新科学宣言

00 // 导言

导言：论文不是知识的最后形态

我们今天太容易把“论文”误认为学术成果本身。一个青年学者要证明自己，似乎必须发表论文；一个学术共同体要确认一种知识，似乎必须把它转化为论文；一个大学或基金机构要计算学术产出，也往往首先计算论文。久而久之，论文不再只是表达知识的一种方式，而像是知识本身的通行证。

但这其实是一种历史性的错觉。论文不是从天上掉下来的形式，也不是理性本身的自然外壳。它是印刷时代的产物，是纸张、排版、期刊、邮政、学会、馆藏、引文制度共同磨合出来的文体。换句话说，论文不是知识的本体，而是知识在某一种媒介环境中，为了流通、认证、存档和争论而临时获得的一种形状。既然它曾经是被历史塑造出来的，它也必然会在新的历史环境中被重新塑造。

我的基本判断是：AI时代呼唤一种新的学术成果形态。它不应只是传统论文的电子版，也不应只是把论文PDF放到网页上，更不应只是用AI把旧论文写得更快、更长、更像论文。真正的问题是：当知识生产、知识阅读、知识检索、知识复现和知识评价都已经改变，为什么学术成果还必须被压缩成一篇边界清晰、篇幅有限、结构固定的纸面文章？为什么研究现场的原始数据、失败记录、模型版本、伦理审查、经费路径、跨学科解释、可视化呈现、公众入口和AI可读接口都只能作为“附录”存在，甚至经常被裁剪掉？

写下这篇宣言的2026年，恰好是这个问题被逼到台前的一年。6月，四千多位数学家联署了《莱顿宣言》，要求透明披露 AI 的使用，把署名与责任留给人类；20 8月，陶哲轩在国际数学家大会上把“解题”拆成生成、验证、讲解、消化和教科书化五个层次，警告数学正从“证明稀缺”走向“证明过剩”；19 9月，二十五位菲尔兹奖得主联署声明，称 AI 公司与数学共同体的目标已经“严重错位”，因为“解题只是通向概念理解与洞见的工具和代理”。21 而在这些声明之间，一个二十三岁、没有受过高等数学训练的年轻人，把一道六十年未解的 Erdős 问题交给了大模型，居然解了出来。23 连最古老、最讲究证明与署名的学科都在重新讨论成果是什么、谁算作者、什么才算完成，其他学科没有理由假装这件事与自己无关。

本文的宣言性主张是：论文仍然重要，但论文不应再是学术成果的唯一形态；期刊仍然重要，但期刊不应再以印刷时代的“期”为基本单位；同行评议仍然重要，但评议不应再只是发表前的一道闸门；AI仍然重要，但AI不应只是让我们生产更多论文，而应帮助我们重新设计学术成果本身。

01 // 印刷

一、印刷时代的伟大发明：论文与期刊的历史功绩

现代学术论文的诞生，离不开印刷革命。古腾堡《圣经》通常被视为西欧以金属活字印刷完成的第一部重要书籍，Library of Congress 将其称为西欧活字印刷史上的“转折点”，因为机械印刷使人类积累的知识不再只属于少数抄写者和少数藏书机构，而逐渐成为可以复制、交换和扩散的公共资源。1 印刷术不仅提高了文本复制的速度，更重要的是改变了知识的社会形态：知识开始具有稳定版本、统一页码、可引用位置、可跨地域传播的物质基础。

到了17世纪，印刷、邮政和学会网络进一步结合，现代科学期刊逐渐成形。1665年，皇家学会秘书 Henry Oldenburg 创办《Philosophical Transactions》，皇家学会称其为世界上最早且持续时间最长的科学期刊之一。2 皇家学会350周年出版史资料也指出，这一刊物作为一种新的印刷类型，改变了自然哲学家传播工作的速度和方式。3 这说明学术期刊一开始并不只是“发表成果”的地方，它本质上是通信网络的制度化：把私人信件、实验消息、观察报告、争论意见和书评压缩到一个可复制、可邮寄、可收藏的印刷对象中。

