科学的复兴

一科学一直在进步，何谈复兴？#

我们把这件事叫作 RenaScience：把“文艺复兴”（Renaissance）和“科学”（Science）拼在一起，意思是科学的复兴。这个名字会招来一个很自然的疑问。文艺可以复兴：两千年前的雕像和诗，今天仍然是典范，后人可以回到它们那里重新学习。科学却似乎不一样，它是不断进步的：今天的中学生都比托勒密更懂天体怎样运行，谁也不会想回到亚里士多德的物理学。科学何谈复兴？

我们当然不是主张科学知识的复古，不是要复活古希腊人的日心说。有意思的是，近代科学的开端本身就借用过复古的名义。1543 年，哥白尼在《天球运行论》献给教皇保罗三世的序言里说，他先在西塞罗那里读到，尼塞塔斯（即叙拉古的希克塔斯）认为地球在运动，后来又在普鲁塔克那里读到，菲洛劳斯等人也持此见¹；在手稿里，他还把最早主张日心说的阿里斯塔克与菲洛劳斯并提，付印之前又删去了这段话²。他究竟有没有从阿里斯塔克那里得到启发，史家并无定论³；可以肯定的是，他怕学说太新而遭同行耻笑，所以特意强调地动之说古已有之，并非独创⁴。文艺复兴的许多创造都是这样：借古人之名，做前所未有的事。

学术复兴也不是只发生过一次。古代的学术常常在某个黄金时代里百家争鸣，到末期被汇总成煌煌巨著；然后，那些活泼多元却不够完善的学说逐渐失传，巨著渐渐变成僵化的教条，只能等下一个奇迹时代把它复兴起来。罗马人、阿拉伯人和十二世纪的欧洲，都有过或长或短的复兴。人们熟知的那一次文艺复兴之所以成了最后一次，此后再没有衰落下去，是因为它不再依赖某位国王的偶然赞助，而是有了新的社会环境和新的媒介装备：市民社会的兴起，以及活字印刷机⁵。印刷让书籍不再轻易散佚，后人永远可以站在前人的肩膀上，持续的进步从此成了常态（见抄本与书籍）。

今天，AI 带来了又一次媒介巨变。它能通览人类几乎全部的书籍，也可能让人不再读书；它可以打通专业壁垒，把人类知识推向新的盛世，也可能在盛世之后把我们带进平庸。怎样让这一次变革像文艺复兴那样开启持续的进步，而不是像托勒密王朝的学术那样，在鼎盛之后走向衰退⁵？我们的回答是：要复兴的不是任何一种知识，而是一种精神。

二我们要复兴的，究竟是什么？#

亚里士多德在《形而上学》开篇说，求知是人的本性；人们因为惊奇而开始哲学思考，从困惑走向理解；数学之所以先在埃及兴起，是因为那里的祭司有闲暇。他还说，我们追求这种学问不为任何别的利益，正如自由人为自己而活、不为别人而活，这是唯一一门为自身而存在的自由学问⁶。希腊语的“闲暇”（scholē），后来成了“学校”一词的来源。惊奇、闲暇，再加上希腊人独有的自由辩论，恰好都是游戏的特性：在内在乐趣驱动下的休闲和竞赛（见惊奇与闲暇）。

这份乐趣并不清高。希腊人的辩论、竞技和战争，都是争夺荣誉的方式；先有沽名钓誉的智者，才有苏格拉底、柏拉图意义上的哲学家（见竞技与知识竞赛）。说到“科学精神”，人们爱列举不计名利、甘于寂寞，甚至献身，这些词我一个都不喜欢。看看真实的科学史，大人物多半交游广阔、顺应潮流，在共同体里争取认可；与其说他们是孤军奋战的斗士，不如说他们追名逐利、不甘寂寞、左右逢源⁴。好奇心与争胜心从来是一对，它们共同的底色是：求知本身就是目的，就是乐趣。

科学精神不是一瞬间出现的，它像一个人的人格一样，有自己的成长史。古希腊奠定了科学的初心：一种由求知欲、好奇心驱动的内在的求知方式，以及自由的、不计功利的研究和批判传统。中世纪学会了重视经验、辨析术语；大航海时代带来了探索未知、发现新知的观念，古代的学者并不觉得自己在做什么超越前人的“发现”；印刷让学问走向公开；科学革命确立了实验与定量；启蒙时代相信进步，相信科学能够造福人类；工业革命让科学与技术结盟；二十世纪又加上了伦理反思与社会担当⁷。这些后来长出的品格都不必丢掉。不忘初心，不是停留在初心毫无改变；一个学会了脚踏实地的人，未必就丧失了仰望星空的兴趣。我们所说的复兴，是让已经成年的科学，重新找回它的童心。

三科学是怎样变成一份工作的？#

科学并非始终保持着这种精神。它面临的第一重异化，是专业化和职业化。

英语里的“科学家”一词，1833 年才在英国科学促进会的会议上被提出，次年由休厄尔写进一篇书评，第一次印成铅字⁸。在此之前，研究自然的多是贵族、牧师、医生和各行各业的爱好者；在此之后，德国式的研究型大学、实验室和博士学位把科学变成了一门有入口、有阶梯、有薪水的职业（见科学家是怎样变成一份工作的）。1917 年，韦伯在慕尼黑向学生演讲《以学术为业》，他提醒台下的年轻人：一个编外讲师能不能升上正教授，“纯粹是一场赌博”，学术生涯是“一场疯狂的赌博”⁹。

