29%的博士论文是AI写的:「信任两头塌」,用得最凶的是英语最吃力的人

加州大学伯克利分校数学系的一间办公室里，理查德·博彻兹做了个安静的决定。不再雇人批改作业。他手里有菲尔兹奖，数学界的最高荣誉，教了二十多年书。学生用AI稳定拿高分之后，他的原话是，看不出再花钱改对错还有什么意义。作业交了，就给完成度分。

同一个星期，一份工作论文把226,591份STEM博士论文摘要跑了一遍AI检测。出品方是美国全国经济研究局（NBER），经济学界最有影响力的研究机构之一，团队在杜克大学。结果：2026届，29.4%检出AI生成文本。学生这头把写作交给机器，教授那头把批改停了。就像一场婚姻：一方不再说真话，另一方不再追问，剩下的只是手续问题。

🔑 费曼摘要：一份覆盖22.6万份博士论文的检测账单说：2026届美国STEM博士论文29.4%含AI生成文本，三年涨了17倍。用得最凶的不是成绩最差的，是英语写作最吃力的。非英语背景41%，英语背景23%。同一周，伯克利的菲尔兹奖教授因为AI放弃批改作业。学生不再亲手写，老师不再认真改，学术评价赖以运转的信号正在两头塌陷。国内高校的AIGC检测红线（如30%）是同题的另一种解法，但误伤名单已经先到了。

01｜先核账单：12.6万份旧论文，只误报了6份

这份论文编号w35859，样本近乎美国STEM博士全量。来源是ProQuest（美国学位论文数据库）加上各校库补全，2019年到2026年5月，226,591份摘要，外加340份全文随机抽样。检测工具是🏷️Pangram，一家商业AI文本检测服务。规模是应用史上最大的一次AI文本检测。

数字准不准？作者留了一手验证。ChatGPT问世前的2019到2022年，约12.6万份论文全是人写的，检测器只标红了6份。6÷126,000≈0.005%，误报率低到可以忽略。这个数先记下，后面还有用。

逐年看，曲线什么形状？2023届1.7%，2024届5.5%，2025届18.8%，2026届前五个月29.4%。我自己算了一遍：三年，29.4÷1.7≈17倍。照这个增速，作者推算2028年过半。

⚠️ 现实检验：三个限定要摆在明处。其一，Pangram是商业公司，论文致谢里写着它提供了API额度和折扣。检测标准属厂商自证口径。其二，摘要口径是下界，换算成全文，2026届约31%。其三，NBER工作论文未经同行评审。方向可信，精确值存疑。

平均数说完了。拆开人群，才是这份账单真正的爆点。

02｜用得最凶的，不是学渣

读这份研究之前，你多半默认代写主力是学渣：成绩差，想蒙混，拖到截止前夜抱佛脚。数据把这幅图推翻了。

分界线不在成绩，在语言。2026届里，非英语国家背景的博士生，论文AI检出率41%；英语背景，23%。

分国家看：中国44%、印度43%、韩国49%、伊朗51%，全都压着美国本土的23%打。把同一项目、同一届的博士生放在一起比，排除学校和专业差异。2025-26年差距仍有11.7个百分点。

学校梯度同样反直觉：顶尖的R1大学28%，R2是31%，其他博士授予院校37%。MIT只有9%，Caltech 10%，普林斯顿13%；专业排名前10的项目15%，排到90-100名，26%。学科上呢？计算机48%、土木工程51%，数学与统计反而只有17%。

为什么是这个分布？经济学逻辑就一条：写作成本套利。博士论文对非母语者是一堵语言墙，LLM把翻墙成本降到几乎为零，成本越高的人，套利越狠。MIT的学生不缺英语，代写收益小；英语吃力的博士生，AI是救生圈。这件事的本质：代写率地图，就是写作成本地图。

这批用AI最多的学生，毕业后去了哪？账单还记着这一笔。

03｜AI写论文的人，正在离开学术界

作者把这批毕业生（2023-2025届、R1大学）的LinkedIn去向扒了出来，跟同校同专业不用AI的同期对比。导师们看到两个词就该紧张：分流，重定价。

进学术界的概率，低7.4个百分点，基准是44%。进工业界，高8.0个百分点，基准50%。留在学术界的那部分，拿非终身轨教职的概率高5.4个百分点。方向一致：论文AI含量高的博士生，更早、更彻底地离开了研究这条路。