因此，论文的历史功绩必须被严肃承认。它把原本漫长、零散、地方性的研究过程，压缩成一个可以被陌生同行阅读和判断的对象。它有清晰的标题、作者、摘要、引言、方法、论证、结论和参考文献；它的篇幅有限，适合刊载；它的边界清楚，适合归档；它的结构统一，适合检索；它的引注系统使读者能够迅速进入共同语境。论文之所以强大，正是因为它把学术交流从人身关系、书信关系、师承关系中部分解放出来，让陌生人之间也能围绕一个稳定文本展开争论。

从这个意义上说，论文是印刷时代的一项伟大发明。它适应了纸质期刊的页面限制，也适应了邮政传播的成本结构。它把知识生产变成了一种可以批量流通的制度产品。一个年轻学者如果直接写一部专著，也许很少有人专门购买和阅读；但如果他的文章与同领域几十篇论文一同出现在一期期刊中，关心前沿的人就更可能顺手读到它。论文的传播性、可引用性、可评价性，都来自这种被期刊打包的印刷机制。

我们不能因为要进入AI时代，就简单否定论文。恐龙曾经很好地适应了侏罗纪的环境；论文也曾经很好地适应了印刷时代的环境。问题不在于恐龙是否强大，而在于新环境是否仍然奖励同一种身体结构。论文的伟大，恰恰说明它是一种环境适应的产物；而只要环境发生根本变化，适应也就必须重新发生。

02 // 数字

二、数字时代的转折：期刊仍在，媒介功能已经改变

进入数字时代以后，传统期刊的物质前提已经松动。今天的学者很少再以“捧起一期纸质期刊”为主要阅读方式。更多时候，我们是在数据库、搜索引擎、预印本平台、参考文献链、DOI链接和学术社交网络中寻找文章。读者不再首先面对一本期刊，而是首先面对关键词、摘要、引用网络和下载按钮。期刊还存在，但它的功能已经从“传播媒介”逐渐转向“品牌标识”和“认证标签”：一篇文章出现在某个著名期刊上，意味着它可能经过了更严格的筛选和同行评议，但读者并不一定通过这本期刊本身读到它。

这不是细节变化，而是制度变化。印刷期刊的基本单位是“期”：一期期刊必须装下有限数量的文章，纸张、版面、印刷和邮寄都要求控制篇幅。数字传播的基本单位却是“对象”：一篇论文、一个数据集、一段代码、一个视频解释、一个实验日志、一个模型权重、一个版本记录，都可以成为可检索对象。既然数字媒介已经允许我们发布几乎无限的相关材料，为什么学术成果还必须被裁剪成最适合纸面排版的篇幅？既然读者早已不以整期期刊为主要入口，为什么期刊还必须维持印刷时代的节奏和形态？

当然，论文的有限篇幅曾经是一种优点。它使同行能够迅速进入问题，不必重复铺垫已经共识的背景知识；尚未共识的认识也可以通过引文处理，不必把整个知识史重新讲一遍。但这个优点在数字时代开始露出反面：论文默认读者是同领域专家，因此它天然排斥初学者、跨学科读者和公共讨论。专业化在常规科学的累积阶段非常有效，却也会固化问题边界，让许多真正重要的问题无法被看见。重大的范式革命、复杂社会问题的解决、科学理论的实用化转化，往往都需要跨领域的视野，而最典型的论文体例却经常要求读者先成为“圈内人”。

这就产生了一个悖论：论文越专业，越便于同行快速判断；但论文越专业，也越不利于知识在不同共同体之间迁移。印刷时代的论文像一枚窄口瓶，能把高度浓缩的知识保存得很好，却不利于不同形态的读者进入其中。数字时代既然已经提供了多入口、多层级、多媒介的表达能力，继续只提供窄口瓶，就不再是严谨，而是浪费。

03 // 被剪掉的现场

三、被剪掉的学术现场：复现危机、发表偏差与论文的幸存者叙事

传统论文还有一个更深的问题：它把研究过程整理成一个成功叙事。为了篇幅、修辞和可读性，论文往往只保留最干净的路径：问题如何提出，方法如何设计，数据如何得到，结论如何推出。可是实际研究从来不是这样发生的。真实研究包含大量失败实验、错误假设、参数试错、数据清洗、无效结果、偶然灵感、伦理犹豫、设备故障、合作冲突和路线调整。这些材料常常被视为“冗余”，在投稿时被剪掉，在审稿中被要求简化，在发表后被遗忘。