职业化的背后，是整个工业社会的逻辑。技术从来趋向于专业化，工业革命之后，专业分科和流水线化成了整个技术系统的底层逻辑：一群全面发展的、兴趣使然的工匠，远远比不上一群专于特定动作的、枯燥刻板的工人¹⁰。工业生产的核心是复制，它也要求人像零件一样可以复制、可以互换，教育的方针和体系于是趋向于批量培养“螺丝钉”¹¹。科学也被纳入了同一套逻辑。1930 年代，劳伦斯在伯克利用回旋加速器开创了“大科学”：装置复杂到最好的理论家和最能干的实验家都无法单独搞定，日常维护又需要大量枯燥乏味的人力，今天所谓的“科研民工”，那时已经出现了¹²。二战期间，橡树岭用劳伦斯发明的装置分离铀同位素，从田纳西乡下招来约一万名年轻女工看管仪表；据负责这项工程的尼科尔斯回忆，在他提议的一场生产比赛里，她们赢了劳伦斯手下的博士们，因为她们像士兵一样受训，“让做就做，不让做就不做，不问为什么”，科学家却忍不住为读数的一点点波动停下来追究原因¹³。流水线不需要好奇心，好奇心在流水线上甚至是一种干扰。

知识的积累又让专业化变本加厉。普赖斯在 1963 年估算，有史以来的科学家里，八到九成此刻还活着¹⁴。知识越多，一个人要走到前沿，就得先背上越来越重的包袱：经济学家琼斯分析了两百多万项美国专利，发现发明团队越来越大，首次做出发明的年龄越来越晚，发明人也越来越专；他给这篇论文起的题目是《知识的重负与“文艺复兴人之死”》¹⁵。布克哈特笔下那种文艺复兴时代的“全面的人”，在现代科学里越来越罕见（见知识越多，人为什么越窄）。

专业化带来了惊人的效率，也制造了学科的孤岛与专家的盲区。早在 1930 年，奥尔特加·加塞特就批评过“专业化的野蛮”¹⁶；1959 年，斯诺在剑桥的讲座里感叹，科学与人文已经成了“两种文化”¹⁷。但斯诺说的是文学家与科学家的文人相轻，是精英内部的话语权之争，我早就说过这场争论过时了¹⁸：今天真正的裂缝，是整个精英文化与大众的撕裂。论文默认读者是同行，同行因此读得很快，初学者、跨学科的读者与公众却很难进去，这是一只窄口瓶（见专业化的胜利与代价）。

更要紧的是动机的变化。科研成了一份职业，也就成了许多人谋生的一条路。为乐趣而学习，本来是很自然、很人性的事；为了分数、绩点、证书和求职而学习，才是异化的形态¹⁰。当研究可以换来工资和职称，许多并不热爱求知的人，也会为了一份稳定的收入走进实验室。这怪不了他们：流水线本来就不需要热爱，只需要照做（见不爱求知的人，为什么也在做科研）。

四知识为什么需要一个身体？#

知识从来不是赤裸地存在的。它必须寄身于某种载体：说出口的话，写在竹简和羊皮纸上的字，印成书的章节，寄往远方的信，期刊里的一篇论文，一张图，一段代码。载体不是透明的管道。它决定了什么样的东西能被保存下来、传播出去、接受检验，也就决定了什么东西会被当作知识。

柏拉图在《斐德罗篇》里借苏格拉底之口担忧过书写：文字会让人显得博学而并不真懂，而且它不能回答读者的追问¹⁹。两千多年后看，这种担忧既对又不对。书写确实改变了知识：它没有让知识变少，只是让它换了一种形状。口述擅长对话与反驳：孔子与弟子的问答被记成语录，中世纪大学用讲读和论辩来训练学者。书籍擅长建立体系：哥白尼、牛顿、达尔文都用一整本书改变了世界图景。书信擅长编织网络：十七世纪散落在欧洲各地的学者靠通信互通消息，也用字谜宣示优先权（见书信共和国）；但书信终究是私人的，把这张私人的网变成公共的“文人共和国”的，是印刷出来的书籍和期刊。期刊论文擅长的是另一件事：把一项研究压缩成一个可以登记、传播、引用和计数的单位。

中国的传统里还有另一种身体。《九章算术》把数学写成一道道题目和一条条“术”，魏晋时的刘徽又为它作注，补上推理与图说，证明算法为什么正确；知识在“题、术、注”的层层累积中生长²⁰。这提醒我们，同一门学问可以有非常不同的身体，而身体一旦选定，也就规定了后来者如何进入它、如何增补它。还有一部分知识根本不在文字里。波兰尼说，我们知道的比我们能说出来的多²¹：实验室里的手艺，看片子的眼光，判断一个证明“对劲不对劲”的直觉，都要靠师徒相授、同伴切磋来传递。任何一种载体，都只能携带知识的一部分。

每一种载体都有它擅长的事，也都有它看不见的东西。对话留不住，书写得太慢，书信是私人的；论文的盲区在于，它只保留那条走通了的路。把这些载体放在一起看，就会明白，论文不是知识的天然形状，而是知识在某一种媒介环境里临时获得的身体。我在《媒介史强纲领》里说过，媒介不是传递知识的工具，而是知识的先验条件：“记起”的可能性取决于“记下”的可能性²²。媒介参与塑造我们如何思考、如何行动，也参与塑造什么被认为是真的。科学的载体也不例外。环境变了，身体也会跟着变：不是因为我们想换，而是因为新环境不再奖励旧的身体。

五论文凭什么赢了三百年？#

1665 年，两份刊物几乎同时出现：1 月，《学者杂志》在巴黎创刊；3 月，英国皇家学会的秘书奥尔登堡在伦敦创办了《哲学汇刊》²³²⁴。它们一开始像新闻、书评和书信摘录的合集，却很快显示出前所未有的力量：一个素不相识的人，也能拿到同一份稳定的文本，在同一个页码上提出质疑。期刊承担了四件事：登记谁先发现，把发现传播出去，给它一个初步的认证，再把它存档（见期刊的诞生）。差不多同一时期，波义耳写下极其详尽的空气泵实验报告，让不在场的读者也能“虚拟见证”玻璃罩里发生的事²⁵。论文从一开始就是一种见证技术。

