Anthropic最新报告：AI正在重塑科研，未来科学发现可能加速15倍！

一、先看这份报告的四个核心发现

第一，AI 已经进入科研，但不同学科的使用程度差异很大。 按各领域科研人员的数量作比较，计算机科学、数学、统计学等形式科学使用 Claude 的比例更高；医学以及需要大量实验室操作的自然科学则相对较低。科研人员最常使用 AI 的环节是数据分析和写作，而不是提出新假设或采集数据。

第二，科研人员使用 AI 的地方，往往正是 AI 比较擅长的地方。 报告构建了一个衡量 AI 理论任务能力的指标。在这个指标排名前 20% 的科研任务上，Claude 的使用程度，比单纯按照科研人员投入时间推测的水平高出约 2—4 倍；而在排名后 20%、尤其是包含大量物理操作的任务上，使用程度很低。

第三，专门面向科研的 AI 工具，可能改变 AI 在科研中的角色。 通用 Claude 更多承担分析和写作任务，而集成科研数据库与工具的 Claude Science，能支持更专业、更长、更自主的工作。在 Claude Science 中，创意构思与假设生成的使用占比约 8%，明显高于普通 Claude。

第四，科学研究可能显著加速，但物理实验仍是重要瓶颈。 在现有 AI 能力广泛应用的情景下，部分领域的科研产出可能接近翻倍。如果未来 AI 能完全自动完成所有非物理性科研步骤，计算机科学、统计学等领域的产出在报告模型中可能达到现在的约 15—16 倍；但化学、生物学等依赖实验室的领域，可能只有 3—4 倍。这些是说明潜在机制的情景推演，并不是对未来的确定预测。

二、为什么要研究 AI 在科研中的实际使用情况？

科学曾被称为“无尽的前沿”（Bush，1945）。但人类探索这一前沿的速度，长期受到一种稀缺资源的制约：科研人员的时间和才能。

AI 有机会放大科研人员的能力，从而改变发现的过程和推进速度。考虑到科研工作比经济中许多其他活动更依赖认知能力，AI 对科学研究的影响，可能来得更早、也更显著。

类似迹象已经出现。AlphaFold 预测了超过 2 亿种蛋白质的三维结构，其研发者分享了 2024 年诺贝尔化学奖；材料科学模型 GNoME 预测了 38 万种新的稳定晶体；在数学领域，研究人员也开始利用 AI 推动长期未解问题、潜在证明及重要证明的验证工作。

不过，大多数科学发现并不是靠单独完成某个惊人的任务。它们通常依赖许多高度专业化、彼此关联的步骤：形成假设、寻找证据、设计研究、采集数据、分析结果，再把发现组织成能够被他人检验的知识。

因此，AI 能把科学研究加速多少，不只取决于模型能力，还取决于科学家会在哪些任务中使用它。

报告发现，计算机科学、数学、统计学等领域的采用程度更高，数据分析与写作比数据采集和假设生成更加普及。这些差异与科研人员自身的调查回答一致。报告进一步发现，AI 使用程度与任务的理论 AI 能力高度相关，而这类能力通常与认知型工作、强化学习容易发挥作用的任务相关。

但加速科研也伴随着新问题：降低人类监督可能使不安全或不合伦理的研究更容易推进；AI 还可能改变科研职业的工作内容、获得感，以及人类追求知识所带来的意义。

三、研究怎么做：20.7 万次会话，覆盖 34 个领域和 7262 项任务

为了研究真实使用情况，又不暴露科学家的研究内容，Anthropic 使用了隐私保护分析流程。

首先，用分类模型判断一段会话是否涉及科学研究；然后依据 SciNet 科研任务分类体系，给科研会话标注所属领域、子领域和具体任务。研究团队分析和保留的是“化学”“数据清洗”等固定分类标签，而不是科研数据集、假设、实验方法、初步结果或者尚未发表的论文内容。研究结果只以汇总形式报告，并且对每一统计单元设置了不同账户数量的最低要求。

SciNet 包含 34 个科学领域、318 个子领域、7262 项科研任务。其中，撰写论文这样的任务几乎所有学科都会涉及；而预测材料的光吸收与发射光谱，则属于特定领域的专业任务。整个分类体系覆盖了从科研活动到形成新发现的全过程。

主要样本来自 2026 年 8 月 2 日至 9 月 30 日 的 Claude 消费级套餐研究会话，共 207,049 次，其中：

• 128,914 次来自 Chat 和 Cowork，报告将这两类通用对话与知识工作界面统称为 Claude。
• 78,135 次来自可直接处理用户文件、编写和运行代码的 Agent 工具 Claude Code。