问题在于，被剪掉的恰恰可能是理解一项研究最重要的材料。别人要复现你的结果，往往需要知道你失败过什么；别人要判断你的数据是否可靠，往往需要知道你丢弃过什么；别人要继续推进你的研究，往往需要知道你为什么没有走另一条路。论文把成果压缩成“成功的最后版本”，这在传播上很有效，但在复现、监督和二次创新上并不充分。

过去十多年，复现危机已经成为科学共同体的公开议题。2016年 Nature 对1500多名研究者的调查引发广泛讨论，其中一个核心问题就是许多研究者曾经无法复现他人的实验，甚至无法复现自己的实验。10 2019年，美国国家科学院、工程院和医学院发布《Reproducibility and Replicability in Science》，建议研究者、学术机构、期刊和资助方共同提高研究的可复现性、可重复性、透明度和严谨性。11 这说明复现问题并不是个别学科的尴尬，而是现代学术制度面对的结构性挑战。

发表偏差同样说明论文体制存在“幸存者叙事”。Fanelli 2010年分析2434篇检验假设的论文，发现不同学科中“正结果”的比例从空间科学的70.2%到心理学与精神病学的91.5%不等。12 这并不意味着所有正结果都是错误的，而是提示我们：能够出现在文献中的结果，并不是全部研究结果的随机样本。失败实验、无效结果、重复实验、没有故事性的发现，很难变成高影响力论文，于是文献世界就像一座由幸存者建成的城市，看上去繁华有序，却隐藏了大量未被记录的废墟。

近年来撤稿数量的增长，也进一步暴露了学术出版系统的压力。Retraction Watch 数据库目前收录超过65000条撤稿记录。13 Nature 在2023年报道，当年被撤回的研究论文超过10000篇，创下纪录。14 撤稿上升有多重原因：一方面可能说明造假、论文工厂、同行评议操纵等问题严峻；另一方面也可能说明检测和纠错机制更积极。但无论如何，它都提醒我们：当学术评价过度依赖“发表论文”这一单一指标时，论文就会从知识表达工具变成竞争筹码。

因此，新学术体系必须把被剪掉的学术现场重新接回来。原始数据、实验记录、代码、模型版本、参数日志、失败路径、伦理审查、经费记录、同行质疑、作者回应，都不应只是论文背后的影子，而应成为学术成果的一部分。数字平台完全可以承载这些材料；AI也完全可以帮助读者在这些材料中检索、摘要、追问和比对。真正的问题不是技术做不到，而是我们是否愿意承认：一项学术成果本来就不等于一篇成功叙事。

04 // 洪流

四、AI时代的论文洪流：当写作、审稿和综述都可以自动化

如果说数字时代已经削弱了纸质期刊的媒介基础，那么AI时代则进一步动摇了论文体例的劳动基础。传统论文写作曾经要求作者博览群书、系统归纳、严密推理、结构化表达、修辞润色和引文整理。这些能力当然仍然重要，但它们越来越多地可以被AI辅助甚至部分替代。AI能快速生成综述框架，压缩文献，整理争点，改写语言，生成图表，检查格式，模拟审稿意见。于是论文生产的门槛下降，速度提高，数量上升。

学术文献的总体规模本来已经巨大。STM Association 的开放获取仪表板显示，2014至2024年全球文章、综述和会议论文数量增长了53%，年复合增长率约为4%；同一时期金色开放获取论文占比从14%升至40%。5 OpenAlex 自称索引超过4.7亿件学术作品。6 arXiv 的月度提交统计显示，截至2026年6月30日，其累计提交量超过309万。7 这些数据并不全都由AI造成，但它们构成了AI时代的背景：人类学者面对的不是知识匮乏，而是知识过剩。

在AI研究领域，这种压力尤其明显。NeurIPS 2024事实表显示，2024年会议共有17491篇投稿、13640名主会审稿人。8 NeurIPS 2025主会又收到21575篇有效投稿，接受5290篇，录用率为24.52%。9 这当然说明研究共同体活跃，但也说明传统审稿制度正在被规模压迫。论文越来越多，审稿人越来越疲惫，读者越来越依赖摘要和排行榜，综述越来越需要自动化，最后就出现一种奇怪的局面：AI写作，AI审稿，AI总结，人类在其中似乎只剩下署名、打分和背责。