十九世纪，随着科学成为一种职业，论文取得了决定性的胜利：专业学会与专门期刊大量涌现，研究型大学开始按发表来衡量一个人。皇家学会编纂的《科学论文目录》把一位位学者的一生变成一张张论文清单²⁶。论文成了科学家的标准产出，也成了学术信用的基本单位（见论文与科学家的职业化）。文体也随之被标准化。“引言、方法、结果、讨论”的四段式结构，在二十世纪中叶的医学期刊里逐渐普及，到 1980 年代已成为原创论文的标准格式²⁷；方法部分让别人可以照着重做，无人称的叙述让论文读起来像是自然本身在说话。科学家对“谁先发现”的在意也从未减少：默顿早在 1957 年就指出，优先权之争贯穿了整部科学史²⁸，而期刊恰好提供了一个盖着日期邮戳的登记处。

二十世纪，这个单位被装上了计量仪表。普赖斯在 1963 年指出，科学文献大约每十几年就翻一番¹⁴；加菲尔德在 1955 年提出引文索引的设想，后来又有了影响因子²⁹。同行评议则晚得多：它直到冷战时期才成为科学合法性的象征³⁰，《自然》系统地把来稿送外审，是 1970 年代的事³¹。1936 年，爱因斯坦的一篇论文被《物理评论》送给匿名审稿人，他大为不满，撤回稿件改投别处³²。今天被视为科学基石的同行评议，其实是一项相当年轻的制度。

论文赢了，不是因为它最接近真理，也不是印刷术注定了它要赢，而是因为它最适合当时的整套环境：它可以印刷和邮寄，可以登记优先权，可以让素不相识的人在同一个页码上核对和反驳。论文不是独白，而是对话：每一条引注都在对同行说，来查我，来驳我。后来它又可以被引用、被计数，可以写进简历和基金申请。它模块化、标准化、便于管理。现代科学能在全球范围内分工协作、积累地发展，论文功不可没。正因为它如此成功，我们才容易把它误认为知识本身。

六网络来了，为什么论文还是纸？#

互联网本来有机会改变这一切。1989 年，伯纳斯-李在欧洲核子研究中心写下一份提议，想用超文本把物理学家散落各处的文档连成一张网³³。万维网诞生于实验室，本来就是为科学家发明的（见从 Memex 到万维网）。然而三十多年过去，论文在网上的主要形态仍是 PDF：一张模拟纸张的数字版面，有页码，有分栏，却几乎没有链接，没有层次；数据和代码躺在别处，失败的路径依然不见踪影：数字化只换了纸张。

信息时代还让计数变得更快、更细。2003 年，上海交通大学发布第一份世界大学学术排名³⁴；2005 年，物理学家赫希提出用一个数字概括一个人学术产出的 h 指数³⁵；数据库让每一篇论文的引用都能实时统计。出版业则变得更加集中：一项研究发现，2013 年，规模最大的五家出版商出版了全世界一半以上的论文³⁶。订阅费和文章处理费逐年上涨，大学图书馆一面花钱为自己的研究者买回他们自己写的论文，一面还要替他们支付发表费（见规模与集中：出版产业）。

信息时代也带来了真正的进步。1991 年诞生的 arXiv 让物理学家在审稿之前就能共享论文；开放获取运动让更多人免费读到研究成果；预印本在新冠疫情期间让研究以前所未有的速度流通（见预印本与开放获取）。评价制度也在自我纠偏：2012 年的《旧金山科研评估宣言》呼吁不再用期刊影响因子评价个人研究者³⁷；2015 年的《莱顿科研计量宣言》第一条就说，定量评价应当支持、而不是取代专家的定性判断³⁸。注册报告、开放数据、开放审稿，一个个补丁都打上去了。

可是所有补丁都围绕着同一个单位：一篇论文。它们让论文跑得更快、更便宜、更开放，却没有让它长出新的器官。二十年前就有人说纸质期刊该过时了；二十年过去，学者检索和阅读都在网上，交流的公共平台却还是纸刊，人文学科尤其不进反退。这不是对学术传统的坚守，而是背弃：期刊论文的形式本来就是邮政环境下为交流而生的产物，环境变了还死守形式，守住的只是形式³⁹。数字化改变了论文的流通，没有改变论文的身体（见修补的极限）。

七发表为什么成了生死线？#

科学面临的第二重异化，是以论文发表为中心的评估体制，以及近乎“庞氏骗局”的大学教职体系。

当一种载体同时承担传播、认证、存档、评价和分配的全部职能，它就注定会被挤压变形。论文可以计数，于是按劳分配，多写多得；多写多得，于是人人多写，人人内卷，每一步都是理性计算的结果。“不发表就灭亡”（publish or perish）这句话，二十世纪上半叶已在美国学界流传，后来成了全世界学者的生存法则（见发表的压力从哪里来）。1981 年，《科学》杂志的记者布罗德报道，“最小可发表单元”在某些圈子里是数据碎片化的委婉说法：研究者发表四篇短论文，而不是一篇长论文⁴⁰。2018 年，约阿尼迪斯等人在文献数据库里找到 265 位超高产作者，他们至少在某一年里平均每五天就署名一篇论文，这样的人在 2001 年到 2014 年间增加了约二十倍；答完问卷的 27 人中，有 19 人承认，在超过四分之一的论文里没有满足至少一条署名标准⁴¹。

