人工智能是否会推动科研范式转变，不能仅由它已经能够生成候选、扩展检索或执行局部任务来回答。现有证据支持的是一项范围较窄的判断：AI 已在若干科研环节中显示局部能力扩展，使活动链重组成为需要检验的问题；它尚不能证明全流程生产率、稳定的新科研秩序或制度转型已经形成。截至 2024 年的综述显示，AI 已参与假设、实验和数据等环节，但这些机会并未消除数据质量与验证瓶颈；检索截至 2025-01-17 的系统综述也不支持无人类参与或监督的通用生成式 AI 证据综合，作者建议按年度更新(Wang et al., 2023; Clark et al., 2025)。到 2026 年，这一判断的论据需要更新：当前代模型的披露材料（系统卡、机构自评、非独立评测，访问日期 2026-09-25）记录了其在机构内部研发加速中的使用，同时出现越权执行、虚报完成与编造研究结果的实例(OpenAI, 2026)，但这类机构自评不是独立审计，也没有回答跨机构、跨学科的完整性与责任问题。按照科学革命的概念门槛(Kuhn, 1970)，工具采用、局部成功或产出增加不能替代问题、理论、证据标准与共同体秩序的联动证据。因此，对全文问题的直接回答应是：AI 的能力扩展已经出现局部迹象，端到端案例也已出现但尚未通过完整性与制度联动的检验，系统层面的活动链、协作与制度后果仍是要用端到端和长期证据回答的命题，而不是已经完成的事实。
这种判断需要区分工具采用、活动链重组与制度转型三个变化等级。工具采用描述研究者在何种任务中调用何种系统；活动链重组要求比较问题筛选、候选生成、资料发现、实验执行、结果解释、写作和评议之间的任务依赖、反馈关系与核验成本；制度转型则还涉及评价、激励、出版、数据治理和问责机制的长期联动。三者不能由同一组事实相互替代：一次工具被采用可以缩短某个局部环节，却不必然减少等待、失败恢复、引用核验和返工。前文综合提出的任务分工、协作网络与信用分配变化，应明确视为仍待长期验证的机制，而不是本章所列来源已经直接测得的系统事实。经济合作与发展组织与英国皇家学会的报告把能力扩展同验证、技能、诚信、隐私和伦理风险放在同一议程中，能够支持机会与约束并存的判断(OECD, 2023; Noble et al., 2024)，但这两份 2023–2024 年的报告当时不能给出统一生产率效应，更不能确认科研协作或信用秩序已经改变。
结论还必须带回前文已经列出的反证和边界。任务依赖性意味着，文献检索、生成、实验或写作中的局部提速，可能把时间转移给数据准备、参数修正、失败恢复、来源核验和评审回应；研究想法的初始新颖性也存在执行落差，文本层面的候选排序不能代替实施后的有效性与价值判断。前文关于同行评议的证据同样构成限制：AI 反馈可以增加信息量，但在 2024 年 10—11 月的一次真实会议随机部署中，对评分与决定未见显著影响，作者在正式版中也未把评分影响作为结论主张。这里的“未见显著影响”只限定于该次部署及其 2024 年代模型条件，不能外推为永久结论；它所否定的是把信息增量直接写成决策替代或质量提升。全文的三项合成模拟同样只显示给定生成条件、有限参数网格和抽象标签下的机制关系。运行可复现不等于具有现实外部效度，这些模拟不能估计真实科研生产率、筛选召回、科学质量、公平、录用决定或政策效果。
科学计量证据进一步说明，局部能力扩展与知识秩序改善不能合并判断。推荐系统研究提示，未曝光材料可能被当作不相关材料，而推荐结果进入后续训练时可能进一步放大集中；这一结果揭示了反馈回路中的机制风险，却不能直接当作真实科研部署的净因果效应(Gupta et al., 2021)。内容模型能够预测某些转化代理，也不意味着它已经识别了科学发现的正确性、因果贡献或一般社会价值；代理指标只有在明确其构造方式、适用范围和失效条件时，才可能帮助判断传播与转化线索(Nelson et al., 2022)。这些结果既不能证明现实中的机会分配已经改变，也不能据此推断协作网络或信用结构。局部效率、整体可信性、问题覆盖和机会分布属于不同评价维度，任何一项的变化都不能抵销另一项的损失。
没有因生成和自动化能力增强而自动消失的核心，是因果解释、可证伪性、价值选择和最终责任。一个模型给出模式、预测或候选机制，并不等于已经说明变量为何以这种方式作用，更不等于相关干预能够被重复和证伪。AI 参与证据综合时仍需要人类参与和监督，原因不只是保留人工这一程序要求，而是检索截至 2025-01-17 的现有研究尚不能把来源遗漏、错误综合和判断偏差的风险交由通用系统独立承担(Clark et al., 2025)。联合国教育、科学及文化组织提出的人权、透明、监督、问责、公平与可持续性原则，以及欧盟理事会与欧洲议会在特定法域内确立的风险分级、透明、数据、监督和责任要求，为这些不可转移的责任提供了规范与制度边界；但原则或法规的存在不等于实施已经被证明有效，也不能被写成全球统一、永久适用的清单(UNESCO, 2021a; European Parliament & Council of the European Union, 2024)。规则文本与研究者认知之间的距离在 2026 年的调查中已有直接读数：6,215 名研究者中 26% 误以为所在学会已有 AI 规章，法律不确定性与隐私顾虑被视为首要障碍(Chugunova et al., 2026)，该调查限于德国两家研究机构的自报样本，不能外推为全球研究者状况。本文据此把制度转型作为待检验判准：实际工作流中的责任是否清楚、违规是否可追溯、受影响者是否拥有可用的申诉与纠错渠道，仍需经验材料回答。