已有研究开始估计AI对学术写作与审稿的渗透。Liang等人2024年关于AI会议同行评议的研究估计，在ICLR 2024、NeurIPS 2023、CoRL 2023和EMNLP 2023等会议中，6.5%至16.9%的审稿文本可能被大语言模型显著修改或生成。16 另一项关于科学论文中LLM使用的研究估计，到2024年2月，计算机科学论文摘要中的AI修改内容比例最高可达17.5%。18 这些数字需要谨慎理解：AI辅助不等于学术不端，语言润色也不等于思想替代。但它们确实表明，论文作为一种文本产品正在进入可自动化生产的阶段。

两年之后回头看，这些数字已经显得保守。2025年10月，斯坦福举办了第一场由 AI 担任第一作者和审稿人的会议 Agents4Science：三百一十五篇投稿，四十八篇接收；三种大模型审稿人之间的评分相关系数只有0.48，超过一半的投稿至少有一条被标记为有问题的参考文献。耐人寻味的是，完全由 AI 驱动的研究占投稿的23.3%，在接收论文里却降到14.9%——人在选题与研究设计上介入越多，成果越站得住。27 2026年2月，《自然》报道计算机科学正被“AI 垃圾”淹没，一位研究者用新的写作工具五十四秒就生成了一篇虚构实验的论文；30 arXiv 则从2025年10月起不再接收未经评议的综述与立场文，因为这类 AI 生成的投稿已成洪流。31

更深的变化发生在数学。陶哲轩在2026年国际数学家大会上指出，数学正在从“证明稀缺”走向“证明过剩”：AI 生成证明的速度快于人类验证，验证的速度快于写成可读的讲解，讲解的速度快于同行评议，发表的速度快于把结果消化进教科书。他把这叫作“证明的消化不良”，并提醒我们，现有的学术制度是在稀缺的假设下设计的，在过剩之下表现糟糕并不奇怪。19 中国科学界的判断与此呼应：AI 能够产生海量假说，但“绝大多数无法被验证”，真正要下功夫的是“评价机制、组织形式”。39 一句话，瓶颈已经从“写出来”迁移到“验证、讲清、消化和评价”，而这四件事，恰恰都不是论文这种文体擅长承载的。

问题因此变得更加尖锐：当AI可以写出结构清楚的论文，可以做文献综述，可以模拟同行评议，可以生成多版本摘要，那么人类究竟还要在学术生产中扮演什么角色？我的回答是：人类不应把自己继续限定在“论文压缩工”这个角色上。AI擅长归纳、整理、格式化、相似性迁移和大规模检索；人类更应承担提出问题、选择方向、判断价值、感知异常、承担伦理、保持品味和展开想象的角色。

所谓品味，不只是审美，而是判断什么问题值得研究、什么方向有益于人类、什么异常值得追踪、什么结果虽然暂时无用却可能打开新世界。AI没有身体，没有生命史，没有脆弱性，没有自己的欲望和痛苦。它可以模拟兴趣，却不能真正为一个问题承担存在论上的关切。前沿学术探索很多时候并不依赖大众平均趣味，而依赖少数研究者对异常的敏锐感知、对旧范式的不安、对未来可能性的想象。传统论文体例恰恰最不擅长呈现这种感受力和想象力，因为它总是要求作者把探索过程整理成事后看来理所当然的逻辑链条。

因此，AI时代的新学术体系不是让AI替人类写更多论文，而是让AI把人类从重复性、压缩性、格式化的劳动中释放出来，使人类重新回到问题本身、世界本身和价值判断本身。

正因如此，把科学可视化、通俗化的入口纳入学术成果本身，绝不是锦上添花的装饰。人类要以品味和灵感介入研究，要在跨学科的交流中实现边界突破，前提是科学对人类保持可见、可感：看得见异常，才谈得上敏锐；进得了语境，才谈得上想象。多模态的策展入口，正是感性能力得以介入研究的基础设施。

有人可能会追问：这种人机分工是否只是暂时的？如果有一天，AI真的能够无需人类而自行推进前沿研究，人类不再能为科学提供实质性的智力贡献，那么科学的可视化与通俗化是否就失去了意义？我的回答恰恰相反：到那时，可视化和通俗化不是变得可有可无，而是变得更加要紧。因为那时的人类比任何时代都更需要知道：AI究竟在研究什么？它的研究对人类有没有益处？有没有正在逼近某种不可接受的伦理风险？如果AI的自主科研最终把科学变成一个人类看不透的黑箱，那无异于亲手打开了潘多拉的魔盒——里面飞出的是福音还是灾祸，我们竟无从分辨。