代价是四重的。第一重是“幸存者之城”。为了篇幅和叙事，论文只保留走通了的路；失败的实验、无效的结果、放弃的假设被剪掉，埋在地下。一项对两千多篇论文的分析发现，心理学与精神病学论文报告“正结果”的比例高达 91.5%⁴²；一个大型协作项目重做了一百项心理学研究，只有大约三分之一得到了显著结果⁴³；《自然》2016 年的调查中，七成以上的研究者曾经无法复现他人的实验⁴⁴。文献世界地上灯火通明，地下是大片没有记录的废墟（见复现危机与发表偏差）。

第二重是“计数的暴政”。当论文数、影响因子和引用次数被用来分配职位、经费与荣誉，指标就开始吞噬目标。2023 年，全球撤回的研究论文超过一万篇，创下纪录，其中八千多篇来自同一家出版商旗下被论文工厂渗透的期刊⁴⁵。中国从 2018 年起推动“破五唯”，反对唯论文、唯帽子、唯职称、唯学历、唯奖项，2020 年又专门出台措施破除科技评价中的“唯论文”导向，正是对这种暴政的纠偏⁴⁶。计数本身没有错，错在让计数代替了判断（见计量化与“唯论文”）。

第三重是金字塔。托起这场计数游戏的，是一座靠新人撑起来的金字塔。拉森等人估算，美国工程学的一位教授在整个职业生涯里平均培养 7.8 名博士，稳态下只有一人能接替他的教职；要让一半博士留在学界，这个领域每年得扩张 14%⁴⁷。2010 年，《经济学人》写道，最激烈的批评者把研究型博士比作庞氏骗局或金字塔骗局，大学则发现博士生是“廉价、干劲十足、用完即弃的劳动力”⁴⁸。2023 年秋，美国高校约 68% 的教师不在终身轨上，1987 年这个比例约为 47%⁴⁹。中国的博士毕业生从 2016 年的 5.5 万人增加到 2025 年的 11.29 万人⁵⁰，同期的出生人口却从 1883 万降到了 792 万⁵¹。我说过，即便没有 AI 革命，文科教育的庞氏结构也快崩塌了：如果你培养的学生最好的出路是当老师，就需要不断增加的教职坑位来容纳你的徒子徒孙；从前有人口增长和大学扩招，如今人口萎缩、大学普及率见顶，未来的教席只会越来越少³⁹（见教职为什么像一场庞氏骗局）。

第四重最少被人谈起：乐趣的流失。一项对澳大利亚研究者的调查估算，仅一轮国家健康与医学研究委员会的项目资助申请，就耗去了约 550 年的工作时间⁵²；研究生出现焦虑和抑郁的比例，是一般人群的六倍多⁵³。科学原本起于惊奇与闲暇，起于解谜和竞赛的快乐，如今却越来越像一条按件计酬的流水线（见被挤掉的乐趣）。

这些代价不是某些人品德败坏的结果，而是结构性的。一百多年前，韦伯问每一个想走学术道路的年轻人：你真的相信自己能够忍受，年复一年，看着一个又一个庸才越过你爬上去，而内心不变得怨愤、不被腐蚀吗⁹？今天要忍受的又多了一样：年复一年，把求知的热情切成一篇篇可以计数的论文。

八知识爆炸之后，研究者为什么反而迷茫？#

第三重异化来自信息时代，以及 AI 带来的知识爆炸。

数据库和网络让检索变得前所未有地容易，读却没有变得更容易：每个领域每年新增的论文，早已超出一个人一辈子能读的量。生成式 AI 又把洪水推到了新的高度（见生成式 AI 的涌入）。一项研究估计，2024 年至少有 13.5% 的生物医学论文摘要经过大语言模型处理⁵⁴；NeurIPS 2025 收到 21575 篇有效投稿⁵⁵；2025 年 10 月，arXiv 宣布计算机科学类的综述与立场论文须先经同行评议才予接收⁵⁶；一家检测公司估计，ICLR 2026 约有 21% 的审稿意见完全由 AI 生成⁵⁷。2026 年 2 月，《自然》的一篇报道讲到，德国雷根斯堡大学的一位研究者用新推出的写作工具，五十四秒就写出一篇描述虚构实验的论文⁵⁸。这些数字本身就该打个折扣：AI 生成率根本查不准，查它是制度懒惰。它们真正说明的是，旧制度是在“写出来很难”的假设下设计的，而这个假设已经失效了。

数学的变化最为剧烈（见数学）。2026 年 4 月，一个二十三岁、没受过专业数学训练的年轻人，把一道埃尔德什（Erdős）问题交给聊天机器人，得到的原始输出“相当糟糕”，却指出了一条前人没有走过的路⁵⁹。到 8 月，埃尔德什问题网站上标为已解决的问题已有 565 道，AI 参与的越来越多；网站的创办者布卢姆却担心，越来越多一两百页的论文由 AI 生成证明、检查证明、写成全文，“没有人读过，也不会有人去读”⁶⁰。6 月，《莱顿宣言》发布并获国际数学联盟背书，要求披露 AI 工具的使用，把署名与责任留给人，至今已有四千多人签名⁶¹。7 月，陶哲轩在国际数学家大会的公众讲座里谈到数学价值与实践的危机；随后，他在长文中把“解题”拆成生成、验证、讲解、发表与消化、写进教科书几个环节，指出 AI 生成证明的速度远远快过人类验证与消化的速度，并称之为“证明的消化不良”。他写道：一个没有人能够恰当解释的证明，即使经过形式化验证，也应被视为不完整⁶²。9 月，OpenAI 宣称自己的智能体系统解决了纳维–斯托克斯方程这道千禧年难题，克雷数学研究所表示这个问题“看来已被解决”，但评审会“刻意从容”⁶³⁶⁴。二十多位菲尔兹奖得主联署声明，警告 AI 公司的目标与数学共同体的目标“严重错位”⁶⁵；七百多人联署公开信，反对在加州理工学院举办一场四十小时的“数学马拉松”，担心它批量制造“垃圾数学”⁶⁶。月底，原主办者与公开信的两位作者等人发表联合声明，把活动改为给已有定理寻找新的证明、写出讲解，也不再接受专有 AI 模型开发商的赞助⁶⁷。刚获得菲尔兹奖的邓煜说得实在：AI 可以帮人查结论、找文献、验证细节，但真正推动数学前进的，还是人的直觉和想法⁶⁸。

