论文、写代码片段，本质上还是人类主导，AI打下手。
但这次的AI科学家，实现了科研全流程的端到端自动化。简单说，就是从想idea到发论文的完整科研闭环，它自己就能全包了，全程几乎不需要人类插手。
它的工作流程，和一个真实的人类博士做科研几乎一模一样，分为四个核心步骤：
自主提出研究构想：你只要给它一个科研方向，它就会自动检索海量学术文献，摸清这个领域的研究现状，找到未被填补的空白，提出全新的研究假说，甚至能写好详细的实验方案。为了避免重复研究，它还会自己筛选掉和已有成果高度相似的idea，只留下有新意的方向。
独立完成实验验证：构想定好后，它会自己编写实验代码，在电脑上完成全部实验，还能自己调试超参数、修复代码bug。实验跑完，它会自动分析结果、绘制规范的科研图表，像人类科研人员一样写实验日志，记录每一步的结果和问题。
自动撰写完整论文：实验结束，它会照着顶级学术会议的标准模板，把摘要、引言、研究方法、结果分析、结论等章节完整写出来，还会自动匹配相关参考文献，规范标注引用，甚至能自己修正论文的格式错误，输出一篇可以直接投稿的完整稿件。
自我评审与优化：研发团队还为它配套了一个自动评审系统，完全照着顶会的评审标准，给论文的严谨性、创新性、呈现质量打分，列出优缺点，给出录用/拒稿的判定。测试显示，这个自动评审系统的评审水平，和人类领域专家几乎没有差别。
更厉害的是，它还有两种工作模式：一种是模板模式，给它一个基础代码框架，它就能顺着现有研究做延伸创新；另一种是更难的无模板开放模式，不需要任何人类给的框架，完全自主找研究方向、开新课题，实现真正的开放式探索。
那它的实战成果到底怎么样？研发团队做了一场堪称AI科研图灵测试的实验：他们让无模板模式的AI科学家生成了三篇完整论文，投稿到机器学习顶会ICLR的研讨会，全程没有任何人工修改。主办方和评审员提前被告知投稿里有AI生成的论文，但不知道具体是哪几篇，全程盲审。
最终结果是：三篇论文里，有一篇拿到了3位评审员给出的6分、7分、6分，平均分6.33，超过了该研讨会的平均录用分数线。主办方表示，如果不是团队按照预设方案主动撤稿，这篇论文大概率会被正式录用。
要知道，这场研讨会的录用率为70%，虽然和ICLR主会32%的录用门槛还有差距，但这是人类历史上第一次，完全由AI自主完成全流程的科研论文，通过了正规的学术同行评审。这无疑是AI科研能力的一个里程碑式突破。
它离真正的科学家还差多远？
看到这里，很多人可能会慌：AI都能自己发论文了，科研人岂不是要失业了？
先别急着焦虑，研发团队在论文里坦诚地列出了这个系统的诸多局限，一句话总结：它能做的，只是科研流程的自动化，离真正的科学创新，还有本质的差距。
首先，它的应用范围极其有限。目前AI科学家只能做机器学习这类纯计算类的科研工作，所有实验都能在电脑里完成。对于化学、生物、物理、医学等需要做真实实验、采集现实数据的学科，它完全无能为力，更别说人文社科领域需要深度思辨、田野调查的研究了。
其次，它的原创性严重不足。研发团队自己也承认，系统生成的成果，大多是现有研究的小修小补、延伸拓展，没有任何颠覆性、突破性的创新。它能做的，是基于已有的海量文献，重组、优化已有的研究思路，却无法像人类科学家一样，提出跳出现有框架的全新理论、开辟全新的研究领域。就像它能把已有的拼图拼出更多花样，却创造不出一块全新的拼图。
更关键的是，AI的老毛病它一个没落下。系统依然会出现幻觉——编造不存在的参考文献、写错公式、代码出现逻辑漏洞、实验设计有明显缺陷。三篇投稿论文里，也只有一篇达到了录用标准，稳定性很差，经常会犯人类科研人员不会犯的低级错误。