因此，保持科学的“可视”“可感”“可及”，是一件超越当下人机分工的、有长远意义的事情。今天，它帮助人类研究者以品味和灵感介入研究，让跨学科的边界突破成为可能；明天，它可能是人类理解和监督AI科研的最后窗口。无论知识的生产者是人还是机器，科学都必须停留在人类可以看见、可以感受、可以进入的范围之内——这也是学术策展在AI时代更深一层的理由。

05 // 全民科学

五、全民科学：不是降低标准，而是拆分角色

如果说 AI 让论文的生产变得廉价，那么它同时也让另一件事变得可能：科研的门槛第一次低到了普通人可以“上手玩”的程度。2026年4月，一位名叫 Liam Price 的二十三岁年轻人，在“一个闲散的周一下午”把一道 Erdős 问题输进了 GPT-5.4 Pro，他并不知道这道题已经悬了六十年；合作者、剑桥本科生 Kevin Barreto 看出了输出的意义并通知专家。陶哲轩事后评论说，此前所有研究者的开局都是“一套标准动作”，而 AI 走了一条不同的路，用了一个人人都知道却没人用在这道题上的公式；专家们把粗糙的原始输出提炼成一份被称作“书中证明”的漂亮论证。《科学美国人》给这种玩法起了个名字：vibe-mathing——从题库里随手挑题、让 AI 试、凭感觉探索。23 到2026年8月，Erdős 问题网站上已有五百六十五题被解决、六百五十二题开放，业余爱好者、职业数学家与 AI 系统在同一个评论区里协作。24

这不是数学的特例，而是一条更长传统的延续。2011年，游戏 Foldit 的玩家在三周之内解出了困扰科学家十几年的一种逆转录病毒蛋白酶结构，论文发表在《自然·结构与分子生物学》上；35 2014年，RNA 设计游戏 EteRNA 的三万七千名玩家成为一篇 PNAS 论文的共同作者；36 从星系分类项目 Galaxy Zoo 生长出来的 Zooniverse 平台，到2026年志愿者超过三百万，累计完成了十亿次分类。37 而早在2009年，Gowers 就在博客上发起“博学者计划”，问的正是“大规模协作的数学是否可能”，几十位从职业数学家到爱好者的参与者在评论区里给出了一个组合定理的新证明。38 陶哲轩把这条线索推到了 AI 时代：他明确倡导“公民数学”，认为本科生、业余爱好者和有兴趣的人都可以在大型协作项目中贡献文献检索、数值计算、验证步骤这样的模块化工作；形式化证明助手更让协作从“五个人的上限”扩大到“像现代供应链一样的工业规模”，因为“你不需要信任合作者，程序给你百分之百的保证”。19

但全民科学不是把标准放低，而是把角色拆开。当 AI 能够自主跑完一整套科研流程，人类在其中至少还有五种位置。第一是终结者：决定什么时候喊停。AI 可以盯着一个猜想跑无限长的时间，也可以自发布置实验、调动机器人，但要不要继续投入算力、要不要冒安全的风险，取决于人对资源和安全的权衡。第二是指挥者：给 AI 指明方向、划出禁区，就像 Karpathy 的 autoresearch 项目里那份由人写的方向文件——人不再逐行写代码，而是“编排代理”，让机器一夜之间跑上百个实验。29 第三是监督者：盯着伦理、经费与披露，不让研究越界。第四是联想者：必须承认 AI 也有想象力，但人类最顶尖的直觉仍然高明。人提出主意，AI 立刻补完技术细节去验证，这个主意很快就会得到检验，值得继续还是应该放弃。邓煜在获得菲尔兹奖之后说得很实在：“借助 AI 填补证明里大量的技术性细节，让人类本来能完成的工作可以更快完成”，但“真正推动数学前进的还是人的直觉和想法：一是提出好问题；二是提出问题之后，你有什么样的思路”。25 第五种位置人数最多，却最常被忽视：观众。他们未必能提供实质贡献，却能给科研活动提供持续而稳定的反馈——观看、提议、投票、打赏、监督。每个人给的不多，聚沙成塔却是一股不可忽视的力量。

