（来源：上观新闻）

本期推送“AI如何改写科学发现？——一个关于人工智能与科学生产率的经济学分析框架（下）”，原文是由多伦多大学Ajay Agrawal、高威大学John McHale和佐治亚理工学院Alexander Oettl三位经济学家在美国国家经济研究局（NBER）发表题为“AI in Science”的工作论文。

Part.04

跨学科差异：为什么AI在不同科学领域表现悬殊

这一框架的重要价值，在于解释为什么AI在材料科学、物理学、计算生物学、数学、医学、经济学和计算机科学等不同学科中的作用差异如此显著。

在材料科学和计算生物学等领域，由于设计空间巨大、数据相对稠密、目标函数更易定义，AI最可能在设计阶段发挥变革性作用。例如，Meta和佐治亚理工学院的科学家利用4000万次量子化学模拟数据，构建预测模型筛选用于直接空气碳捕获（DAC）的金属有机框架（MOF）候选材料。在生物学中，ESM3等生成式多模态模型已能够基于功能约束提示设计新的蛋白质序列和结构。

但在理论物理学中，由于搜索空间更偏概念性而非经验性，且数据相对稀疏，AI作用更为有限。符号回归工具虽然能从数据中重新发现已知方程，但在提出范式转移性洞见方面仍显不足。在数学领域，AlphaProof等系统在竞赛级问题求解中表现出色，但问题生成阶段往往涉及审美和基础性追求，这些难以通过数据驱动的插值来实现。

在经济学领域，AI在测试阶段（如因果推断中的机器学习方法）最有价值，但想法生成阶段涉及的行为复杂性和伦理考量，数据稀疏和内生性问题构成瓶颈。总体而言，AI的生产率提升在数据密集型、插值型领域最为显著，而在依赖判断力的领域则更多体现为增强而非替代。

Part.05

AI技能与互补投资：生产率收益的放大器

AI对科学生产率的提升并非自动实现，还取决于关键的互补因素。基于任务的增强模型，可以将科学家分为“AI专家型”和“普通型”两类。在该模型中，AI技术进步发生在“广延边际”（extensive margin），即扩展可以利用AI工具的科学任务范围。一个重要发现是：AI专家在科研人群中的占比越高，技术进步带来的生产率收益就越大。

此外，AI可被概念化为一种“通用元技术”（General Purpose Meta-Technology，GPMT），不仅是应用于单个科研任务的工具，更是一种发明新技术的技术。作为GPMT，AI的全部潜力取决于上下游互补投资的到位程度：上游包括AI技术本身的持续演进（如Scaling Laws和算法改进），下游包括科学家AI技能的培训、工作流程的重组以及自动化实验平台的建设。

值得关注的是，近期的大规模实证研究提供了初步证据。Hao等（2026）分析4100万篇自然科学论文，发现使用AI工具的科学家发表论文数量是非使用者的3.02倍，获得的引用是4.84倍，成为项目负责人的时间提前了1.37年。但同时，AI使用也与研究范围的收缩相关联，“知识广度”下降4.6%，后续科学互动减少22%。这提示我们，AI可能在提升个体生产率的同时，正在将科学注意力集中到数据丰富的成熟问题上，而非促进对新方向的探索。

Part.06

潜在风险与政策启示

AI在科学中的广泛应用也带来需要警惕的风险。首先是同行评审系统可能不堪重负：AI显著提升论文产出速度，但评审能力并未同步增长，传统的质量筛选机制面临挑战。其次是“知识塌缩”风险，Acemoglu等（2026）的理论模型表明，如果科研人员过度依赖AI工具完成文献归纳、异常发现和初步解释，人类自身的问题意识和概念生成能力可能被长期削弱，导致集体知识基础的退化。

对于政策制定者而言，这一分析框架提供了几个重要启示。第一，AI for Science的布局重点不应是泛化投入，而应聚焦那些设计空间巨大、训练信号充足、且具有战略外溢性的关键方向，例如新材料、药物研发、蛋白质工程和能源技术。第二，决定AI能否真正转化为科研产出的，往往不是模型本身，而是模型之外的互补机制，复合型科研人才的培养、自动化实验平台的建设、标准化数据体系的完善以及跨机构协作流程的构建。第三，随着AI大幅提升假说生成和候选设计速度，科学治理体系也需同步升级，防止出现大量低质量成果涌入而验证能力不足的“知识拥堵”。

Part.07

结语

Agrawal、McHale和Oettl这篇论文的核心价值，在于它既没有陷入“AI即将全面替代科学家”的过度乐观，也没有停留在“AI只是提速写作和文献检索”的保守估计，而是搭建了一套可分解、可比较、可校准的中层分析框架。AI最先改变的，不是科学家的存在，而是科学家寻找问题、组合想法、筛选设计和组织验证的方式。科学不会因为AI而自动提速，但科学中的“找路方法”，即对庞大组合空间的搜索过程，已经开始被改写了。

编撰：上海科学智能研究院 徐燕

供稿：市统计学会

责编：薛依宜

审核：杨荣