1819 名科学家、580186 条科研消息,拼出了一幅 ChatGPT 进入实验室后的日常图景。11 月 16 日,OpenAI 发布《Science at the Frontier》。但最值得看的,未必是“AI 加速发现”的乐观数字,而是科学家究竟把哪些工作交给了它。
报告把使用日志与问卷放在了一起,但两者回答的问题不同。日志覆盖 2026 年 8 月 20 日至 9 月 22 日,也包含 Codex;251 人同意纳入问卷分析,回答涉及 AI 工具整体。这是一幅科研使用画像,尚不能证明 AI 让科学发现加速了多少。
《Science at the Frontier》官方关键发现概览封面(图源:OpenAI)
最常见的工作,仍是读懂与写清
阅读与知识获取、写作与沟通、科学分析、科研编程,合计占平均每位科学家科研消息的 85%。阅读为 27.7%,写作为 26.9%。但消息占比只说明怎样使用工具,不能直接换算成工作时间,更不能当作价值贡献。
研究先算每个人的消息分布,再给每位科学家相同权重。这能避免重度用户主导画像,但样本来自扩展 AI 权限计划的申请者及受邀同事,且在指定时间内已有科研使用记录,不能代表所有科学家。
各工作流的消息占比与使用覆盖率;覆盖率门槛为研究期内至少三条相关消息(图源:OpenAI 完整报告)
“解释科学概念”是最常见的具体任务,占平均消息份额的 18.8%;89.7% 的科学家至少使用三次。起草论文分别为 13.9% 和 81.5%。但频繁请求解释,并不自动意味着研究者已经掌握知识,还要看能否正确应用。
这更像一位随时可以追问的跨学科助教,降低理解陌生概念和表达结果的门槛。但从“讲明白”到“用对”,中间仍隔着专业判断。因此,阅读与写作的高频出现值得重视,也值得继续检验其产出质量。
消息份额最高的十项任务:解释概念与起草论文居前,使用覆盖率并不等于消息占比(图源:OpenAI 完整报告)
生物学中的数据获取占平均消息份额的 2.5%,另外五个学科为 0.2%—1.0%。作者提出,共享测序数据库等资源可能提供了使用空间。但这只是解释假说,不能据此断言 AI 已改善实验数据生产。
对 AI×生物读者,这提示了一个值得追踪的方向:工具是否更容易帮助研究者处理已有数据?但日志没有告诉我们,检索、分析更顺手之后,新实验是否更快、验证是否更充分。总体样本横跨七个学科,也不能直接替代生物学专门研究。
不同学科的工作流消息分布;生物学的数据获取占比为 2.5%,不代表实验耗时占比(图源:OpenAI 完整报告)
让 AI 出点子,距离让它选课题有多远?
官网给出的数字是,68% 的科学家用 ChatGPT 开展过研究构思。但“使用”设有门槛:观察期内至少三条相关消息,不能读成 68% 的课题由 AI 提出,更不能读成这些点子已经得到验证。
使用深度同样不均衡:42.7% 的科学家平均每周发送超过两条构思消息,11% 超过十条。
但多数人的频率仍不高。高频使用者的消息更多出现在反复讨论的对话中,呈现出共同打磨问题的迹象。
构思使用频率存在长尾;图中展示有相关消息者的分布,文中总体比例包含全部 1819 人(图源:OpenAI 完整报告)
在“寻找文献空白”的任务里,平均 85.1% 的消息请求 AI 拟定问题;头脑风暴研究方向时为 69.3%。但在具体问题、模型或方法的表述任务里,48.1% 请求 AI 改进已有想法,分工发生了变化。
AI 已参与研究问题的筛选与塑形,但研究没有评价点子的新颖性或科学价值。进入选题过程,不等于产出了更好的课题。它能否打开新方向,又是否会把不同研究者引向相似问题,仍需追踪。
探索方向与开发具体问题时,研究者要求 AI 承担的角色不同;比例按科学家等权平均(图源:OpenAI 完整报告)
