人工智能（AI）的发展正在加速科学发现，2024 年诺贝尔物理学奖和化学家均授予了 AI 领域科学家，这些趋势确立了 AI 工具在科学中的角色。这一进展引发了关于 AI 工具对科学家及科学整体影响的思考，并凸显了个人利益与集体利益之间的潜在冲突。

2026 年 1 月 14 日，清华大学电子工程系李勇教授、徐丰力助理教授联合芝加哥大学 James Evans 教授（清华大学郝千越为论文第一作者），在国际顶尖学术期刊 Nature 上发表了题为：Artificial intelligence tools expand scientists’ impact but contract science’s focus 的研究论文。

该研究揭示了一个悖论：在自然科学中采用人工智能（AI）工具扩大了科学家的影响力，但却也让研究领域变得更为狭窄。

该研究分析了超过 4100 万篇论文，其中约 31.1 万篇论文借助了 AI 工具（例如使用机器学习或生成式人工智能）。结果显示，使用 AI 辅助科学研究的科学家发表的论文更多，被引用量更高，职业发展也更快。而在系统层面，AI 善于在已有的、数据丰富的领域内进行优化和自动化（例如在已有的药物分子库中筛选新候选药物），而缺乏真正创新所需的“直觉”和“跨领域联想”能力。这引发了人们对 AI 工具可能对科学家以及整个科学界产生的影响的质疑和担忧。

在这项最新研究中，研究团队通过预训练语言模型来识别 AI 辅助科学研究，该模型在专家标注数据验证中 F1 得分达到 0.875。基于涵盖自然科学领域 4130 万篇研究论文、跨越不同 AI 时代的数据集，研究团队发现，科学家对 AI 工具的采用正在加速，AI 的使用带来持续的专业优势，但科学焦点出现集体性收窄。

使用 AI 辅助科学研究的科学家比未使用者多发表 3.02 倍论文，获得 4.84 倍引用，并提前 1.37 年成为研究项目负责人。相比之下，AI 的使用使集体研究的科学主题总量缩减 4.63%，科学家之间的协作参与度降低 22%。

由此，AI 在科学中的应用呈现出一个看似矛盾的现象：个体科学家影响力扩大，但科学集体的触及范围收缩——因为 AI 辅助的工作集体性地向数据最密集的领域集中。随着后续参与度降低，AI 工具似乎是在自动化既定领域而非探索新方向，这凸显了个人晋升与集体科学进步之间的张力。

这项研究提醒我们，AI 在赋予科学家个体强大能力的同时，如果不加引导，可能会无形中引导科学共同体走向一种“内卷”，即在一个收缩的范围内进行越来越精细的优化，而牺牲了那些真正需要开拓的、未知的边疆。这要求我们在推动 AI 用于科学研究时，需有意识地建立鼓励探索、奖励冒险的机制，以平衡效率与创新。

Nature 同期发表了题为：AI tools boost individual scientists but could limit research as a whole 的 News and Views 文章，文章指出，AI 工具能提升科学家个体的科研能力，但可能限制整个科研领域的发展。

论文链接：

https://www.nature.com/articles/s41586-025-09922-y