10月28日，施普林格·自然与谷歌旗下AI公司深度思维宣布达成合作，共同设计一款AI同行评审辅助工具。在此前不久发布的研究里，审稿台上的AI已经赢过人类专家：三位前期刊编辑盲评AI与人类的审稿意见，30次判断中26次选了AI，4次才选了人。在临床试验报告的差错实验里，人类评审只发现了27%的主要错误，15个AI模型的发现数都更多。AI进场把关已经是事实，热榜问题问的是下一层：它真能让科研更公平吗？目前的证据给出的是分半的答案——它让“稿件的尺度”更统一了，但“人”的那杆秤还没被校准；公平会不会发生，取决于规则能不能接住。知乎专栏知乎专栏知乎专栏
AI的公平是真的，集中在把关台
哈佛这项研究基于投稿前反馈服务rapidPeer：在正式投期刊之前，平台帮作者寻找外部领域专家，对论文草稿提出建设性意见，它比较的是“怎样把稿子改好”，不负责决定哪本期刊录用论文；截至2026年10月25日的版本，研究已覆盖124份稿件、134份人类评论。知乎专栏
实验设计里最关键的一步是去掉署名：AI意见与人类意见混排，交给编辑盲评，他们事先不知道哪份来自机器，也不知道这是一场人机对决。但人类一组并不敷衍——审稿者是作者机构之外的领域专家，拿报酬、完整读完稿件、认真提出改进建议；作者回访中，88%的答复者仍认为收到的人类意见质量高或很高。所以26比4不是给“专家”开的批条，而是给“套话意见”开的：抬头和头衔拿掉之后，意见只剩内容竞争，只说“论证不够充分”的反馈最先输掉。把关公平的第一项收益就在这里——专业反馈的覆盖面被拉大了，而评判标准不再看你师从谁家。知乎专栏
第二项收益打在人类的生理极限上。更值得警惕的是人类漏检错误的形状：恰恰是那些会改变试验解读方式的错误——文本和表格不一致，只有7%的人发现；比较方向颠倒，10%；摘要与正文矛盾，25%；患者数字对不上，32%。这些都不是需要天才的判断，而是肯花时间就能做的核对。人类评审靠志愿劳动支撑，最容易被省掉的正是这种费力无感的部分。出版商也清楚这一点，施普林格·自然把正在测试的原型工具定位为交互式的同行评审体验，同时始终将人类专家的判断置于流程的核心。它替换的不是把关人，而是把关人做不完的核对。知乎专栏知乎专栏
但这组证据的重量有边界
别把26比4读成AI接管审稿。30次判断全部来自“两份意见留哪份”的比较，不是124份稿件都经过重审；补充材料还说明，编辑在这一步没有阅读对应的原始论文，主要比较的是两份审稿意见。知乎专栏
AI意见由Claude系模型生成，交叉裁决又交给另一个模型家族——AI会不会更偏爱AI式表达，研究没有排除这个疑问；而论文按照意见改过之后究竟改善了多少，也没有测量。知乎专栏
需要记住，这仍是一份公开的工作论文，正式同行评审尚未完成。结论的最后一公里，还攥在学术共同体手里。知乎专栏
门槛降了，差距反而更扎眼
审稿变得更公道只是公平的一半；科研“更容易做”的另一半，正在把另一类差距撕开。开源的自动科研系统里，用户输入一个科研想法，它可以自动完成文献检索、实验设计、代码编写、结果分析和论文生成。美团技术团队公开了从Karpathy的AutoResearch范式出发的三次架构重构，搭建出一套可在企业云端训练平台使用的算法研究自进化系统。论文的产出成本逼近于零，可这“零”的收益并不均匀。知乎专栏知乎专栏
清华、芝加哥大学等团队发在Nature上的研究显示，使用AI的科学家相对不使用者有3.02倍的发文量、4.84倍的引用量、1.37年的职业提前期。知乎专栏
个体的赢家没有换来更宽的科学。同一项研究发现，AI研究的知识广度中位数比非AI研究小了4.63%，科学家正涌向更小、更集中的知识区域。知乎专栏
工具分布也在筛选人：一项未经同行评议的研究称，美国STEM领域博士学位论文中约30%包含AI生成文本，而高频用AI写论文的毕业生更可能进入产业界、不太可能留在学术界。守门一侧同样在被反噬：Sakana AI的AI Scientist-v2全自动生成的论文投进ICLR 2025的研讨会，拿到了6/7/6的同行评审分数。AI写、AI审、再AI查的三方博弈，让“真实性”本身成了新的门票。AI确实带来了知识平权，但知识平权，不等于逻辑思维平权，更不等于科研能力平权。知乎专栏知乎专栏知乎专栏
所以“门槛降低”的真实形状是：第一道门——做出一篇像样的稿子——对所有人变低了；第二道门——订阅费、算力、知道怎么使唤AI——筛掉了新的一批人。
学术界已经在用规则回接
共同体的抵抗比外界想象的早。10月中旬，发布于港中深GAP实验室的《学生“慢科研”联合倡议》引来国内外120名计算机与AI领域教授、博导联名签署。 发起者公开承诺，不以论文数量选拔学生。 争议同样尖锐：说得出“慢”的，是已经有位置的博导，等着论文毕业、聘期考核的学生和青椒没有这个选项。另一种相反的看法是，AI恰恰是打破队列垄断的第一件趁手工具——现在AI来了，有真本事的青年学者头一回能对抗团队化的论文流水线。同一个工具、两种相反的公平叙事，这正是争论的核：问题从来不是“AI行不行”，而是“谁用它、谁来判”。知乎专栏知乎知乎
数学圈把矛盾说得更透。陶哲轩在与菲尔兹奖得主邓煜的对谈里说，要保留那些慢慢做科学、做数学的方式所带来的好处：增进理解、建设共同体，让人类持续掌握对一个学科的理解。而在此前的一场公开演讲中，他已经直接喊话模型公司：别解数学问题了。邓煜则把矛头指向另一层，他评论AI公司：你不能只在你蒸馏全人类的知识时支持蒸馏。AI拿全人类的论文训练模型，再把把关能力锁进订阅墙——这是“反蒸馏”争论真正戳中的不公平。知乎专栏知乎专栏知乎
规则确实在赶上来。《科学》的规则本身明确：AI不具备作者身份，不能列为共同作者，但使用情况需要主动披露。新华社在10月全球AI盘点里给出的共识更直接：研究人员强调，AI的定位是辅助科学家，而非取而代之。知乎新华网
收拢起来，“AI真能让科研更公平吗”在现阶段有一个清晰的答案：量稿子那端，是的——盲评去掉了身份与头衔，差错实验去掉了疲劳与疏忽，这部分公平已经可以被26比4和27%这样的数字核验；量人那端，还没有——3倍发文、提前1.37年晋升、窄了4.63%的探索半径，说的都是资源分配的马太效应被推得更快了。AI只是把尺子从门第手里拿下来放在桌上，桌上是不是公平的游戏，要看接下来三个信号：头部期刊会不会公开AI辅助审稿对录用结论的实际影响，“不以论文数量论英雄”会不会从联署倡议变成考核制度，模型订阅与算力会不会向没有资源的人开放。公平从来不是工具自带的功能，而是规则约束工具之后的结果。
