AI加速科研，但可能导致“内卷”？清华大学研究揭示AI赋能科研的悖论，呼吁人机协同。
原文标题：清华大学电子系Nature发文揭示AI赋能科研的“内卷悖论”——科学智能需要从“辅助工具”到“合作伙伴”的范式升级
原文作者：数据派THU
冷月清谈：
怜星夜思：
2、文章中提到的“全流程科研智能体系统”如果真的实现，你觉得会对未来的科研模式产生什么样的影响？科学家会面临哪些新的挑战？
3、你认为应该如何平衡AI赋能科研的效率提升和可能带来的创新多样性下降？
原文内容
当你着眼于设计下一个 AlphaFold 或 GPT 时
是否想过它可能在悄然改变科学界的研究范式？
人工智能（AI）
正在以前所未有的深度和广度介入科学研究
从蛋白质结构到新材料发现
AI似乎已成为科学加速的“万能引擎”
展现出科学智能范式（AI for Science）的巨大潜力
然而
一个根本性的矛盾现象也在逐渐浮现：
在AI持续赋能科研的背景下
为何各学科的颠覆性研究成果却在逐年减少？
清华大学电子工程系徐丰力、李勇教授
联合芝加哥大学团队
通过科学语言基础模型
分析了全球2.5亿篇科学文献
首次揭示了
AI在助力科学家加速自身研究进展的同时
却导致科学界的集体注意力窄化
和趋同探索的矛盾效应
该研究成果以
《人工智能促进科学家影响力增长
却制约科学认知边界扩张》
（“Artificial intelligence tools expand
scientists’ impact
but contract science’s focus”）为题
于1月14日在线发表于《自然》（Nature）
Science刊发专文跟进报道。
Nature网站截图
为了打破当前科学智能单点优化
带来的 “内卷悖论”
团队致力于打造赋能闭环科学发现的
科研智能体系统
探索科学智能从单点 “辅助工具”
到通用 “合作伙伴” 的范式升级
数据为钥，破译AI赋能科研的足迹
全球科研成果和科学文献浩如烟海
如何从中精准识别 “AI赋能的研究” ？
李勇教授团队
摒弃停留在关键词层面的浅层检索方法
提出高质量专家标注
与大规模语言模型训练结合的技术路径
对跨越近50年的海量科学文献进行深度扫描
构建了横跨
“机器学习、深度学习、生成式AI” 三个时代、
涵盖4130万篇论文、覆盖2857万研究者的
AI赋能科研全景知识图谱
形成了AI赋能科学研究的首个基准数据集
为定量刻画AI对科学的长期与系统性影响
奠定了坚实数据基石
计算为尺，丈量科学的认知版图
为定量评估AI对科学研究的影响
团队提出基于隐藏变量的科学学分析方法
将高维科学语义嵌入与复杂学术网络分析结合
创新定义 “知识广度” 量化指标
—— 在768维隐藏向量空间中
通过计算向量分布的 “直径” 与熵值
精确度量科学探索认知边界的扩张与收缩
揭示了出人意料的矛盾效应：
在微观个体层面
AI助力科学家个体文章发表量提升至3.02倍
文章引用量激增至4.84倍
甚至提早1.37年成为研究项目负责人
AI促进科学家的个人影响力提升与职业发展
然而个体科研加速的背后
是人类整体科学版图的异常收缩
在集体层面上
与AI结合的科研项目的知识广度下降了4.63%
不同领域科学家间的跨界互动减少了22%
AI赋能的研究引文呈现 “星型结构”
表明创新活力趋向集中和单一化
“趋同探索” 效应与科学界集体关注面的收缩
总的来说
团队提出了新颖的科学智能观测手段
首次实证揭示了技术效率与创新多样性的深刻张力
机制为核，揭示 “群体登山” 的内在原理
深入机理研究
团队进一步发现 “科学智能引力” 效应：
AI的高效率引导研究者集体涌向
少量适合AI研究的 “热门山峰”
这种 “群体登山”模式
虽加速了已知问题的解决
却无形中固化了科学探索的路径
系统性地削弱了科学家向 “未知山峰” 探索的广度
进一步的机制分析表明：
这绝非偶然关联
而是当前智能科研模型缺乏通用性导致的系统性影响
我们正在努力构建的
是一个加速我们接近现有知识边界的科学世界
而不是一个能不断为我们揭示新知识边界的未来世界
科学探索的 “群体登山” 效应
范式为镜，映照人机协同的未来之路
当科学进步的指针在AI驱动下加速转动
我们更需警惕表盘之下悄然收缩的刻度
这一矛盾机制的发现是对AI赋能科研模式的深度反思
现有的AI for Science
虽然极大地促进了局部的效率提升
却难以驱动全链条、多领域的科研创新
正是这种局限性
导致AI倾向于在既有数据上深入挖掘
而非在未知领域开辟探索全新问题
为突破这一局限
徐丰力、李勇教授团队提出
“全流程科研智能体系统”（OmniScientist.ai）
推动AI从 “辅助工具”
进化为具备 “主动提出假说、自主设计实验、
分析结果并形成理论” 的 “AI科学家”
通过人机深度融合和协同
形成超级智能体
拓展认知边界、催生颠覆性科学理论
论文信息
该研究获国家自然科学基金的支持，完成单位为清华大学电子工程系、北京中关村学院、芝加哥大学数据科学和社会科学系，通讯作者为徐丰力助理教授、李勇教授、James Evans教授，第一作者为清华大学电子工程系博士生郝千越。
论文链接：
https://www.nature.com/articles/s41586-025-09922-y
Nature官方解读：
https://www.nature.com/articles/d41586-025-04092-3
Science同期报道：https://www.science.org/content/article/ai-has-supercharged-scientists-may-have-shrunk-science
来源：清华大学电子工程系公众号
