施普林格·自然要做AI审稿助手,论文以后谁说了算?

10月26日，施普林格·自然发布公告，与谷歌深度思维合作研发AI同行评审助手。10月28日，《中国科学报》也报道了这项合作。

看到“AI审稿”，正在投稿的人很容易想到一个问题：以后决定论文去留的，会不会是一段模型输出？

先把结论说清楚：这次公布的是仍在测试的助手原型，官方强调，专家的专业判断仍处于流程中心。

它准备帮审稿人做什么，和它有没有权力决定接收，是两件需要分开看的事。

图1：出版社官方公告，日期为2026年10月26日。中文报道的刊发日期不能替代原公告日期。

一｜“助手”究竟帮在哪儿？

官方公告给出的方向，是辅助审稿人阅读稿件、分析文本与图表，发现可能需要进一步关注的地方，让专家把更多时间留给专业科学判断。

这个说法有一个重点：AI帮助找到需要看仔细的地方，判断仍要有人来做。

为什么这个区别重要？

一篇论文的难处，往往藏在几个段落之间。研究问题提出了什么，方法实际能回答什么，结果又能把结论推到哪里，需要连起来看。

假设一篇论文展示了两组指标的相关性，讨论部分却写成了明确的因果作用。这个表述是否越界，要结合研究设计和证据判断。把段落概括得流畅，和把这个问题判断准确，差别很大。

工具如果能够帮助审稿人定位疑点，当然有价值。但能提供多少可靠帮助，要看测试和实际使用，不能从一则合作公告直接推到“机器已经能独立把关论文”。

二｜审稿意见可以有AI参与，责任不能跟着转走

与这次合作一起看，出版社官网的AI使用指引更值得注意。

其中明确，审稿人仍要对独立的专家评估、对稿件的批判性审查、给编辑的建议以及审稿报告内容负责。

这回答了一个很现实的问题：如果一条意见是AI先提出来的，谁来确认它有没有道理？

我的理解是，工具的参与不能成为停止核实的理由。比如，一条意见要求作者增加某个实验，审稿人仍要判断：这个实验是否与论文的核心主张有关，现有证据是否确实不足，要求是否合理。

对作者也是一样。一份返修意见写得很整齐，不代表每一点都已经成立。回应时仍应针对具体方法、数据和文献说明，能够补充的补充，有不同判断的给出依据。

有AI参与的评审，更需要把“为什么这样判断”说明白。

把专业判断留在人手里，应当体现在这些具体环节，而不只是流程最后留一个确认按钮。

三｜还有一条容易被忽略：稿件进了谁的系统？

这次官方公告专门说明了运行环境：系统在施普林格·自然私有、安全的Gemini Enterprise平台中运行，用于研发和测试的内容保留在其安全环境内。

这是一项具体项目的安排，不能顺手理解成“既然出版社也用AI，审稿人就可以把稿件上传到任何聊天工具”。

集团官网的指引写得更细：审稿人可以在符合相关政策等条件下，使用安全或经机构批准的AI工具辅助工作；同时要保护稿件保密性，不应把稿件内容上传到不安全或公开的AI系统。对工具的数据政策和机构要求，也需要确认。

图2：官方指引“Can peer reviewers use generative AI tools?”条目，保留工具条件、责任和保密说明。页面核验于2026年10月31日。

所以，讨论AI能不能帮忙审稿，不能只看它有没有阅读长文、总结图表的能力。稿件交给谁、内容如何保存、使用是否符合期刊要求，同样属于评审的一部分。

这也提醒我们，出版社自己建设的受控系统，与个人随手打开的公共工具，并不能简单画上等号。实际参与审稿时，仍要看目标期刊的具体规定。

四｜对投稿者来说，真正该盯住什么？

这条消息暂时回答不了“审稿会快多少”“返修会不会更难”。公告没有给出足以支持这些判断的结果，也不能据此认为相关期刊已经全面启用这款助手。

我更在意的是，工具进入评审以后，能否让疑点被更准确地发现，让意见更具体、依据更清楚。

如果AI只是让审稿意见生成得更快，作者却需要花更多时间回应不成立的问题，这样的效率就很难说真正提高了。反过来，如果它能减少重复查找和整理，让专家有时间认真检查关键证据，才有助于改善评审体验。

这些是接下来值得观察的地方，不是这次公告已经证明的效果。

对论文作者而言，也没必要因为一条新闻，立刻转去研究“怎么写才能讨好AI审稿”。研究问题、方法、结果和结论能否对得上，读者能否核查关键证据，仍然是稿件需要经得住的检验。

AI往审稿流程里再走一步，人对学术判断的责任，也应当更加清楚。

参考原文

[1] 施普林格·自然：与Google DeepMind合作改善同行评审体验（2026年10月26日）

[2] 施普林格·自然：研究者、编辑与审稿人的AI使用指引

[3] 《中国科学报》：AI同行评审即将登场（2026年10月28日）