清华团队Nature发文警示：AI辅助科研或引发“创新收缩”，全流程智能体系统应运而生

清华大学在《Nature》上发表的最新突破性研究揭示：AI正促使科学家集体向数据丰沛、目标明确的领域汇聚。这种趋势虽提升了个体效率，却导致了创新路径的单一化与跨学科协作的减少。为此，研究团队打造了「全流程科研智能体系统」，旨在推动AI从被动工具进化为主动伙伴，重新拓宽科学探索的边界。

当AlphaFold精准预测蛋白质构象、LLM深度渗透学术写作、高度自动化的AI实验室成为科研标配，学界不得不面对一个核心命题：人工智能是在真正加速科学真理的发现，还是在重塑科学竞赛的底层逻辑，甚至无形中划定了探索的上限？

2026年1月，清华大学电子工程系徐丰力、李勇教授携手芝加哥大学专家团队，在顶级期刊《Nature》发表重磅成果。通过对过去45年间逾4100万篇科研文献的深度回溯，该研究首次揭示了一个悖论：AI在显著强化科学家个人产出效能的同时，正在悄然压缩人类科研共同体的集体探索疆域。

论文链接：https://www.nature.com/articles/s41586-025-09922-yScience

研究组构建了全球首个「AI驱动科研全景知识图谱」，结合专家精准标注与大规模语言模型训练，系统性地识别了跨越机器学习、深度学习及生成式AI三个技术周期的AI增强型论文。

量化数据显示，拥抱AI的科学家在竞争中占据了绝对高地：其年均论文产出量是同行的3.02倍，引用量高出4.84倍，职场晋升速度平均缩短1.37年。此外，AI相关论文的平均被引频次也较传统研究高出近98.7%。

「这验证了AI工具在提升个体科研通量与学术影响力方面的卓越表现，」清华大学徐丰力助理教授指出。

然而，宏观视角的统计结果却给科学界敲响了警钟：

1. AI驱动研究的集体知识广度呈现4.63%的萎缩

2. 学科间的跨领域深度交互大幅减少22%

3. AI论文的引文脉络呈现典型的「星型结构」，意味着创新活力正向极少数核心点塌缩

李勇教授分析认为：「这种‘群体登山模式’虽然极大加速了已知问题的优化，却在无形中固化了探索路径。研究者们在AI的引导下扎堆向少数‘数据沃土’进发，导致那些缺乏数据支撑却极具潜力的冷门或前沿领域被系统性忽视。」

为何AI会成为科研疆域的「隐形枷锁」？

症结在于AI对数据的强烈依赖。算法更偏好在问题闭环、数据质量高的熟地上耕作。这就导致科研产出虽然在量上爆发，但在质的多样性上却步入「平庸化陷阱」。当AI被广泛应用，它实际上在引导科学家进行一种「趋同演化」，而非真正的颠覆性探索。

从「效率插件」到「智能伙伴」：开启OmniScientist时代

针对这一内卷危机，清华团队给出了技术路线层面的解方：全流程科研智能体系统（OmniScientist.ai）。

访问地址：OmniScientist.ai

该系统深度集成了大模型的跨学科推理与泛化能力，不仅限于辅助，而是能够主动提出新科学假说、自主完成实验设计并闭环分析理论。它试图将AI从单一的认知放大器转型为感知与实验能力的拓展器，帮助人类科学家走出数据舒适区。

结语：拒绝「科学内卷」，重拾探索精神

此项研究为政策制定者和科研机构提供了宝贵预警。我们必须重新审视AI在科学体系中的生态位。正如研究强调的那样：科学的灵魂在于提出问题而非仅仅解决既定问题。在AI如虎添翼的今天，保持对未知的敏感度，让AI成为开拓未知领域的破冰船，而非守卫已知领地的围墙，将是科学发展的必经之路。