报告还补充分析了一批 Claude Science 的科研会话，以观察专用科研产品与通用产品之间的差异。

需要注意，这不是覆盖全球所有科研人员的随机抽样，也不代表所有 AI 产品的科研使用情况。它观察的是 Claude 相关产品中的科研会话；使用比例高低，也不应直接等同于各学科的科研生产力提升幅度。

四、哪些科学领域最常使用 Claude？

1. 计算机科学、数学和统计学的相对使用程度最高

报告把某一领域占全部 Claude 科研会话的比例，与这一领域占全球科研人员的比例进行比较。这样既能看绝对使用量，也能判断一个领域是否“相对更加依赖 AI”。

在通用 Claude 中，会话占比最高的三个领域是：计算机科学 11.9%、工程学 8.4%、医学 7.7%。这些领域本身也拥有较多科研人员，因此大领域通常对应较多 Claude 会话；两者在对数尺度上的相关系数为 0.79。

但科研人员数量不能完全解释使用差异。计算机科学、数学、统计学以及部分社会科学的使用程度，高于单纯按领域规模推测的水平；化学等实验室密集型自然科学、以及许多涉及患者接触的医学研究，则相对较低。

在 Claude Code 上，这种差异更加突出。全球只有约 4.3% 的科研人员属于计算机科学领域，但 32.7% 的 Claude Code 科研会话来自计算机科学。领域科研人员占比与 Claude Code 会话占比之间的相关系数为 0.62，低于通用 Claude。数学、统计学也更活跃，而艺术与人文学科及多数社会科学使用 Claude Code 的比例较低；经济学是一个更偏定量研究的例外。

图 1：各领域科研人员占比与 Claude、Claude Code 科研会话占比之间的关系。每个点代表一个学科；虚线附近表示使用占比大致符合科研人员规模，虚线上方表示相对使用更高。两幅图的坐标轴都采用对数尺度。

2. 细分到 318 个子领域，计算型研究尤为突出

进一步看子领域，人工智能与机器学习尤其显眼：这一子领域仅占全球科研人员的约 1.2%，却占通用 Claude 科研会话的 5.0%，占 Claude Code 科研会话的 15.2%。

更普遍的规律是：无论研究属于哪一大类，只要高度依赖计算方法，Claude 的相对使用程度通常就更高。典型例子包括计算生物学、计算语言学、计算神经科学，以及大量依赖计算技术的机器人学。

图 2：各子领域科研人员占比与会话占比的关系。出于隐私原因，账户数量过少的子领域未显示。小样本子领域的相对位置也容易受到分类噪声和抽样波动影响，应重点观察总体规律。

五、科学家究竟让 Claude 做什么？

研究工作不只有一个环节。按照 SciNet 分类，报告把直接服务于科研发现的任务分成八类：数据分析、写作与交流、数据采集、阅读与知识获取、理论分析、设计与开发、创意构思与假设生成，以及其他科研事务。

这里的比较基准很重要。研究者不仅统计了每类任务占 AI 科研会话的比例，还使用 SciNet 估计科研人员通常把多少工作时间投入这类任务。后者由分类模型估计，并结合湿实验研究流程记录和大量论文中的任务出现频率进行了验证。

1. 数据分析是 AI 科研使用的第一大场景

数据分析占通用 Claude 科研会话的 33.7%，占 Claude Code 的 48.1%；作为对比，科研人员通常约 27.6% 的工作时间用于数据分析。也就是说，AI 在数据分析中的使用程度明显高于该任务在科研时间中的份额。

写作与交流也很突出：它占通用 Claude 科研会话的 32.0%，而科研人员投入此类任务的时间占比约为 16.0%。具体到单项任务，撰写研究论文是两个产品中出现频率最高的任务，分别占 Claude 的 18.6% 和 Claude Code 的 11.1%。

通用 Claude 上随后较常见的具体任务是：回顾与综合文献（6.8%），以及回应同行评审意见（6.7%）。Claude Code 上随后较常见的则是设计、构建与改进研究产物（4.8%），以及数据和结果可视化（4.6%）。

与此形成对比的是，数据采集占科研人员时间的 28.6%，却只占 Claude 会话的 11.5%、Claude Code 会话的 11.9%。这种差距在临床数据、生化数据等需要物理操作的任务上尤其明显；查找历史档案、文本资料等数字化程度更高的任务，差距则较小；纯线上数据采集甚至可能比科研时间占比更高。