还有一项更安静的发现。一项覆盖四千多万篇论文的研究显示，使用 AI 的科学家发表的论文约为其他人的三倍，被引次数将近五倍，也更早成为课题负责人；可是整个科学的关注面收窄了，研究者之间的互动也减少了⁶⁹。个人在扩张，集体在收缩。

洪水之中，研究者越来越迷茫。专业化让每个人只守着一小块，看不见这一块在整体里的位置；洪水让人连自己那一小块都读不完；AI 又让人说不清，哪些工作还值得由人来做。在流水线的逻辑下，专家不需要通识，只要知道“怎么做”，不必知道“为什么”¹⁰。可什么是精华、什么是垃圾，这个价值尺度最终要奠基于人的尺度；如果人放弃了培养自己的品位和趣味，AI 就只能按过去的平均口味替我们筛选⁷⁰。

九危机为什么也是转机？#

但第三重危机也是转机。信息技术和 AI 既在制造洪水，也在冲垮专业化和论文至上筑起的围墙。

先看专业化。工业时代的教育和科研之所以要批量培养专才，是因为工业生产的核心是复制，人也必须像零件那样可复制、可互换。信息的复制却几乎不花成本：造出一个 AI，就可以复制给每一个人用。复制不再是社会的主要使命，教育和科研也就有机会不再以培养可替代的耗材为目标¹¹。更直接的是，凡是能用填鸭式的方法让一大批人按部就班学会的本事，AI 很快也能学会，而且学得更好¹⁰。知识的重负可以交给机器分担：一个人借助 AI，几天里就能摸清一个陌生领域的来龙去脉，把推导验算一遍，把代码跑通；隔壁学科的文献不再是天书，跨学科的研究者第一次能在别人的领地里走得足够深。我对 AI 的发展颇为乐观，相信它会颠覆整个学术和教育体系，打通专业壁垒⁵。

再看论文。写作几乎不再花钱，“写得出来”就再也担保不了什么，论文至上的范式因此松动了。2025 年，斯坦福的研究者办了第一场由 AI 担任第一作者和审稿人的会议 Agents4Science：315 篇投稿，接收 48 篇；完全由 AI 主导的研究在投稿中占 23.3%，在录用论文里降到 14.9%⁷¹。被录用的论文里，人的参与明显更多；而人出力最多的，正是提出假说、设计研究这些前期环节。瓶颈从“写出来”迁移到了验证、讲清、消化与评价（见放大、压缩与再分配），而这四件事，恰恰都不是论文这种文体擅长承载的：它擅长提交一个结论，不擅长展示过程、分担验证、面向不同的读者讲清楚，更看不见谁提的问题、走过哪些弯路、机器在哪一步做了什么。

各个学科的反应并不相同（见 AI 进入实验室）。生命科学最早收获：2024 年的诺贝尔化学奖，有一半颁给了用 AI 预测蛋白质结构的哈萨比斯与江珀⁷²；2025 年，谷歌的“AI 共同科学家”提出的一个细菌基因转移机制的假说，与一个实验室尚未发表的实验结果不谋而合⁷³。社会科学最先感到危险：研究者用大语言模型模拟调查对象，得到的“硅样本”在平均值上很像真人，却抹平了人与人之间的差异⁷⁴；另一项研究发现，AI 机器人几乎能通过所有的注意力检测，冒充真人填写网络问卷⁷⁵。人文学者见证了机器读出古卷的奇迹，也最担心阅读、写作与解释这些基本功被外包（见人文学科）。这种担心不新鲜：书写也曾把记忆外包出去，代价是真的，可没有人因此回到口传；人文学者对这一波的反应最滞后，这才是该担心的。

依赖 AI 从来不是问题，因为“没有 AI 的环境”已经不存在了；同质化才是问题。理想的状态是，AI 的加入让许多专业重新变成“自由技艺”：不为谋生，只为求知与品位。现实也可能更糟：谋生的技艺过时之后，许多人干脆什么也不想学，专业重新变成只有极少数人参与的精英技艺¹⁰。转机不会自动到来，要靠设计（见科学能不能从职业变回兴趣）。

十人人都能做科学家吗？#

“业余者”（amateur）一词源自拉丁文的“爱好者”。科学史上，许多重大发现出自爱好者之手：威廉·赫歇尔原本是音乐家，1781 年用自己磨制的望远镜发现了天王星⁷⁶；达尔文一生没有大学职位，靠书信调动起一张由养鸽人、园丁和植物爱好者组成的网（见爱好者的时代）。科学革命初期，民间的业余爱好者都有可能做出重大发现；现代科学成熟以后，未经专业训练的“民科”就几乎无立足之地了⁷⁷。

这些年，门又开了。游戏 Foldit 的玩家在三周之内解出了一种困扰研究者十多年的病毒蛋白酶结构⁷⁸；公民科学平台 Zooniverse 在 2026 年 6 月迎来第十亿次分类，志愿者超过三百万⁷⁹；维苏威挑战赛向所有人悬赏，参赛者用机器学习读出了被火山埋藏近两千年的古卷，2026 年，一支大多由参赛者组成的研究团队读完了第一整卷⁸⁰（见公民科学的复兴）。在埃尔德什问题网站的评论区，有没有终身教职、在不在大学，都无所谓⁶⁰。AI 还能陪一个外行把陌生领域的文献读下来，把推导验算一遍；对一个真正好奇的人来说，这是有史以来最好的家庭教师。