有人会问：看别人做研究有什么好看的？2010年代的游戏直播也曾面对同样的质疑——真的有那么多观众自己不玩游戏，成天盯着看别人玩，还愿意为此花钱吗？事实证明这样的观众多的是。自2017年起，AI 的围棋水平就远远甩开了人类，但人类对围棋的热情并没有被消灭，讲棋和复盘反而成了热门内容。科研也是同样的道理：搞科研不必比 AI 更强才有人看。研究可以像回合制策略游戏，研究者通观全局、调配资源、下达指令，等 AI 运作一轮再介入；可以像剧情游戏，主要是看和选，失败了回档到某个节点重来；可以像对抗游戏，由 AI 自动推进“兵线”，人择机修订战略；更多的时候，人压根不操作，而是看 AI 玩、实时解说。

当然，全民科学也有它的陷阱，而这些陷阱在2026年已经暴露得很清楚。Erdős 问题网站的创办者 Thomas Bloom 担心的是：“AI 正被大量不是数学家的人使用……没有人读过那个证明，也不会有人去读。”24 七百多位数学家联名反对在加州理工学院举办的一场四十小时“数学马拉松”，理由是仓促用大模型攻开放问题只会制造“垃圾数学”，把验证的负担甩给共同体。41《莱顿宣言》一方面说“欢迎共同体的扩大”，一方面要求新来者“尊重共同体的价值”。20 所以全民科学的前提不是人人都能发论文，而是三件事必须内置在平台里：每一条进入证据层的内容都要有可点击的来源；每一项成果都要有人——而且是承担责任的人——用自己的话讲清楚；每一次 AI 的参与都要被记录和披露。陶哲轩有一句话可以当作标尺：“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。”19 门槛降低的是操作，不是标准。

如果把全民科学当真，就得为它设计一种可以长期运营的形态，而这方面最成熟的先例不在学术界，在大型网络游戏。一款运营了二十年的网游，靠的从来不是最好的画面引擎——引擎年年换——而是玩家在里面积累的角色、成就、公会和交情。科研平台也应当如此。你可以单机刷怪练级：一个人带着 AI 队伍去解一道小题；也可以组队打团战：几十个人分工攻一个开放问题，像博学者计划那样，只是这一次有引擎替你记账、验证和分工。你会和别人攀比：谁解的题更硬，谁的证据链更干净，谁的讲解被更多人读懂；你会积累奖杯，也会搭建自己的家园。这些积累有一个共同的特点：它们不依赖任何一代模型。模型会迭代，提示词会过时，但一个人在共同体里做过的事、赢得的信任和留下的作品，不会随版本号一起归零。这就是为什么我们说，平台的核心壁垒是技术之外的：AI 工具永远依赖大模型的开发，而社区的粘性、成就的积累和身份的沉淀，只能靠时间和人。

06 // 学术策展

六、新学术成果：从“论文文本”到“学术策展”

如果论文是印刷时代的基本学术对象，那么AI时代的基本学术对象应当是什么？我认为，它应当是一个开放网络平台上的多模态、分层、可追溯、可复现、可对话、可版本管理的动态知识客体；而生产和维护这种知识客体的过程，就是学术策展。为了方便理解，也可以把它想象成一个网页，或者更准确地说，一个围绕某项研究成果而生成的小型知识网站。

这个知识客体不是要取消论文，而是把论文放回它应有的位置：论文只是其中的一个入口，主要面向专业同行，提供兼容传统期刊的严谨论证文本。除此之外，同一个成果还应包含面向不同读者的多种入口。面对普通公众，它可以提供一段视频、一张知识图谱、一组交互式图表或一份图文海报，说明这项研究究竟解决了什么问题，与人类生活有什么关系。面对初学者和跨学科读者，它可以提供概念词典、背景脉络、方法导览和渐进式阅读路径。面对同行专家，它可以提供完整论文、数据集、代码、实验记录、统计过程、模型版本、审稿历史和回应记录。面对管理者和监督者，它可以提供经费使用清单、伦理评估报告、利益冲突声明、实验室安全记录和风险说明。面对AI，它可以开放结构化元数据、Markdown版本、API接口、机器可读数据格式和清晰许可协议。