创意构思与假设生成同样较少：科研人员约 7.1% 的时间投入其中，而它只占 Claude 会话的 4.2%、Claude Code 会话的 2.1%。

图 3：橙色和蓝色条形分别是 Claude 和 Claude Code 的会话占比，黑色标线代表 SciNet 估算的科研时间占比。

2. 科学家认为最重要的任务，恰恰不是 AI 用得最多的任务

团队还调查了 528 名科学家。受访者主要来自美国和加拿大科研机构的生命科学与健康科学领域，且多数是积极使用 AI 的研究者，因此不应被看作所有科研人员的平均水平。

问卷中，受访者报告自己在数据分析、写作与交流上的 AI 使用程度最高，而在构思假设和采集数据上的使用程度较低。这与会话数据总体一致。

但是，当被问到“哪类任务对于形成重要科研成果最关键”时，研究者却把创意构思与假设生成排在第一位，数据采集排在第二位。

为什么 AI 在这些关键环节用得相对少？两者的原因可能不同。数据采集往往需要真实世界的物理操作，而创意构思不一定如此。科学家可能更愿意自己提出研究问题，也可能认为 AI 在这方面仍然不够强。由于构思活动常常嵌入其他任务，分类方法也可能低估其使用比例。另一方面，AI 在决定“什么问题值得研究”、设计能够回答该问题的研究方案等高层任务上，确实可能仍然存在能力不足。

图 4：左侧区分没有使用、辅助、共同完成、委派和自主完成等使用层次；右侧展示科研人员对不同研究任务重要性的评分。

六、Claude Science：专用科研工具是否能让 AI 参与更复杂的研究？

Claude 和 Claude Code 是通用工具，而 Claude Science 面向科学研究，能够连接原本分散在不同平台中的科研数据库与工具，并将其整合成连续的工作流程。

例如，一名生物学研究人员想知道一种已有药物能否作用于某个蛋白质。传统流程可能需要分别查询蛋白质功能、蛋白质结构、已测试的化合物，以及相关药物试验和论文。不同数据库的数据格式和查询方式还可能不同。Claude Science 则试图把这些步骤放进同一个工作流程。

Claude Science 的使用集中在生命科学领域。其会话占比最高的两个大领域是生物医学科学和生物学，二者合计超过 50%。

报告在这两个领域内部比较了 Claude Science 与通用 Claude 的任务结构，发现前者更偏向专业性强的科研工作。例如，“提出蛋白质—蛋白质或蛋白质—配体相互作用的机制模型”这一任务，在 Claude Science 上出现的相对频率是通用 Claude 的 5.6 倍。

这类任务需要解释到分子接触的层面：一个蛋白质为什么会与另一个蛋白质，或者一种药物这样的小分子结合。Claude Science 的优势是能够同时获取蛋白质结构、结合数据等多种信息，再组织出可进一步检验的相互作用模型。

相反，起草论文、与合作者协调等通用任务，在 Claude Science 上的相对占比更低。

更值得关注的是，创意构思与假设生成占 Claude Science 会话的约 8%，大致接近科研人员在此类任务上的时间占比，也约为通用 Claude 的两倍。这说明专门面向科学工作的 AI 工具，可能帮助科研人员把 AI 用在更复杂、更有创造性的环节，而不只是写作和整理数据。

图 5：上半部分为 Claude Science 科研会话占比最高的十个领域；下半部分展示在生物学和生物医学科学中，相对于通用 Claude，Claude Science 哪些具体任务出现得更频繁、哪些更少。

更专业、更长、更自主的任务

针对生物学和生物医学科学，报告还比较了三个产品上的任务时长、知识要求和 AI 自主程度。

研究者估计：Claude Science 会话中所处理的任务，如果没有 AI，需要科研人员投入的时间，接近通用 Claude 和 Claude Code 所处理任务的 两倍。这里衡量的是任务本身对应的人类工作时长，并不是 Claude Science 每次运行都比其他产品慢两倍。

内容的专业程度也更高：Claude Science 中超过 80% 的使用被估计需要博士级别的训练背景（报告采用约 20 年受教育年限作为口径），其他产品的这一比例大约为 50%—70%。

自主程度同样明显不同：Claude Science 有超过 70% 的会话达到较高 AI 自主程度，而通用 Claude 是 23.7%，Claude Code 是 64.1%。

这些差异与专用科研工具承担更复杂任务的解释一致。但报告提醒，差异也可能部分来自使用者本身：选择 Claude Science 的用户，可能原本就有更专业、更复杂的需求，所以这些是使用模式的比较，不能直接当成产品间因果性的能力实验。

