最近刷科研圈的内容,基本是两个画风。一边,是"3秒搞定Nature级机制图,BioRender可以卸载了?"这样的视频标题反复被推荐。哔哩哔哩小红书上,一条叫"我的科研画图导师"的笔记收藏破了一万六,教程帖动辄上万收藏。小红书另一边,是一篇中科院一区期刊的论文,配图右下角明晃晃带着"豆包AI生成"的水印,被学术圈挂出来反复处刑。
同一个AI,一边封神一边翻车。如果你正打算把AI生成的机制图塞进自己的论文里,中间差的不是运气,是几条大多数人没搞清楚的规则。
先说这波AI绘图热里,真实发生的变化
这波热度不是炒冷饭。2026年以来,通用AI生图模型画"BioRender风格"的科研示意图,质量确实跨了一档:通路图、机制图、技术路线图,输入一段描述,十几秒出一张配色排版都在线的图。B站、小红书上大量教程的核心卖点都是"不用学BioRender了,直接AI出图"。哔哩哔哩有意思的是BioRender自己的动作。它今年也上线了AI功能,但思路完全不同:不是从零生成整图,而是把你拍不到的东西"翻译"进素材库——实验仪器、特殊动物模型的实拍照片,可以转成和官方素材风格统一的矢量图标。小红书平面图标可以一键转3D质感,还能根据描述生成流程图和实验方案初稿。有小红书用户实测,目前AI额度给得很抠,每月大概只有5次左右,官方声明上传数据不用于模型训练。
看出来了吗?AI在科研绘图里真正的落点,不是"替代BioRender",而是把"找到/画出一个合适的素材"这件事的成本打下来了。但出图快,不等于能投。
期刊的红线,其实分三类图说
很多人以为规则是"能用/不能用"二选一,实际上头部期刊是按图的类型分级管的。知乎以Elsevier在2026年6月更新的生成式AI政策(据科研社区整理)为代表,规则大致分三档。
第一档,示意图类(机制图、流程图、技术路线、概念示意)。这是唯一相对宽松的一类:允许AI参与,但披露要求比想象中细——不是文末总声明提一句就行,而是每张图的图注里就要写清楚用了什么工具、哪个版本、怎么用的,同时正文的AI总声明也要有。知乎还有三条绝对禁止:不能用AI编造结果、不能发明或篡改底层数据、不能生成"并非忠实源自你的研究"的图。
第二档,数据图(柱状图、热图、生存曲线这类)。规则是:图必须从你的真实数据经可复现的方法算出来。让大模型帮你写matplotlib、ggplot的绘图代码没问题,但工具和方法要写进Methods,而且期刊可能要求你提供原始数据和未处理图像备查。
第三档,原始研究图像,一条硬红线。Western blot、电镜、病理切片这类图,AI不仅不能生成,连碰都不能碰——包括调亮度、对比度、色彩平衡。为什么?因为AI不是均匀调整,它会"理解"画面再重绘,你以为在调亮度,它可能顺手把一条弱条带补成了清晰条带。知乎这直接从"处理"变成了"生成"。顶刊现在普遍要求提供完整膜边界和分子量标记的原始图,就是防这一手。
还有两个容易误伤的区域:图文摘要(graphical abstract),Elsevier明确通用生成式AI工具不得用于制作,理由不是画得不科学,而是训练数据授权说不清——这恰好是BioRender这类专业工具的优势,素材库每个图标的授权范围写在条款里;期刊封面图,允许但有前置条件,顺序必须是先问编辑再做,做完再问,被拒就是白干。
再看ICMJE(国际医学期刊编辑委员会)2026年1月版推荐规范:作者应能声明论文中不存在抄袭,包括AI产出的文字和图片。知乎AI生成的图可能和训练数据里的某张图高度相似,而你事先无从知道——你签字那句"我对内容负全责",兜的就是这个风险。
AI画错的,恰好都是同行一眼能看穿的地方
合规之外,还有一层更现实的风险:AI生成的图,错误都集中在最致命的地方。社区里总结下来就几类:
箭头方向画反,抑制和激活的符号搞混——这两个符号完全不同,画反了意思完全相反。知乎蛋白基因命名的大小写、斜体、物种前缀不规范;亚细胞定位错误,你让它画免疫组化,它大概率把核定位蛋白画成胞浆弥漫染色,还不会给你配阴性对照。知乎最阴险的是它会"补全":你让它画三个环节,它可能画四个,因为训练数据里通常有四个,多出来的那个你不一定注意得到。
那篇带"豆包AI生成"水印的论文就是个现成标本:Journal of Membrane Science,中科院一区,最新影响因子8.8,MOF纳滤膜方向,文章2026年见刊。知乎图2(d)右下角就留着工具水印。它被讨论的不只是疏忽——而是这类图一旦进入论文,没人能说清它从哪来、该不该有。
按图对号入座:一份行动清单
把上面的规则翻译成操作,大概是:
机制图、流程图这类示意图:可以用AI起稿,但把AI当"草图工具"而不是"成图工具"。流程和逻辑自己定,用AI出视觉初稿,再在BioRender这类专业工具里用标准素材重建或逐项核对修正——专业素材库本身就是按学科规范画的,蛋白就是蛋白的样子,授权也写得清。披露上,图注写明工具与版本,加一句"内容、标注与逻辑关系均由作者确定并核验"。知乎
数据图:老老实实用代码或GraphPad、Origin,让AI帮写代码可以,别让它直接画。
WB、显微、病理这类原始图:AI零参与,连美化都不行,只用传统图像处理软件做合理调整并如实说明。原始图存档留好,现在越来越多期刊投稿就要。
图文摘要:投稿前查目标期刊的具体规定。明确禁通用AI的,用专业绘图工具做,授权链条完整,这是当下最稳的选择。
投稿前,任何AI参与过的图都过一遍自查:箭头方向与抑制/激活符号对不对;有没有凭空多出来的元件;基因蛋白命名规范对不对;亚细胞定位对不对;同一篇文章里多张图的配色、字号、符号约定是否一致;图注里AI披露写了没;必要的话,自己先跑一遍图片相似性检测——自己查出问题改掉,成本几乎为零,被编辑查出来,性质就变了。
最后说句实在的
AI把"画图"这件事变便宜了,但没把"对图负责"变便宜。期刊的态度其实很一致:AI可以帮你表达想法,不能帮你制造证据;形式可以交给工具,内容必须自己兜底。小红书
接下来值得持续盯的信号:一是各大出版社的AI图像筛查标准还在升级,规则只会更细;二是各家政策细节不同,投稿前务必再核对目标期刊最新版作者指南。那些告诉你"AI一键出图直接投"的内容,看看收藏数就好,别拿自己的论文给它做测试。
