科研AI开始抢“下一张船票” 写论文不再是唯一出路。2026年8月20日在线配资开户，Nature报道了一项研究：分析PubMed Central收录的生物医学论文后，研究人员估算到2025年12月，接近九成论文出现了AI辅助写作的痕迹。2025年全年的估计比例约为77%，2024年是52%，2023年只有约20%。
这项研究中提到的“2025年全年77%”和“到2025年12月接近九成”并不矛盾。前者是全年平均，后者是年底单月的峰值。这一年里，AI辅助写作的比例一路攀升，年底达到九成左右。这项研究虽然是2026年8月发布的，但数据只做到2025年12月，因为这类文本挖掘研究依赖论文被PubMed Central完整归档，归档本身有数月到大半年的滞后。
这项研究检测的是论文文本里的词频变化，而不是逐篇判定某篇论文是否由AI撰写。分不同章节看，Discussion部分为68%，摘要为67%，引言为59%，结果部分为46%，方法部分仅为32%。这意味着，AI更多出现在论文的“语言层”，而不是数据和方法本身。
同期另一项已经过同行评议的研究（Kyle Siler）用不同的方法和期刊样本，得到的结果较为保守：2023年12%，2025年57%。这说明，“多少论文用了AI”这个问题的答案很大程度上取决于如何提问和测量。
“AI参与科研写作”与“让AI替自己完成研究”是两件不同的事。前者已经是既成事实，后者才涉及研究真实性和学术诚信的边界。
这条新闻真正值得产业界思考的是，当大多数研究者已经在用AI写论文时，专门卖“AI写论文”的公司还能提供什么？答案可能在于“写”背后的那个更长的过程——一项研究从提出问题到最终成文的完整过程。谁能真正嵌入这个过程，谁才有机会留住用户。
三年前，一款产品只要能上传PDF、总结文献、润色英文、按主题生成一份结构完整的初稿，就足够让研究者感到新鲜。如今，这些功能已变得普遍，用户更倾向于直接使用ChatGPT、Claude或Gemini。文件读取、联网搜索、长上下文、代码执行、数据分析、LaTeX生成等功能正逐渐成为通用模型自带的能力。
用AI辅助科研的人比以往任何时候都多，但单靠“生成论文”赚钱却越来越难。科研AI开始寻找新的方向。
科研原本是最适合垂直AI工具的场景之一。研究者每天需要使用多种数字化工具，这些软件之间缺乏天然连接，信息全靠手动搬运。大模型刚出现时，中间到处是机会，但垂直产品和通用模型之间的能力差正在快速收窄。
基础模型开始原生支持文件、联网搜索、更长的上下文，代码执行和数据分析逐渐成为标配。Agent的出现使模型从“回答一个问题”变成“连续完成一组任务”。过去需要科研AI公司封装的能力，正被模型厂商逐步取代。
科研AI现在面临的问题是如何在模型之外提供价值。Elicit通过扩展系统综述功能，处理基因序列、组学数据等研究材料，并开放API和MCP，试图进入研究的持续过程。Scite则依靠多年积累的论文引用关系，提供可靠的学术数据源。Textira则致力于将选题到投稿的完整链路整合在一个工作台中，强调结果优先于生成，确保修改前后研究事实的一致性。
科研AI的下一场竞争不仅在于自动化，还在于可验证性。真正的科研系统不能只回答“答案是什么”，还得留得住“答案从哪来”。科研AI需要理解论文、数据、实验、引用和图表之间的关系，知道哪些内容可以让AI改写，哪些事实不能由模型自由生成，同时把最终判断权留给研究者。
科研AI的机会转向了高质量的科研数据、可靠的证据关系、专业领域知识，以及一个系统能否完整保存研究过程中的关键信息。创业公司还需要面对传统出版集团、数据库和大型基础模型公司的竞争。谁能拿到下一张船票，答案或许不在“写”这个环节在线配资开户，而在谁能深入研究过程本身。这场竞争可能才刚刚开始。
元鼎证券_专业交易服务平台——助你把握资本增长新节奏，期待你的加入！提示：本文来自互联网，不代表本网站观点。