夜雨聆风
科研效率提升与高昂成本之间，究竟如何平衡。
Nature 在 2026 年 5 月 12 日发表了一篇很扎心的新闻，题目是：AI bills can be as big as a postdoc salary. Is the cost worth it?[1]
这句话翻成科研人的日常语言，大概就是：
AI 工具确实好用，但当账单接近一名博士后的工资时，它还只是“工具”吗？
报道中提到，斯坦福大学 AI for Science Laboratory 负责人 James Zou 过去一年在 AI 上的花费已经超过 10 万美元。他同时承认，这些模型对科研中的编码、数据分析、文献总结非常有帮助。
这不是一个简单的“AI 有用”或“AI 太贵”的故事。它真正提醒我们：科研中的 AI 正在从“个人效率插件”，变成一项需要预算、管理和审计的基础设施。
过去很多人对 AI 工具的理解，是每月订阅、无限使用、随手调用。
但这个阶段正在过去。
GitHub 已宣布 Copilot 从 2026 年 6 月 1 日起转向基于 GitHub AI Credits 的用量计费。它给出的理由很直白：AI 已经从简单的代码补全，变成可以执行多步骤任务的智能体平台，背后的计算和推理成本明显上升。
Anthropic 的 Claude Max 也类似。更高月费可以买到更高用量，但仍然存在会话限制和容量限制。
换句话说，AI 公司正在把“重度使用”的真实成本摊到用户端。科研团队如果继续把 AI 当作无限水龙头，预算迟早会被反向教育。
便宜模型，也可能不便宜
更麻烦的是，AI 的成本不只写在价格表上。
Chen 等人在 arXiv 预印本中提出过一个很有意思的现象：一些推理模型标价更低，但因为会消耗更多“思考 token”，实际总成本反而可能更高。他们把这称为“价格反转”。
这对科研团队很关键。
我们不能只看“每百万 token 多少钱”，还要看：
• 这类任务平均要跑几次才成功； • 输出是否需要大量人工校验； • 错误会不会导致实验重做； • 节省的是研究者时间，还是制造了新的返工。
真正的成本不是模型单价，而是从提问、生成、校验到交付的全过程成本。
AI 值不值得用，取决于任务类型
AI 不是越强越值得买，也不是越便宜越应该用。关键要看任务。
适合交给 AI 的任务，通常有三个特点：目标清晰、可自动或半自动校验、错误代价较低。
比如：代码草稿、数据清洗脚本、文献初筛、报告初稿、图表说明初版。这些任务即使出错，也比较容易发现和修正。
不适合完全交给 AI 的任务，则恰恰相反：目标模糊、判断复杂、错误代价高。
比如：核心科学假设、关键统计解释、实验结论、论文最终表述、研究伦理判断。这里一旦出错，代价就不是几美元，而可能是错误结论、重复实验，甚至学术信誉。
实验室需要一张 AI 使用账本
如果 AI 开销真的可能接近一名博士后薪水，那么实验室就不能只问“这个模型强不强”，而要问更具体的问题：
第一，它替代了什么工作？
是替代了重复劳动，还是替代了本该由研究者完成的判断？
第二，它带来了多少可验证收益？
节省了多少时间？减少了多少错误？提高了多少交付速度？这些最好能被记录，而不是凭感觉。
第三，它的错误由谁负责？
AI 可以生成答案，但不能承担署名责任。最终解释权和责任仍然在人。
所以，成熟的 AI 使用策略不该是“买最贵的模型”，也不该是“坚决不用”。更合理的做法是把 AI 使用分级：
• 低风险任务：鼓励使用，重点看效率； • 中风险任务：允许使用，但必须复核； • 高风险任务：只能辅助，不得替代判断； • 涉及隐私、合规和未公开数据的任务：先过制度，再谈效率。
最后的判断：AI 是仪器，不是同事
这篇 Nature 新闻最有价值的地方，不是提醒我们 AI 很贵，而是提醒我们：AI 已经贵到必须认真管理。
在科研中，显微镜、测序仪、服务器都不是随便买的。它们要有用途、有维护、有负责人，也要证明自己配得上预算。
AI 也应该如此。
它可以扩展一个研究者的能力，却不会自动带来更好的科学。它可以加快论文写作和代码生成，却不能替代问题意识、证据判断和学术责任。
所以，当 AI 账单逼近一名博士后的薪水时，真正的问题不是“还要不要用 AI”。
真正的问题是：
我们是否已经学会像管理科研设备一样，管理 AI？
如果答案是否定的，那么贵的不是 AI，而是我们还没建立起使用它的规则。
资料来源
• Chris Stokel-Walker, Nature, AI bills can be as big as a postdoc salary. Is the cost worth it?[1], 12 May 2026. • Lingjiao Chen et al., The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More[2], arXiv, 2026. • GitHub Blog, GitHub Copilot is moving to usage-based billing[3], 27 Apr 2026. • Anthropic Help Center, About Claude’s Max Plan Usage[4]. • Getty Images, J Studios, White seesaw balancing an AI symbol and a gold dollar sign[5].
引用链接
[1] AI bills can be as big as a postdoc salary. Is the cost worth it?: https://www.nature.com/articles/d41586-026-01369-z[2] The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More: https://doi.org/10.48550/arXiv.2603.23971[3] GitHub Copilot is moving to usage-based billing: https://github.blog/news-insights/company-news/github-copilot-is-moving-to-usage-based-billing/[4] About Claude’s Max Plan Usage: https://support.anthropic.com/en/articles/11014257-about-claude-s-max-plan-usage[5] White seesaw balancing an AI symbol and a gold dollar sign: https://www.gettyimages.ie/detail/photo/white-seesaw-balancing-an-ai-symbol-and-a-gold-royalty-free-image/2183147109