因果要小心：这是相关性，作者自己也承认。一种是AI代写掏空了训练，写作能力没长出来，学术市场用脚投票；另一种反过来，本来就不想搞学术的人对论文投入低，顺手交给了AI。两种解释哪个对？

作者拿论文页数做过检验：代写与否和篇幅不相关，低投入的说法不完整，但定不了案。

我的判断是：两种解释可能同时为真，而劳动力市场不在乎区分。论文AI含量正在变成一个分离变量，它分离的不是谁用了AI，是谁还需要靠写来想。

博士学位的隐性市价，买的本是一套研究能力信号：五年以上的训练、每年数万美元的资助、导师投入的时间。信号源里三成内容由机器生成，买家重新定价是迟早的事。

谁受益，谁受损，谁买单？受益的是短期的通关者和按论文数考核的课题组。受损的是信号系统本身，还有跳过写作训练的学生。买单的是下一个雇主，和答辩委员会。

学生这端撤了。教授那端呢？

04｜菲尔兹奖得主不批改作业了

回到开头的👤博彻兹。我去核了《加州日报》10月24日的采访原文。他把话说得很直：学生用AI稳定拿高分。再花钱请批改助教（reader）改对错，看不出意义，no point。现在的规则是作业交了就给完成度分。他自己承认，not a very good system，不是个好系统，但眼下没有替代。

伯克利校方试过怎么办？试过Turnitin，又试过Rumi，两代AI检测工具。校方对它们的信任，都不足以推进全校标准化：师生两头的利益都没法交代。

博彻兹还补了一刀：学术系统惯性很大。纸质期刊毫无意义地活了二十年，数学系再撑几年不成问题。有学生问他该不该入行数学，他去问ChatGPT，ChatGPT也说不知道。

这个个案的分量在哪？数学是答案对错最容易验证的学科，批改成本最低，查作弊也最不难。连这里都弃守，人文学科的处境可想而知。

当一个领域的顶级从业者把作业信号的信用作废，等于官方广播：这个频道不再播真话。师生之间那纸信任契约，先于检测器破产。

一边是检测器不被信任，一边是干脆不改了。还没完，这个局面在结构上比个案大得多。

05｜信号两头塌：写的不真，改的不信

把两端放在一起看，才看得到这件事的本质：评估赖以运转的信任，正在两头塌陷。

学生端，论文和作业的价值建立在「这篇文字是你写的」这个前提上。29.4%的检出率说明，前提已经在规模性失效。更麻烦的是，检测与反检测是一场不对等的攻防。检测标准必须公开，学生有权知道规则；伪装手段必然私密。公开的一方永远在追私密的一方。

教师端，博彻兹停发对错信号是止损动作。批改的成本照付，信号的含金量归零，理性人退出。

国内的镜像动作方向相反、逻辑相同。同济大学法学院张韬略教授干脆取消了期末论文，改成现场开卷、脱离电子设备作答。美国教授弃批改，中国教授弃论文作业，弃的都是被污染的信道。

🌉 类比桥：劣币驱逐良币说的是，货币成色没人验，人人藏起好币、花出坏币，最后市场上只流通坏币。论文信号与此同构。当成色验不出来（检测器不合格），亲手写的人得不到奖励，代写的人付不出代价。可验证的努力，就从系统里退出了。

中间还夹着检测器这门生意。伯克利判了不合格的🏷️Turnitin们，和论文里表现不错的Pangram，差在哪？部署环境。研究场景误报几个无伤大雅，学位授予场景误报一个就是事故。能力存在，制度不敢用。

作业、论文、答辩，学位信号的三级链条，前两级正在同时松动，只剩答辩这一环还活着。NBER作者给出的两个出口也印证了这个结构。要么改评价方式，把权重压到口头答辩。要么上验证技术，给「人写的努力」发可核查的凭证。

这件事跟中国读者的距离，比看起来近得多。红线已经画到了自家门口。

06｜中国版答案：红线30%，误伤先到

美国名校弃检测，国内高校反着来：全量上。

去年3月，西南交通大学发文，全部本科毕业论文加测AIGC率，原则上不超过30%。天津科技大学、湖北大学等校跟进；复旦大学2024年底出台了AI工具使用规定；中国传媒大学要求学生披露用了什么模型、什么版本、什么时间。检测进学位授予环节，已成事实。