三分之一的请求之后,人还在追问
在合格初始请求中,平均每位科学家有 31.8% 会继续要求解释、检查或修改。写作为 38.0%,科学分析为 34.4%,编程为 33.7%。但这里只记录下一条科研消息,并非对全部人工核查的完整观察。
统计窗口限定为同一对话的七天内,也看不到线下修改。但没有追问,同样不能证明答案正确或用户满意。追问率能描述互动,不能直接充当模型错误率。把检查、澄清和纠错混为一谈,会误读这个数字。
各工作流的后续介入率及类型;分析覆盖 1809 人的 125947 条合格初始请求(图源:OpenAI 完整报告)
问卷中,45.4% 的科学家把检查或修正输出所需的时间列为获得价值的障碍。但这也解释了为什么“能生成”与“可直接用于科研”之间有距离:节省下来的起草时间,可能有一部分需要重新投入核验。
15.3% 的科学家尝试过至少一次端到端自主研究请求,但它只占平均科研消息份额的 0.4%。若门槛提高到三次,使用者降为 6.3%。这类请求需串联阅读、构思与后续分析;当前主流仍是拆分任务后的人机协作。
端到端自主研究的尝试覆盖率与消息占比;这里采用至少一次请求的门槛(图源:OpenAI 完整报告)
“1.9 倍效率”,到底测量了什么?
受访者估计,同样质量、同样工作量,无 AI 时平均需要约 1.9 倍时间。这个数字对八类活动等权平均,但来自回顾性自报;研究没有安排有无 AI 的随机对照,也没有独立检查“质量相同”是否成立。
科研编程的平均自报比值为 2.83 倍,行政工作为 1.35 倍。但不能换算成整个实验室产出增加相同比例。作者也提醒,活动间的相关性只基于八个均值;频繁使用与感到省时之间,不能直接画上因果箭头。
八类工作流的 AI 使用时间份额与自报效率比;每个点代表一种活动,效率未经独立计时验证(图源:OpenAI 完整报告)
“98% 认为发现会加速”的精确口径是:250 名答题者中,97.6% 预期有所加速。但题目给的是假想情境:一项没有 AI 要十年的发现,有 AI 后能提前多久?它没有统计已经完成的发现。
其中,21.6% 预期这项发现能在三年内实现,官方概览将其四舍五入为 22%。但预期再强,也不能替代长期结果。对未来有信心,与已经验证科研加速,属于两类证据。
250 名答题者对假想十年发现周期的判断;学科可多选,各组存在重叠(图源:OpenAI 完整报告)
点子变快之后,实验还在排队
224 份开放回答被拆为 367 条理由:51.8% 指向更快完成研究任务,22.6% 指向寻找更有潜力的想法,14.2% 指向拓宽问题范围。但分母是理由条数,同一个人可以贡献多条,不能写成对应比例的科学家。
这些回答的重心是加速已有工作,也包含扩大研究范围的期待。但要证明后者,需要继续追踪新方向是否立项、实验是否完成、结果是否可靠。这份报告提供了观察入口,尚未交出这些后续答案。
科研加速预期的理由分类;占比以 224 份回答中的 367 条理由为分母(图源:OpenAI 完整报告)
51.8% 的受访者仍受时间或人手限制,43.8% 受经费限制,71% 至少选择了其中一项。但更强的模型不会自动补齐技术员、实验设备和研究经费。科研任务之间的短板,仍可能限制整体进展。
据作者说明,团队只分析隐私保护分类器的输出,没有直接查看底层消息与模型回答。这一科研计划的内容默认不用于训练模型。消息被分为十类工作流、四十种任务,但分类结果无法代替质量检验。目前被照亮的,仍只是科研流程的一部分:屏幕里的工作完成后,下一轮实验能否及时接上?
251 名受访者报告的科研瓶颈,每人最多选择三项;时间、人手与经费仍居前(图源:OpenAI 完整报告)