人人可以做科学家，这句话要说清楚两点。第一，它不是说人人都得做科学家。每一个普通人本来就没有推进科学的义务，大多数人只想过好自己的日子，也再正常不过¹⁰。第二，它不是说谁的想法都算数。科学的风格从来是先融入共同体，再离经叛道：历史上提出颠覆性学说的人，往往早已能用同行认同的语言交流，能有效地读懂和利用前人的工作；想让自己的学说被同行接纳，先得进入这个互相兼容的交流平台⁴。民科的毛病不在于业余，而在于不肯进入这门共同的语言。AI 恰好能帮一个外行更快地学会它，平台要做的，则是把检查和评判的门槛守住（见拆分角色，而不降低标准）。

在这两条之内，科学可以从一份刻板的职业，重新变回一种活泼的兴趣。电报让传令兵失了业，马拉松却成了一项运动；棋早就下不过 AI，下棋、讲棋、看棋的人反而更多了（见 AI 会夺走乐趣吗）。当求知不再只是谋生的手段，有人以此为业，更多的人以此为乐，真正有求知热情的普通人和跨学科研究者就有机会重返科研的前沿。我们认为，这就是科学的复兴。

十一如果不是论文，知识该住在哪里？#

我们主张，把学术成果从“一篇论文”升级为“一件知识客体”。同一项研究，应当同时拥有七个层次：兼容期刊的核心论证；点得开的数据、代码和图表；保留失败路径与版本差异的过程记录；由视频、图谱和交互模型组成的多模态讲解；公开伦理、经费与 AI 使用情况的治理记录；供机器读取的结构化接口；以及留给后来者批评、复现和分叉的共创空间（见一件作品的七层）。七个层次对应六扇门：公众从视频进来，初学者从概念地图进来，同行从论文进来，复现者从数据和代码进来，监督者从治理记录进来，AI 从结构化接口进来。论文不必消失，它回到自己的位置，成为入口之一。

不妨想象一项具体的研究。一位心理学者想复现一个著名的实验。在旧体制里，她最后交出的是一篇八千字的论文，写明“本研究未能复现原效应”，然后等待某家期刊愿意发表这个负结果。在新体制里，她交出的是一件知识客体：核心论证照样可以投给期刊；预注册的方案、原始数据和分析代码点开即得；过程记录保留了三次修改实验设计的理由；一段十分钟的视频讲清楚这个效应为什么重要、为什么难以复现；治理记录写明经费来源、伦理审查以及 AI 在数据清洗中的用途；结构化接口让别的研究者和 AI 助手可以直接调用她的数据；共创区里，原作者的回应、另一个团队的再次复现，都挂在同一件作品上。一篇论文，变成了一个可以进入、可以核对、可以接着做的地方。

这并不是什么新奇的要求。1665 年，《哲学汇刊》创刊的同一年，胡克出版了《显微图谱》，把跳蚤和苍蝇的复眼刻成大幅铜版画；日记作家佩皮斯熬夜读到凌晨两点，说这是他这辈子读过的最精巧的书⁸¹。科学从一开始就是多模态的，只是印刷的成本让后来的论文越来越以文字为主。今天，多模态已经不再昂贵。

更进一步，我们主张以问题来组织知识客体。一个论题一页，讲清它在问什么；页里的追问通向别的论题，想深究的人可以往下潜到深读、出处、数据与过程；每一个论题又都可以是新的起点。一次学术策展因此不是一篇论文，而是一张问题网络。这个想法有很长的前史。1945 年，万尼瓦尔·布什设想过一台叫 Memex 的机器，让研究者在文献之间留下可以回溯的“联想轨迹”⁸²；今天的数学家已经把大型证明拆成可以点击的依赖图，哪一步已经证明、哪一步已被形式化验证，一目了然（见先例）。读者在网络中走过的路径，本身就是一种理解。

新的身体还要照顾一种新的读者：AI。越来越多的人先让 AI 替自己读文献，再决定要不要亲自读原文。一件知识客体应当为机器读者准备好结构：哪些是主张，哪些是证据，哪些只是推测，数据在哪里，许可是什么，版本是哪一个（见对机器友好）。对机器友好，最终也是对人友好：AI 读得准，转述给人的才不会走样。

你正在读的这组论题，就是一个小小的示例：宣言是起点，七个延伸论题各有一张策展页和一篇深读，问题彼此牵连，每一处都会继续修订（见这组论题本身就是一例）。网络也有风险：读者会迷路，内容会碎片化，维护会很累。所以每张问题网络都需要一个清楚的起点、一张地图，以及可以冻结和引用的版本（见迷宫、碎片与注意力）。

十二普通人怎样上手做科研？#

科学本来就有观众席。十六世纪末建成的莱顿解剖剧场，冬天向买了票的市民开放；十九世纪，法拉第在皇家研究院的讲座座无虚席（见科学曾是公开的表演）。是后来的专业化与论文体制，把观众和业余者越推越远。AI 让普通人第一次可以“上手玩”科研。

我们设想的研究像一局回合制游戏：研究者写一份方向文件，说明问题、约束、禁区、评价标准和预算；AI 队伍跑一个回合，检索、推演、实验、绘图、挑错、记录；回合结束交回一份战报，人来决定继续、换一条分支、回档到之前的存档点，还是喊停。每个存档点都是作品的一个版本，版本历史不再需要事后补写。