图 6：比较三种产品上的任务人类工时、博士级别内容比例与高自主性比例；部分柱形通过重新加权控制不同产品任务构成的差别。

七、不同学科使用 Claude，最终产出的东西也不同

Claude 生成的产物，可以大致分为两类：一类是文档、报告、论文、演示材料等文字型产物；另一类是代码、软件输出、数据、图表等技术型产物。

报告发现，社会科学和人文学科更倾向于使用 Claude 生成文字型产物；自然科学与形式科学则更常生成技术型产物。健康科学整体上更接近社会科学的产物结构。

Claude Code 上，技术型产物出现的比例约为通用 Claude 的 两倍，但不同学科之间的总体模式与通用 Claude 相似。

图 7：不同领域科研会话中，文字型产物与技术型产物出现的比例。学科按照两类产物比例的差异排序。

八、为什么有些科研任务用 AI 特别多？关键在 AI 能否真正完成它

学科的科研人员数量，不能完全解释 AI 使用程度；某种任务占科研人员工作时间的比例，也不能直接预测 Claude 在该任务中的使用量。

研究者进一步提出一个问题：科学家究竟是在自己最忙的地方使用 AI，还是在 AI 目前最有能力做好的地方使用 AI？

1. 用“理论 AI 能力评分”衡量每种科研任务

研究团队首先构建了一套任务级的 理论 AI 能力评分。SciNet 会把一项科研任务继续拆成若干具体步骤。比如化学研究中“纯化反应混合物”的任务，可能包含准备色谱柱这样的操作步骤。

研究者让分类模型两两比较不同步骤：哪一个更适合 AI 完成？再通过 Bradley–Terry 模型把大量成对比较汇总成相对评分。这个方法与根据选手相互对抗结果估算实力的排名模型有相似之处：一种任务步骤在比较中“胜出”越多，评分通常越高。最后把一项任务内部各步骤的评分汇总，得到任务层面的 AI 能力评分。

需要特别注意：这是基于分类模型判断得到的理论指标，而不是让 AI 实际完成全部 7262 项任务的统一实测成绩。 它更适合用于比较总体相关关系。

为了分析使用程度，研究者定义了一个“相对使用比例”：

某类任务在 Claude 科研会话中的占比 ÷ 科研人员在该任务上花费的时间占比。

比如，一个任务占科研人员时间的 5%，却占 Claude 科研会话的 10%，相对使用比例就是 2。等于 1 表示使用程度与科研时间份额大致相符；低于 1 则表示用得相对较少。

2. AI 越擅长的任务，科研人员越倾向于使用它

结果十分清楚：理论 AI 能力评分越高，相对使用比例就越高。

对于能力排名后 20% 的任务，例如纯化化学反应混合物、现场参与式观察等，Claude 使用程度很低。对评分中等的任务，使用量大致与科研人员投入时间相匹配。

而对于理论 AI 能力排名前 20% 的任务，例如数据可视化和统计检验，相对科研人员投入的时间，Claude 的使用程度约为 2 倍，Claude Code 约为 4 倍。Claude Code 的上升趋势更陡峭，与其聚焦计算工作的产品定位一致。

图 8：横轴为科研任务理论 AI 能力的百分位；纵轴为“会话占比÷科研时间占比”。橙色与蓝色分别代表 Claude 和 Claude Code。

3. 强化学习适用性，是一个重要关联因素

为什么 AI 在某些任务上更有能力？研究团队考察了三组特征：任务是否容易通过强化学习（RL）改进；任务主要是认知型、与人交互型还是物理操作型；任务是否受到监管限制。

强化学习特别适合那些可以多次尝试、容易判断成功与否、能够在计算环境中大量模拟、并且可以快速获得反馈的任务。

报告将这些特征汇总成 RL 适用性指标，发现它与理论 AI 能力评分的相关系数达到 0.78。这意味着，越容易通过可验证反馈来训练 AI 的科研任务，模型的理论能力往往也越高。

任务性质也很重要。理论 AI 能力与认知型任务特征呈正相关（0.69）；与物理操作呈负相关（−0.57）；与人际互动呈负相关（−0.31）；与监管限制呈负相关（−0.38）。

这些数值说明的是统计相关关系，而不能直接证明其中某一种因素必然导致 AI 更强或更弱。

图 9：强化学习适用性、认知工作、物理工作、人际互动以及监管限制，与理论 AI 能力评分的相关系数。

4. 真实使用也呈现相同模式

科研人员实际使用 Claude 的情况，也与这些任务特征一致。

对于 RL 适用性最低的五分之一任务，Claude 几乎不被使用；而对于适用性最高的五分之一任务，使用程度相对于科研时间占比，在 Claude 上大约高 2 倍、在 Claude Code 上高 4 倍。