这并不是空想。开放科学已经在制度层面提出类似方向。UNESCO 2021年《开放科学建议书》由193个国家一致通过，强调开放科学应建立共同定义、价值、原则和行动路径，并推动科学知识更加开放、可获取和可复用。4 FAIR原则也早在2016年就强调，科学数据和相关数字对象应当可发现、可获取、可互操作、可复用，并特别强调机器可行动性，因为人类越来越依赖计算系统处理大规模复杂数据。15 这些原则如果继续推进，就必然要求学术成果不再只是PDF，而是由文本、数据、代码、元数据、工作流和解释界面共同构成的研究对象。

新学术成果至少应包含七个层次。第一，核心论证层：保留传统论文的严谨文本，使同行能够审查问题、方法和结论。第二，证据追溯层：所有关键数据、图表、代码、实验记录、模型参数和统计过程都可以点击追索。第三，过程记录层：保留失败路径、修改历史、版本差异和重要决策，使研究不再只是成功叙事。第四，多模态解释层：用视频、图表、动画、交互模型、概念地图等方式帮助不同读者理解。第五，治理透明层：公开伦理审查、经费、利益冲突、安全与隐私处理。第六，AI接口层：为AI抓取、问答、复核、比对和二次分析提供规范格式。第七，共创演化层：允许后续研究者提交批评、复现结果、替代解释、修订建议和派生项目。

这样一来，学术成果就从一篇封闭文本变成一个开放生态。它不再是发表后凝固的纪念碑，而是可以持续更新的研究现场。它的价值不只在于结论是否新颖，也在于材料是否透明、路径是否可查、解释是否充分、复现是否方便、争论是否开放、未来是否可接续。

07 // 期刊

七、期刊的转型：从印刷容器到认证、策展与公共展示窗口

在这种新体系中，传统期刊不会立刻消失，也没有必要立刻消失。有悠久历史和深厚声誉的期刊仍然拥有学术共同体的信任资本，仍然可以承担认证、筛选和聚合功能。但它们不应再把自己理解为纸质版面的管理者，而应转型为知识平台上的认证节点、策展机构和公共展示窗口。

期刊的核心任务应从“把论文装进一期期刊”转向“把优秀研究组织成可信的知识入口”。它可以继续组织同行评议，但评议结果不应只是接受或拒稿，而应成为知识客体的一部分：哪些问题被审稿人质疑，作者如何回应，哪些数据后来被补充，哪些结论被修订，哪些复现尝试成功或失败，都应被记录。发表不应是一锤定音，而应是研究对象进入公共纠错和持续演化阶段的开始。

纸质期刊仍然可以存在，但它应当成为一种展示性、导览性、公共传播性的前端，而不是唯一的正式版本。我们可以想象一种新的期刊：它看起来更像一本图文并茂的思想杂志或科学时尚杂志，用更生动、更可视、更有叙事感的方式展示前沿成果；但它把严谨、复杂、枯燥、可复现的部分留在网络平台上。纸刊负责吸引、解释、导览和建立公共兴趣；平台负责承载、追溯、复现和持续更新。

这种转型也会改变学术评价。过去评价论文，常常看期刊等级、影响因子、引用次数和作者单位。新体系应增加更多维度：数据开放程度、代码可运行程度、复现记录、跨学科可理解性、公共解释质量、伦理透明度、AI使用披露、版本修订质量、负结果记录、后续研究的可接续性。真正重要的学术成果不只是“被发表”，而是能被理解、被检查、被复现、被质疑、被修正、被再利用。

08 // 问道

八、AI辅助套件：不是代写论文，而是恢复学者的学习与创造

除了搭建开放网络平台，我们还需要一套AI辅助工具。但这套工具的目标不应只是帮助研究者更快写出一篇传统论文。如果AI辅助只是在旧制度中提高论文产量，那它反而会加剧论文洪流、审稿拥堵和低质量内容泛滥。真正需要的是一种全流程学术辅助套件：帮助研究者在保持主体参与的前提下学习、理解、提问、探索、组织材料，并最终生成多模态学术作品。

