夜雨聆风
观点 · 科研方法论
组会上，一名研究生把开题报告投上屏——逻辑漂亮、文献齐整、图表精致，几乎挑不出毛病。导师只问了两句："这个对照为什么设？要是出阴性结果，你打算怎么解释？"全场沉默。
不能苛责这个学生。他只是做了一个"理性人"都会做的事：能交给 AI 的，就不自己做。可当"读文献、理逻辑、写综述、给结论"都能一键生成时，我们得到的只是结果，丢掉的却是会想的脑子。
所以请先允许我把设问摆在桌面上：AI 到底是在帮我们做科研，还是在替我们"省掉"科研本身？先说结论——AI 不是问题，把 AI 当成"结果的免费提款机"才是。这不是一场工具之争，是一场能力存亡之争。
一AI 绕过的是"过程"，而科研能力恰恰长在过程里
先厘清一件事：科研能力不是"知道答案"，而是"会提问题、会从失败里读出东西"。
读文献，AI 三分钟给你一篇综述，但你跳过的是"亲手翻原文、发现作者自己都圆不回来的矛盾"的手感；做统计，AI 一键出图，但你跳过的是"理解分布、选模型、看残差"的推理；写开题，AI 给你漂亮框架，但你跳过的是"为什么是这个科学问题、为什么是这个对照"的论证。而这些，恰恰是科研能力的全部来源。
这和"金融空心化"完全同构：当资本不再流向实体工厂、只在金融体系里空转，账面上热火朝天，实体却一天天萎缩。今天，虚拟层（AI 的输出）制造"科研正常运行"的表象，真实层（做实验、看数据、亲自想的能力）却停止生长。
更要命的是，能力丧失是静默的。你不会察觉自己"不会读片了""不会设计对照了"，直到某天遇见一个非典型样本、一次评审追问、一个复现不出来的实验——才发现地基早被掏空。
二产量在涨，质量在缩：我们正在制造"学术泡沫"
AI 让"产出"变得前所未有地廉价。文献综述、统计图表、甚至"机制假说"，都能批量生成。于是我们看到一个倒挂：论文数量在涨，可复现的原创增量却没跟上。
做期刊编辑的朋友私下吐槽：这两年"漂亮但空洞"的稿子明显多了——结构工整、引用齐全、图表精美，可一问"数据怎么来的、为什么做这个、局限在哪"，作者自己都答不上来。同题撞车、方法雷同、结论正确的废话，正在变多。
我要把话说重一点：把"能发"当成"该发"，是把学术当成流量生意。当 AI 能廉价地刷出"看起来像科研"的产出，而评价体系又只认这些产出时，泡沫就开始了——这和任何一次泡沫的前半段一模一样：效率飙升、人人叫好、没人愿意承认地基在松动。
三最危险的是年轻人：还没长出真本事，就先学会了"绕过去"
如果说空心化对资深研究者是"能力退化"，那对年轻人就是"能力从未长出来"——后者更难逆转。
研究生和青年教师，正处在"长本事"的黄金期，也恰好是 AI 捷径诱惑最大的一群人。一边是做实验三年未必出成果的慢功夫，一边是 AI 半小时"写完"开题的快回报，理性人都会选后者。可问题在于：科研的"慢"，恰恰是在给能力"长肉"。你把过程外包给 AI，等于把长肌肉的机会也让了出去。
更麻烦的是评价体系在火上浇油。晋升、毕业、考核，奖励的是"可量化的产出"，而不是"真问题、真能力"。评价指挥棒往哪指，AI 提款机就往哪开——两者一叠加，就是空心化的正反馈：越奖励"看起来像科研"，越多人用 AI 去生产"看起来像科研"。
这不是年轻人不努力，是系统在用错误的信号，逼他们"看起来很努力"。
四怎么办：守住那块"必须自己走完"的地
我不是卢德派，也不主张回到没有 AI 的时代。AI 是科研之上的放大器，问题在于别让它变成科研之下的替代者。
怎么分清？一条简单的标准：AI 用来放大"你已经会的东西"，而不是替代"你还没长出来的东西"。用它查文献、做格式、跑通量，可以；用它替你建立假说、设计对照、解读异常、下判断，就是在亲手注销自己的能力。
具体到每一天，是几个朴素的动作：文献的"第一眼"自己看，数据的"第一遍"自己算，机制的"第一张图"自己画，开题的"逻辑骨架"自己搭。遇到 AI 给的答案，多问一句"它为什么对、什么时候会错"——这一问，就是能力还在的证明。
结语
金融空心化的教训，不是"不要金融"，而是"金融不能脱离实体"；研发空心化的教训，也不是"不用 AI"，而是"AI 不能脱离真实过程"。工具放大人的能力，也放大人的懈怠。
真正的危险，从来不是 AI 太强，而是我们太快地把"亲手做、亲眼见、亲自想"的那部分，心甘情愿地交了出去。
会用工具的人越来越多，会做科研的人不能越来越少。守住必须自己走完的过程——那是科研者最后的、也是最不能外包的疆土。
留给你的问题：你的科研里，哪一步是你绝不会交给 AI 的？留言区聊聊。