以认知工作为主的任务，Claude 的相对使用程度同样更高；物理操作、人际互动和受到监管限制的任务，则通常更低。

图 10：分别展示强化学习适用性、认知性、物理性、人际互动和监管限制强度，与 Claude 相对使用程度之间的关系。

5. 从具体任务上升到整个学科，结论仍然成立

不同学科包含的科研任务不同。如果某个子领域的大量工作恰好是 AI 擅长的任务，那么这个领域是否就更愿意使用 Claude？

数据显示，答案总体上是肯定的。把一个子领域内不同任务的理论 AI 能力按科研时间加权汇总后，其能力评分与该子领域的 Claude 人均相对使用程度正相关：Claude 为 0.45，Claude Code 为 0.57。

不过，领域差异仍然存在。健康科学的实际使用程度低于根据理论 AI 能力推算的水平，可能与医疗数据监管以及 AI 集成难度有关。形式科学、社会科学、艺术与人文学科的使用程度则往往高于该能力指标所能解释的水平，可能因为这些工作大量通过文本和代码完成，更容易接入 AI 工具。物理科学和生命科学总体上更贴近理论能力指标，但具体子领域仍有偏离。

图 11：每个气泡代表一个科研子领域，气泡大小反映科研人员数量；横轴是理论 AI 能力评分，纵轴是相对人均使用程度。

此外，理论 AI 能力较高的子领域，不仅使用 Claude 的程度更高，也更倾向于让 AI 自主地完成工作。换句话说，模型在哪些领域更有能力，不仅影响人们“用不用”，还影响他们“愿意把多少任务交出去”。

九、AI 最终能让科学研究快多少？报告设想了三种情景

科学和技术进步需要好的想法，也需要把想法付诸实践的能力。历史上，这两方面都受到人类能力的限制：科研人员数量有限，个人时间有限，必须在形成假设、设计试验、完成分析和整合结果之间分配精力。

AI 可能从两个方向缓解限制：一是接手科研人员正在做的部分工作，让他们能够探索更多想法；二是提出人类原本可能想不到的想法。报告认为，第二种作用最终可能更加重要，但更难测量，所以量化模型主要关注第一种，也就是 AI 节省科研劳动的作用。

1. 先理解“节省科研时间”和“增加科研产出”不是一回事

报告定义了两个指标。

AI 承担份额（AI share），指完成一项科研研究所需的人类时间中，可以由 AI 接手的比例。它可以理解为潜在释放了多少科研人员时间。

科研加速倍数（acceleration），指在科研预算固定时，使用 AI 后能够产生多少研究产出，以未使用 AI 的产出为 1 倍。

两者不能直接划等号。即使 AI 让数据分析更快，研究人员仍可能需要花更多时间选择问题、开展真实实验、验证结果；而且 AI 服务本身也需要成本。

研究者使用了一种经济学中常见的研究想法生产函数（ideas production function）。在该模型里，一项研究由多种互补任务组成，某个环节再快，也不能完全替代其他环节。AI 降低一部分工作的成本后，科研人员会把时间转向那些暂时还离不开人的步骤，这些步骤于是成为新的瓶颈。

为了计算成本，报告作了几个明确假设：科研人员工作一小时成本为 95 美元，AI Agent 工作一小时成本为 30 美元；AI 每节省科研人员 1 小时，自身需运行 0.2 小时。这些是假设性的投入价格，并非每个实验室、每种任务都满足的事实。AI 成本越低，给定预算下可能获得的科研产出越多。

2. 三个情景是什么？

情景一：现有 AI 能力被广泛采用。 研究者根据科研人员调查中的五种使用程度，以及理论 AI 能力评分，估计现有技术可以接手多少时间。问卷中的“未使用、辅助、共同完成、委派、自主完成”，分别假定相当于 AI 承担某任务步骤的 0%、25%、50%、75%、100% 的研究者时间。研究者按照任务步骤的理论能力从高到低分配使用程度，并汇总到各个领域。

例如，在创意构思与假设生成任务中，调查约 17% 的回答是未使用 AI，约 53% 是辅助使用。模型就先将能力最低的 17% 步骤归为完全不由 AI 承担，再将后续的 53% 步骤设定为 AI 承担 25% 时间，以此类推。由于受访者本身可能是较积极的 AI 使用者，报告把这些回答视作“现有 AI 能力能够达到什么程度”的近似，而不是目前全球科研人员的平均采纳情况。