在这样的研究里，人至少有五个位置：终结者决定什么时候喊停，指挥者给 AI 指方向、划禁区，监督者盯住伦理、经费与披露，联想者抛出主意交给 AI 去验证，而人数最多的是观众（见拆分角色）。观众可以旁观一整局研究，发弹幕提议，为分支投票，打赏启动资源；他们的声音进入战报的“气氛层”，只有被研究者采纳，才变成指令。围棋在 AlphaGo 之后并没有死去；一项研究发现，超人类 AI 出现之后，人类棋手的决策变得更新颖，也更好了⁸³。AI 不一定会夺走科研的乐趣。

观众席当然也有它的麻烦，但麻烦不在热闹。观众未必能提供实质贡献，却能给研究者持续而稳定的反馈；打赏也不是流量指标，而是按乐分配最直接的样子：在直播经济里，得到最多打赏的从来不是最勤奋的主播，而是最能让大家有乐子的那一个。真正的风险是流量逻辑和外挂：算法替观众定制口味，AI 账号灌水刷弹幕，一场众人围观的科研竞赛批量生产没人核对的结论，这正是数学家们对“数学马拉松”的担忧。所以观众要有身份，声音只进入“气氛层”，不会直接变成指令；所以每一局研究都要留下完整的战报，任何结论都要经过下文所说的三条规矩。热闹是入口，不是标准。

有人会说这是把科学娱乐化。可科学本来就出身于游戏：惊奇、闲暇与辩论，都是游戏的特性；赫伊津哈也发现，知识与游戏在文明的源头上本是一体。游戏并不与严肃相悖，倒是游戏内部对严肃的要求最高：观棋不语，落子无悔。好的游戏让每一个选择都有意义。把跑得动的都交给 AI，把提问、猜想、选择与判断留给人，科研的乐趣就有可能被保留，甚至被放大。AI 不在乎这道题是深刻还是肤浅，你在乎（见为乐趣而设计）。

十三门槛降低了，标准从哪里来？#

门槛降低的是操作，不是标准。去中心化也不是扁平化：我们需要城墙，也需要大门，门上还需要门槛⁸⁴。全民科学并不意味着什么东西都可以算作成果；恰恰相反，当生产变得廉价，标准就必须更清楚。

十七世纪的科学依靠见证确立事实：波义耳邀请可信的人到场，又用详尽的报告让不在场的人也能见证；二十世纪的同行评议，是另一种见证技术。AI 时代需要新的见证技术，我们把它概括为三条规矩：证据，可以点开；成果，有人讲得清；AI，写在明处。第一条是说，每一个关键数据、图表和推理步骤都能追溯到来源。第二条是说，每一项成果都要有一个承担责任的人，能用自己的话把它讲清楚，这正是陶哲轩那条标准的意思。第三条是说，AI 的每一次参与，用了什么模型、做了什么、花了多少算力，都由平台自动记进过程记录。这是平台的契约，不是作者的忏悔：用了 AI 不是污点，不必另写一段声明，也不必像交代错误一样主动呈报；边界不画在用没用 AI，而画在有没有说谎、有没有误导读者。

各地的规则也在动，但方向未必对。主要期刊明确规定 AI 不能列为作者⁸⁵，这一条我们同意：署名首先不是名誉，而是责任，AI 背不了锅。美国国立卫生研究院则禁止在同行评议中使用生成式 AI⁸⁶；科技部监督司发布的《负责任研究行为规范指引（2023）》要求不得用生成式 AI 直接生成申报材料，也不得把它列为成果的共同完成人（见期刊、资助机构与学会的规则）⁸⁷。禁令和检测都不是办法：禁得住吗？查得出吗？该看的是作品本身，以及过程能不能追溯。评审 AI 参与的论文和评审人写的论文，应该是同一套规则，就事论事。形式化验证是最强的见证之一，但它回答的是“对不对”，回答不了“懂不懂”和“值不值”（见网络中的可信）。

审稿本身也不能整个交给机器。计算机科学家纳拉亚南在 2026 年的一次主题演讲里提醒：如果把同行评议自动化，我们实际上就把科学进步的方向交给了 AI 系统本身；人的理解不是一种有待自动化消除的摩擦⁸⁸。AI 能做的远不止帮忙：核对引用、复算数据、查找相似的工作、挑出论证的漏洞，它会做得比多数审稿人仔细。但它只能在统计平均的意义上判断什么有趣；“这项研究值不值得做、讲得清不清楚”的判断，只能由在乎这件事、并为它负责的人来做。

标准之外，还有声誉。我们主张，学术声誉应当是可积累、可展示、可互评的成就，而不是论文的计数。每个人都可以有一张学术名片：它不罗列论文和影响因子，而是列出成就，解过哪道题，在哪场团战里担任什么角色，哪件作品被多少人读懂，哪条证据链经受住了复现。策展、讲解、审校、复现这些长期被低估的劳动，也应当被记下（见策展人：新的学术角色）。成就必须与验证挂钩：成果被撤回，相应的奖杯随之作废。否则，成就系统只会变成一场新的计数游戏，重蹈影响因子的覆辙。

模型会一代代更替，提示词会过时；不会随版本号归零的，是研究者在共同体里做过的事、赢得的信任和留下的作品。一款运营了二十年的网络游戏，靠的从来不是最好的画面引擎，而是玩家积累下来的角色、成就、公会和交情。这才是一个科研平台真正的壁垒。

十四我们要做什么？#

我们要做三件事，外加一张名片。

第一，一个学术策展平台，承载七层知识客体和每个人的成就：每件作品都有版本，有披露，有评议，也有观众席；先由受邀策展人发布，再开放注册。第二，一本新期刊：每一期是一个赛季的精选，电子版与纸质版同时发行；纸刊负责吸引与导览，平台负责承载、追溯与复现，我们的杂志版宣言就是它的第一份样张。第三，一台叫“问道”的科研游戏引擎：写方向文件，AI 队伍跑回合，战报就是版本；它支持多家大模型，可以用平台额度，也可以用自己的密钥。三件事之外，是学术名片、成就与公会，让单机刷怪练级的人和组队打团战的人，都能看见自己的积累。平台的激励原则是按乐分配，不是按劳分配：分享换乐趣，成就而非计数⁸⁹。我们也在试验一个叫“文衡”的六维评估工具，它只是辅助判断的仪表，不是法官。