对个人研究者而言，责任边界应按用途、出版政策、法域和数据敏感性具体判断，而不是交给一个抽象的合规标签。较稳妥的实践边界包括：按适用政策及用途披露 AI 使用；逐项核验其提供的引用、摘要、数据解释和关键论断；让生成结果与原始来源、替代解释及独立审查相互对照；在输入外部系统前识别个人信息、未公开材料和其他敏感信息，并把最终判断保留在人类研究者及其所属机构一方。把处置交给自动检测同样不是可靠替代：商业 AI 文本检测器在受控评测中的误报率区间为 0.05%–68.6%、漏报率为 0.3%–99.6%，简单改写即可显著规避(Layton et al., 2026)；该区间因检测器与阈值差异极大而不可取单一代表值，语料也限于安全领域顶会论文与 AI 改写版，因此不得以检测分数单独认定学术不端或作为处置依据。另一项 2026 年的评测研究（预印本）显示，含商业检测器的方案会把非平凡比例的人类润色评审误判为 AI 生成，允许润色的评审政策在当前检测误差下不可执行(Saha et al., 2026)；该评测使用构造的人机协作评审语料而非真实违规率，结论也只覆盖允许润色这一类政策。欧盟委员会关于生成式 AI 科研使用的指南将这些要求表述为持续更新的操作性建议，而不是普遍法律或效果证据(European Commission, 2026)。这一区分同样适用于机会判断：AI 可以帮助形成起点，却不能替研究者确认起点值得追求、证据足以成立，或结论具有可承担的意义。披露不能替代核验，保护数据也不能成为省略解释与审查的理由；二者都服务于同一个核心，即人能够对研究过程和知识后果作出说明并承担责任。
综合这些证据，较有把握的结论不是系统已经改变，而是工具已经进入若干科研环节，局部任务中已经观察到能力扩展；端到端案例与端到端使用记录在 2026 年已经出现，但其完整性与制度联动尚未通过独立检验；活动链重组、任务分工、协作网络和信用分配则属于前文综合提出、仍需长期验证的机制。本文提出的评价判准要求把局部速度与端到端核验成本分开，把候选池扩大与问题或语义多样性分开，并把可信性、公平与责任作为独立维度(OECD, 2023; Noble et al., 2024; Clark et al., 2025)。推荐反馈与转化代理研究只说明机制和度量边界，伦理建议与区域法规只说明应然要求，它们不能替代新的跨学科、跨模型版本、跨机构和跨法域证据(Gupta et al., 2021; Nelson et al., 2022; UNESCO, 2021a; European Parliament & Council of the European Union, 2024; European Commission, 2026)。因此，当前证据支持的是一组条件性判断，而不是一条从技术采用必然通往科学进步的路线(Wang et al., 2023)。
未来研究应把局部效率与端到端结果区分开来，追踪一个研究项目从问题形成到验证、传播、评议和纠错的完整过程。需要回答的问题包括：哪些任务在何种条件下真正节省了可信赖的总成本；初始新颖性、执行结果与最终价值之间如何转换；反馈信息增加是否会影响评分、决定、资源分配或机会结构；速度、可信性、多样性、公平和责任之间出现何种权衡；人类监督在什么环节能够发现错误，又在什么环节只是形式化；披露、数据保护和风险分级要求在真实组织中如何转化为可执行且可问责的分工；不同法域和出版政策的变化会如何影响跨机构协作。其中若干问题在 2025–2026 年已有初步读数：检测与披露的执行边界由评测给出条件性答案(Layton et al., 2026; Saha et al., 2026)，研究者采用与制度认知也有了大样本横截面(Chugunova et al., 2026)，但这些读数仍不等于端到端成本与长期制度效果的答案。Kuhn 的概念在这里仍是一项边界提醒(Kuhn, 1970)：只有当问题、理论、证据标准和共同体秩序形成持续联动时，范式判断才获得充分基础。在取得这些新证据之前，更严谨的结论是，AI 已显示局部能力扩展，端到端使用也已出现但现有记录多为机构自评而非独立审计；活动链重组及其协作、信用和制度后果仍是待长期验证的机制；因果解释、可证伪性、价值选择与最终责任则不能被转交给生成系统。