情景二：AI 能自动完成 75% 的非物理科研步骤。 这是一个假设的未来，优先自动化理论 AI 能力评分较高的步骤。

情景三：AI 能自动完成 100% 的非物理科研步骤。 这是更激进的假设。在全部三个情景里，物理性步骤仍由科研人员承担。研究者强调，三种情景只是帮助理解不同限制因素的示例，并非预测。

十、情景一：如果把今天的 AI 用到位，一些领域的科研产出可能翻倍

根据模型，在现有能力广泛应用的前提下，AI 可以承担一项新研究所需科研人员时间的 27%—52%，各领域的中位数约为 38%。

但科研产出并不会因此提升同样的百分比，而是受到不同任务互补关系和 AI 使用成本的约束。研究者估计，各领域的加速倍数大致从艺术的 1.35 倍、人类学的 1.36 倍、化学的 1.41 倍，到计算机科学的 1.96 倍、统计学的 2.02 倍。

换句话说，在报告的假设下，仅仅充分利用当前 AI 能力，就可能使部分高计算型领域在相同预算下产出约两倍研究成果。

为什么增幅还不算更大？因为目前许多 AI 使用仍然是“辅助”或“共同完成”，并未充分自主化。研究人员在几乎每个研究步骤中依旧需要投入大量时间。上述结果还假设有用的 AI 能力能够广泛扩散，并用于适合的每个步骤。

图 13：每一行代表一个学科。左侧表示 AI 可承担的人类科研时间比例，右侧表示在预算不变时的科研产出倍数。圆形、菱形和三角形分别对应现有能力广泛应用、75% 非物理步骤自动化、100% 非物理步骤自动化。

为什么有些学科受益更多？

报告主要指出两个因素。

首先是物理性工作占比。 农业科学、生物医学、化学和材料科学等实验室或田野工作较多的领域，约 38%—41% 的科研时间用于物理步骤，而所有领域的中位数约为 4%。单是这一因素，就能解释各领域 AI 可承担时间差异中约三分之一的变动。

其次是认知任务的 AI 能力分布。 艺术和历史的物理性任务占比分别只有约 10% 和 4%，但它们的很多认知任务在理论 AI 能力指标上仍然较低。报告提出一种可能解释：这类定性、解释性的工作，不那么容易通过强化学习得到有效反馈。计算机科学和统计学的任务能力评分则较高，尤其受益于各学科中 AI 理论能力普遍较高的数据分析工作。

研究还发现，Claude 相对使用程度较高的领域，其理论 AI 可承担时间份额也往往更高。这一 AI 份额在计算时并未使用 Claude 会话数据，因此提供了另一组证据，支持“科研人员使用 AI 的程度与理论 AI 能力相关”的解释。

图 14：每个气泡代表一个学科，横轴为现有 AI 能力下估计可承担的科研时间比例，纵轴为该领域 Claude 的相对使用程度。

十一、情景二与三：当 AI 能自动化更多科研步骤，学科差异会进一步拉大

情景二：自动化 75% 的非物理科研步骤

在这一情景中，计算机科学的产出可能达到原来的约 8 倍；统计学以及图书馆与信息科学达到约 7 倍；经济学约 6 倍。大多数其他社会科学、数学，以及物理学和天文学约为 4—5 倍，而实验室科学和医学类学科约为 2—3 倍。

实验室科学和艺术、人文学科都是受益相对较小的领域，但原因不同。

实验室科学的限制在于大量研究必须由人完成物理步骤；而艺术、人文学科虽然主要是认知工作，但很多步骤的理论 AI 能力评分较低，因此在优先自动化高能力步骤的设定下，能够被自动化的比例并不高。

在这个情景里，计算机科学约 82% 的非物理性科研时间对应的步骤得到自动化，而艺术领域只有约 28%。历史学、人类学和艺术的产出增幅大致不超过 2 倍。

情景三：自动化全部非物理科研步骤

如果 AI 最终能够完成所有非物理性步骤，那么前一个情景中由“认知任务理论能力不足”形成的限制就被移除了。

在这一高度假设性的世界里，统计学、计算机科学、经济学、数学、心理学，以及多数社会科学、艺术与人文学科的科研产出，可能达到原来的约 15—16 倍。

但对实验室和田野工作较重的生物学、化学、材料科学、农业科学及生物医学来说，提升仍大约只有 3—4 倍。没有自动化实验室，约占科研人员时间 40% 的物理步骤仍是无法绕开的瓶颈。