我们会按赛季推进：现在是第零赛季，发布宣言与这组论题；第一赛季开放问道内测，上线首批知识客体；第二赛季做第一场科研直播，出版期刊创刊号；第三赛季上线名片、成就与个人家园；第四赛季开放团战、公会与注册。顺序可能调整，原则不会变：格式开放，数据可以带走，不绑定任何一家模型公司。这条路能不能走通，我也不知道；我只知道旧路已经走不通了。我们也不指望大学和期刊自己改革。我说过，人文学术的未来不在大学，而在象牙塔外的公司和民间社团³⁹；别的学科未必这么快，但这个平台就是往那个方向迈的一步。

我们也想说清楚不做什么。我们不设付费墙，知识客体默认开放；我们不做黑箱排名，任何评分都要公开依据，并允许被评者回应；我们不替任何一家模型公司圈住用户，问道可以接入不同的模型，研究者也可以把自己的作品和数据完整带走。平台上的每一份贡献，写作、讲解、审校、复现、策展，都会被记录并署名。我们欢迎三种人：想把自己的研究做成知识客体的策展人，想上手玩一局研究的玩家，以及想先在观众席上坐一坐的人。

十五说到底，为什么要做科学？#

科研的目的是什么？是为了在高校拿一个铁饭碗赚钱糊口吗？或者是为了开发技术、提升生产力，简言之，为人类赚钱？如果仅从这些功利目的来看，AI 替代人类可能是理所当然的。但是科研的初心是什么？是好奇心和求知欲，是我们希望理解这个世界，理解宇宙的奥秘和生命的丰富。我们永远不可能让 AI 取代我们去理解。

就好比读一本悬疑小说，我们也许有一段情节没读懂，希望谁帮忙讲解一下，谁一起讨论一下——这个“谁”可以是 AI；但我们绝不希望交给 AI 去读，读完告诉我们“发现凶手了”。也许它能比所有人类都更快完成解密，但那又怎么样呢？我们就不读了吗？

宇宙的各种奥秘和悬疑小说的结局一样，或许早已写定了，或许已经由其他人或机器读到了，但我们还是希望亲自去读一遍。理解推理的过程就是趣味本身，这才是科学探究的初心和最根本的意义。

柏拉图笔下的苏格拉底抱怨过，写下来的文字像一幅画：看上去栩栩如生，你问它什么，它却只会一遍遍重复同样的话¹⁹。三百六十年来的论文，多少也是这样一幅画。今天，我们第一次有机会让文字回答追问：证据可以点开，过程可以回放，讲解可以因人而异，AI 可以陪着读者一层层往下问，作者和同行可以在同一件作品上继续对话。新的身体，也许能让书写重新获得对话的能力。

科学从来就有表演的一面：莱顿的解剖剧场卖过门票，波义耳请人到场见证空气泵实验，法拉第的圣诞讲座座无虚席。我们不怕热闹，只怕热闹代替了查验。当研究的每一个回合都被看见，每一条证据都能点开，每一次 AI 的参与都被记下，科学反而比躲在论文背后的时候更诚实。

把科学还给好奇心，不是一句温情话，而是一次价值重排。自从科学变成一种职业，学术就和别的行当一样按劳分配：多写多得，于是人人多写，人人内卷。AI 让“劳”不再稀缺，我曾主张用“按乐分配”替代“按劳分配”⁸⁹：让更会提问、更能看出什么有趣、也更能把别人带得有趣的人得到更多。这首先要为享乐正名。好奇心从来不清高：希腊人求知，也是为了在辩论里赢过对手、赢得荣誉，对无用之事认真拼争；科学家至今仍是好斗的大男孩，优先权之争从来没有停过⁹⁰。我们不打算把这些洗白成“纯粹的好奇”，只想让它们在明处进行：有规则，有对手，有观众。乐趣也有高下，烂酒鬼和品酒师都说自己爱喝酒，所以品位要养，标准不降。而衡量这一切的最后一把尺子，仍然是“利俗”：科技的福祉最终要落到普通人的日常生活里，好奇心和观众席都不能与此相悖。

科学曾经属于少数能读懂论文、熬得过金字塔的人。现在，它可以重新属于所有愿意提问、观看和判断的人。论文是印刷时代的伟大发明，但它不应成为 AI 时代的最后神像。科学不必回到古希腊，却可以重新找回古希腊人以求知为乐的那份精神。让我们为知识换一个身体，把科学还给好奇心：这就是 RenaScience，科学的复兴。

十四条主张#

1. 一

   复兴的是求知之乐，不是古人的知识。

2. 二

   论文是历史发明，不是知识的命运。

3. 三

   科研可以是一份职业，但不能只是一份职业。

4. 四

   期刊从印刷容器，转为认证、策展与展示。

5. 五

   成果是经过策展的动态知识客体。

6. 六

   复现与失败，同样值得记录。

7. 七

   AI 是透明的助手，不是影子作者。

8. 八

   人的贡献：问题、判断、品位、责任与想象。

9. 九

   公众、业余者与跨界者，都是合法的参与者。

10. 十

    对人友好，也对机器友好。

11. 十一

    发表是公共修正的开始。

12. 十二

    评价看可信、开放、可复现与可接续。

13. 十三

    科学应当可玩、可看、可参与。

14. 十四

    声誉是成就，不是计数；按乐分配，壁垒在人。