为什么方向相反？制度的风险账不同。美国高校怕误伤官司，国内高校怕漏检问责，各自把风险定价进了流程。

误伤名单也已成事实。中国人民大学新闻学院副教授董晨宇，把自己团队做了三年的直播产业研究论文送检。系统标红「高度疑似AI生成」，总检出率82.54%。标红的恰是三年田野调查写出来的部分。

网友把《滕王阁序》《岳阳楼记》塞进检测器，AI率超过50%。四川师范大学专门设计了申诉表格：没用过AI却被判高AI率的学生，填表交学院研判。

学生端已经摸出游击规律：排比句、押韵对偶、带冒号的并列句容易被判成AI。改成长句混着写，检测就过了。有人为降AI率花掉上百元，还有平台一边收费检测，一边兜售降AI率服务。检测器没拦住代写，先训练出一批把文章故意写糊的学生。

同一道题，两国给了相反的解：一个放弃检测，一个全量检测。哪个对？答案不在工具里，在博弈结构里。

07｜军备竞赛为什么打不赢

先看检测器的原理天花板。现有工具靠文本特征比对加概率阈值：句式工整、用词平滑，加分。可AI学的就是人类表达，人类又在模仿AI的工整，两边特征逐年趋同。

好比钞票越印越真，验钞机却在用上一版的模板。OpenAI自己2023年就下架了自家的AI文本检测器，理由是准确率不够。厂商尚且不敢担保，学校拿它定生死，误伤只是时间问题。

再看博弈结构。检测每公开一个特征，伪装就多一个靶子。国内学生「改长句过检」的经验，就是这条规律的微观样本。

真正的问题不在算法精度，在攻防的不对等。防守方的规则必须透明，进攻方的手段永远保密。

核心判断：这场军备竞赛检测器赢不了，置信度高。可证伪信号也摆在明处。若下一代检测器把误报率压到十万分之一以下，且通过独立验证，这个判断作废。

💡 出路不在更准的检测，在换地方验证。 学位制度手里本来就握着一样检测器做不到的东西：当面答辩。写作可以外包，即席问答藏不住没想清楚的脑子。NBER作者点名的另一个出口，给「人写的努力」发可核查凭证，正是过程性评价在做的事。不看最终文本像不像人，看生产过程留没留痕。

一周之内，学生端、教师端、制度端三份证据同时到齐。普通人这一周能带走什么？

08｜带得走的判断

📋 一张对照表带走全文 论文AI率（2026届美国STEM）｜29.4%，三年17倍 用得最凶的群体｜非英语背景41% vs 英语背景23% 顶尖校 vs 普通博士校｜MIT 9% vs 37% 教师端回应｜伯克利弃批改，两代检测器不被信任 国内回应｜红线30%全量检测，82.54%误伤案例在案 还立着的环节｜当面答辩

学生问自己两句：交出去的文本里，有多少是你想清楚的？全交给AI，答辩那天你靠什么站着？教师和导师同问一句：你还在批改对错，还是已经在给完成度打分？

为什么最后守住的是答辩？因为即席问答的因果链没法外包：你讲不清推导，就是因为没想穿。这是制度设计里躲不掉的约束。

失效条件说清楚。一，检测器误报率进入十万分之一量级并通过独立验证，本文「军备竞赛打不赢」的判断作废。二，2028年前主流高校把评价权重移到口试和过程留痕，信号两头塌自动缓解。三，两个语言群体的使用率差距收窄到5个百分点以内，说明AI成了全员基线。套利结构消失，本文的核心反差失效。

🔭 下一步观察：盯三个窗口。NBER论文的同行评审版。第一个把AIGC申诉做成正式制度的省份。第一所公开把答辩权重提过论文本身的高校。为什么盯这三个？它们分别对应检测、申诉、改道的第一次制度化落地。任何一个到位，这个领域的一年期图景就要重画。

🧠 本质：博士论文的价值从来不在那几万字，在写的人被迫把想法想穿。29.4%真正测出的是，有一批人正在跳过这道工序。而评价系统还没找到新办法，逼任何人想穿任何事。

参考来源

[1] NBER, "How Heavily Are PhD Students Offloading Their Scientific Writing to AI? Evidence from US STEM PhD Dissertations"(w35859), 2026-10.[2] The Daily Californian, "AI use leads UC Berkeley math professor to see 'no point' in grading homework", 2026-10-24.[3] 中国青年报, "论文AI率检测如何避免'误伤'", 2025-05-17.[4] OpenAI, "New AI classifier for indicating AI-written text"(已下架公告), 2023-07.