这组情景带来了两个重要启示。

第一，物理瓶颈非常强。 当计算、写作、建模等步骤都大幅加快之后，不能由软件 AI 完成的真实世界步骤，会在科研时间和预算中占据越来越大的比重。

第二，在物理瓶颈较少的领域，AI 自身的成本会逐渐成为速度上限。 按本报告假设，一项完全自动化的任务，其 AI 执行成本仍然约为人类执行成本的 1/16，因此产出加速倍数接近 16 倍时就会受到成本限制。如果 AI 成本减半，研究加速的理论上限也可能接近翻倍。如果更加复杂的任务也能以低成本自动化，不受物理限制的学科可能远远超过这份报告当前的估计。

这些结果为什么不能被理解成预测？

报告列出了几项方向不同的重要限制。

首先，模型没有充分纳入学科整体的基础设施瓶颈。例如，大型强子对撞机等科研设施，每次能开展的实验数量有限，不能因为分析变快就无限增加实验产出。

其次，成本计算只涵盖科研人员与 AI 的时间，没有全面计算实验仪器、材料和试验投入。而这些成本在生命科学、健康科学和自然科学中可能很高。

第三，模型没有考虑用仿真替代一部分物理实验。如果高质量模拟真正能够替代某些实验，物理瓶颈也可能被削弱。

最后，也是非常重要的一点：模型没有纳入研究想法本身的质量。 如果 AI 能提出成功概率更高的假设，实际科研加速可能超过这些估计；如果优秀的“科研品位”仍然主要属于人类，那么加速可能比模型计算得更慢。

十二、科学家对未来的判断：40% 预计 2030 年前 AI 能独立完成完整科研项目

除了建模，研究团队还询问科学家如何看待 AI 未来的科研能力。调查对象主要是生命科学和健康科学领域、积极使用 AI 的科研人员。

结果显示，受访者对特定任务的自动化速度相当乐观：

• 超过一半的人预计，到 2027 年，AI 可以独立达到本领域顶尖研究人员的数据分析水平；其中 38% 认为 AI 已经达到这一水平。
• 到 2030 年，预计 AI 在数据分析方面达到顶尖研究者水平的比例为 94%，写作与交流为 89%。
• 对创意构思与假设生成、数据采集，这一比例分别约为 72% 和 72%。

但如果问题变成“无需任何人类科学家介入，AI 自己从问题走到研究发现”，研究者的判断就谨慎得多。大约 40% 的受访者认为 AI 能在 2030 年前独立完成完整科研项目，约 64% 认为能在 2035 年前做到，而 16% 认为永远无法做到。

至于 AI 独立作出本领域公认的重大科学突破，预期更谨慎：大约一半的受访者认为，这件事即使会发生，也要到 2035 年之后。

图 15：前四行是 AI 独立完成不同任务并达到本领域顶尖研究人员水平的时间预期；后两行是 AI 无人类参与完成完整研究、以及自主实现重大科学突破的时间预期。

报告还提醒，过去人们多次低估 AI 的实际进步速度。例如在 2022 年中期的调查中，领域专家预测 AI 达到国际数学奥林匹克金牌水平的中位时间是 2030 年，超级预测者给出的中位年份是 2035 年；这一里程碑在 2025 年已经实现，比这些预测提前 5—10 年。

不过，这种系统性的低估也并非存在于所有领域。需要在物理世界执行任务的方向，例如生物实验室工作，就出现过例外。未来自动化科研的速度不仅取决于 AI 软件进步，还取决于自动化实验室等配套基础设施能否突破物理障碍。

十三、讨论：AI 能力提升，不等于科学进步会自动加速

如果 AI 能显著加快科学发现，它可能提高生活水平，也可能推动疾病治疗取得更快进展。报告的情景估算显示，潜在收益可能很大，但模型能力的增长并不会自动等于现实世界科研产出的同步增长。

研究者提出了几项需要同时面对的影响与约束。

1. 技术扩散通常慢于技术能力本身

历史上，许多新技术都需要较长时间才能被广泛采用。组织往往还必须围绕新技术调整工作流程、职责和基础设施，生产率收益才会真正显现。

AI 也一样。个人需要学习新的工作方式，研究组织可能需要调整流程，数据访问权限与基础设施也可能构成障碍。因此，即使 AI 已经能够完成某些任务，科研人员也不一定会立即采用。

2. 物理实验和“选择研究问题”，可能成为长期瓶颈

真实实验可能昂贵、缓慢，难以仅靠软件智能加速，这也是前面三种情景中实验室学科受益受到限制的主要原因。

除此之外，应该研究什么也可能是一个瓶颈。一个研究项目的价值，很大程度上取决于选择了什么问题，而 AI 能否稳定提出高质量、真正值得研究的问题，仍不明确。

如果提出好问题仍然困难，那么即便回答一个既定问题的成本大幅降低，整体科研加速也会受到限制。相反，如果 AI 在高质量假设生成方面超越人类，实际进步可能更快，特别是在验证每个假设代价很高的领域。