而最本质的差距，是它没有真正的科学思维。就像我们之前聊过的AI错觉，AI本质上只是在做海量信息的处理、模仿和重组，它没有人类的好奇心、想象力，没有对未知世界的探索欲，更没有面对实验失败时的反思和坚持。它不知道自己为什么要做这个研究，也不懂研究成果背后的科学意义，只是在按照程序完成任务。这也是它永远无法成为真正科学家的核心原因。
不是被取代，而是这些事
既然它取代不了人类科学家，那我们就可以高枕无忧了吗？恰恰相反，AI科学家的出现，给整个科研界带来的挑战，远比取代科研人更现实、更紧迫。
当然，我们不能否认它的积极价值：它会是科研人最强的辅助工具。
做科研的人都知道，一项研究里，80%的时间都耗在了查文献、调代码、跑数据、改论文格式这些重复性、事务性的工作里，真正留给深度思考、创新构想的时间少之又少。而AI科学家能把这些繁琐的工作全部承接下来，让人类科研人员从机械劳动里解放出来，把精力全部放在提出新问题、探索新方向、做真正的创新思考上，反而能极大加速科学发现的进程。
就像计算器让数学家不用再手算复杂公式，望远镜让天文学家不用再肉眼观星，AI会成为人类探索科学世界的全新工具，而不是对手。
但与此同时，它带来的风险和挑战，已经摆在了我们面前：
第一，学术圈可能会被论文洪水淹没。AI写论文的成本极低、速度极快，未来期刊、顶会、基金评审系统，会收到海量AI生成的低质量、无创新的论文。本就不堪重负的同行评审体系，很可能会直接被压垮，真正有价值的创新成果，反而会被淹没在冗余信息里。
第二，学术不端会变得更难监管。AI生成的内容，很难追溯其灵感来源，很容易出现挪用他人研究成果却不标注引用的情况；更有人会用AI批量生成论文，刷学术履历、评职称、申项目，原本的学术评价体系会受到巨大冲击。就像业内专家说的，AI让“一键式批量生产科研成果”成为可能，这对学术诚信的挑战是前所未有的。
第三，青年科研人员的培养会面临难题。一个研究生、博士生的成长，从来不是靠最后发了一篇论文，而是在查文献、设计实验、处理数据、写论文、应对评审意见的完整过程里，学会科学的思维方式和研究方法。如果这些核心环节都被AI代劳了，年轻人根本得不到应有的锻炼，未来还能培养出真正有独立科研能力的科学家吗？
第四，科研的多样性会被削弱。已有研究显示，过度依赖AI做科研，会让研究人员的研究主题越来越集中，大家都跟着AI能做、好出成果的方向走，那些冷门、小众、短期难出成果，但可能孕育着重大突破的研究方向，反而会被越来越多人忽视，最终让科研的路越走越窄。
AI永远取代不了人类对科学的好奇心
从计算器到个人电脑，从互联网到大数据，人类科研史上的每一次技术进步，都有人喊“人类要被取代了”，但最终的结果永远是：工具让人类走得更远，而不是取代了走路的人。
AI科学家的出现也是一样。它能自动化科研的流程，却无法自动化科学的创新；它能完成既定的实验，却无法提出颠覆性的问题；它能写出规范的论文，却无法传递人类对未知世界的好奇与探索。
系统的研发者也反复强调：他们做这个系统的初衷，不是用AI取代人类科学家，而是让AI成为人类的科研合作者，帮我们摆脱繁琐的重复劳动，更高效地探索科学世界。
科学的本质，不是一篇篇论文、一组组数据，而是人类面对未知世界时，那份永不熄灭的好奇心、想象力和批判性思维。这些刻在人类骨子里的特质，是AI永远无法复制和取代的。
解读文献：
https://doi.org/10.1038/s41586-026-10265-5
https://doi.org/10.1038/d41586-026-00899-w
https://doi.org/10.1038/d41586-026-00934-w