3. AI 可能让论文数量增长，也可能提高研究质量

如果 AI 让发表科研成果变得更容易，研究论文数量可能快速上升。这可能推动知识积累，但也可能超出科学家阅读、理解与验证新结果的能力。

另一方面，显微镜、望远镜和统计软件等历史上的技术进步，并不仅仅增加了研究数量，也提升了科学洞见的质量。AI 同样可能让更完整的分析、更有野心的研究项目成为可能。

当论文越来越容易生产，科研共同体也可能更加重视真正新颖、质量很高的成果。最终呈现出“数量增长”还是“质量提升”，不仅取决于 AI，也取决于研究人员如何选择，以及期刊、资助方和科研机构如何设置激励。

4. 科研组织方式可能出现难以预测的变化

随着 AI 能力和自主性增强，未来系统可能承担更大比例的结果核验、同行评审、重要发现传播等工作，帮助科研共同体消化快速增长的新知识。

更远的未来，AI 科研 Agent 还可能通过机器人和自动化实验室形成自己的大规模科研协作网络，在人类直接参与较少的情况下推动科学前沿。

但这也会带来新的问题：人类如何追踪持续涌现的新知识？是否仍能理解这些知识？又如何确认知识产生的过程可靠？

5. 更自主的科研 AI 可能带来安全与对齐风险

如果 AI 开始独立选择研究方向、设计方法、执行实验，确保这些活动仍然符合人类目标将越来越困难。

随着 Agent 更强、更富创造力，在“应该研究什么”“应该怎样研究”等关键决策上保持必要的人类参与，可能关系到安全和人类福祉。

科研发现本身或研究过程产生的副产品也可能存在风险，尤其是生物学。一种能够加快医学突破的能力，也可能被用于获得危险知识或材料。在这种情况下，研究流程里可能需要有意设置检查点，即使因此必须接受较慢的进展速度。

6. 科学家的职业体验和科研的意义，也会发生变化

AI 最终会接手哪些任务，将影响科研人员是否喜欢自己的工作。

如果 AI 接手的是人们认为最有趣、最有价值的工作，研究满意度可能下降，也可能使更少的人愿意从事科研；但如果 AI 接手的是琐碎、耗时的事务，科研人员的工作体验反而可能改善。

行政工作就是一个潜在方向。报告引用的研究表明，美国获得联邦科研资助的项目负责人，报告自己约 44% 的研究工作时间用于满足行政要求，而不是开展科研本身。降低这类负担，可能同时节约时间并提升职业满意度。

最终结果仍不确定，而且可能随着 AI 能力变化而改变。比较乐观的理解是：AI 会扩大人类进行科学发现的机会，而探索未知，恰恰是科研职业最有吸引力的部分之一。

如果科学是一场驶向“无尽前沿”的航行，那么 AI 可能成为一艘新的船，让研究人员能够抵达更远的地方。

十四、这份研究告诉我们的，不只是“AI 能替科研人员做多少事”

这份报告所揭示的现实，包含几个相互关联的层面。

AI 的科研采用已经相当深入，但并不均衡。 计算机科学、统计学等计算密集型领域使用程度明显更高；真实实验、临床工作和受监管约束较多的领域则较低。

最频繁使用 AI 的任务，不一定是科学家认为最关键的任务。 数据分析和写作已经大量采用 AI，而提出研究问题、形成假设和采集新数据，仍有很大距离。

专用科研工具可能改变这一分工。 Claude Science 的使用情况说明，当 AI 能连接专业数据库与工具、进入真实科研流程后，它可能承接更长、更复杂、更自主的研究工作，甚至更频繁地参与假设构思。

科研加速的上限，也许越来越取决于科研系统而非单个模型。 自动化分析、写作与计算之后，物理实验、数据采集、研究问题选择、科研设施和成本都会成为新的限制。

因此，报告对未来的判断既积极又克制：AI 可能显著提高科研产出，但不同学科的收益差异会非常大；某些极高的加速倍数来自明确的假设情景，还不能视为确定会发生的结果。

真正值得持续观察的，是 AI 能否从今天比较擅长的“分析已有数据、写出研究结果”，逐渐进入科学发现过程中更难的部分：提出有价值的问题、设计可靠的验证方式，并与实验基础设施协同完成整个发现过程。