这个套件可以暂名为“问道”。它首先应帮助学者进入知识，而不是替学者绕过知识。面对一篇枯燥难啃的论文或一本厚重著作，AI可以生成概念图、问题树、争论谱系、方法导览、关键段落提示和跨学科解释，使学者更快找到值得细读的地方。但它不应完全取代阅读，因为真正的思想往往发生在慢读、误读、停顿和困惑之中。AI应节省整理资料的机械时间，而不是剥夺学者与文本相遇的机会。

其次，套件应以启发式对话帮助学者发现自己的关切。今天很多学术训练把学生训练成文献机器：先找gap，再补gap，再写成论文。但真正有生命力的研究往往来自更深的兴趣、困惑、经验、愤怒、热爱和想象。“问道”应当通过持续对话帮助研究者辨认：你真正关心的是什么？你为什么对这个问题不安？你看到的异常在哪里？你的学科训练遮蔽了什么？你愿意为哪个问题承担长期风险？

最后，套件应把传统论文生产转化为多模态学术策展。它可以帮助学者整理文献、生成初稿、检查论证、制作图表、格式化引文，同时生成公众版解释、初学者导读、同行版论文、数据说明、代码说明、伦理说明、AI可读元数据和平台发布包。这样，研究者不是先写一篇论文，再额外做科普、数据归档和平台维护；而是在同一个工作流中，自然生成一个完整的动态知识客体。

在具体形态上，“问道”应当更像一台回合制的游戏引擎，而不是一个聊天窗口。研究者先写下一份方向文件——问题意识、约束、禁区、评价标准、预算——然后由 AI 队伍跑一个回合：检索员找文献，推演员理思路，实验员跑代码，绘图员画示意，审稿员挑毛病，记录员写日志。回合结束时交回一份可读、可视的战报：进展评分、新增证据、风险提示、待决问题，以及几条可以选择的分支。人类看过战报，可以下达下一回合的指令，可以回档到之前的存档点换一条路，也可以喊停，把这一局打包成知识客体交给平台。每一个存档点就是作品的一个版本，版本历史不再需要事后补写，而是交互过程的自动产物；AI 的每一次参与——用了哪个模型、查了哪些来源、花了多少算力——也都自动进入披露记录。观众可以旁观整局研究，在弹幕里提议，为分支投票，而他们的声音只进入战报的“气氛层”，只有研究者采纳之后才会变成指令。这样，“人写方向、AI 跑回合、战报即版本”，就把陶哲轩所说的生成、验证、讲解、消化四个层次压进了同一个工作流。

09 // 蓝图

九、项目蓝图：平台、新期刊与“问道”

基于上述判断，RenaSci / 新科学 将以三个互相连接的组成部分展开。第一，是学术策展平台。它不是论文库的简单升级版，而是一个面向学术作品发布、认证、检索、复现、对话和共创的平台。每一项成果都有唯一标识、版本历史、多模态入口、数据追溯、AI接口、评论与复现区，并能够根据不同读者的身份和需求生成不同阅读路径。

第二，是依托于平台的一种新期刊。它同时以电子和纸质形式发行，为传统期刊转型提供范例。我们不指望传统期刊立刻消亡，也不认为它们应该被粗暴抛弃；相反，我们希望展示一种温和而彻底的转型：期刊从知识的容器变成知识的窗口，从版面管理者变成策展者，从一次性发表变成持续性认证。我们的期刊可以更像一本图文并茂、具有审美品质和公共吸引力的杂志，负责把复杂成果带到更多读者面前；而完整、严谨、可追溯的部分则沉淀在平台中。

第三，是“问道”（暂定名）全流程学术辅助套件。它帮助研究者从阅读、选题、提问、资料整理、论证建构、写作、可视化、数据归档、伦理说明到平台发布，完成一整套工作流。它不是“论文代工厂”，而是“研究共同体的脚手架”：帮助人类更好地学习、想象和判断，也帮助AI更规范地参与知识生产。

把三者串起来的，是一个此前的学术制度里不存在的角色：观众席。平台上的每一件作品、每一局研究都可以被旁观、回放和评论；期刊的每一期都是一个“赛季”的精选；问道的每一局都可以直播或事后回放。观众不是学术的外部，而是学术现场的一部分——他们的提议可能被采纳，他们的打赏可能成为一项小研究的启动资源，他们的存在本身就是对研究者最稳定的反馈。

由此引出蓝图的第四件东西：学术名片。今天的学者主页是一份枯燥的清单——论文、期刊、引用数，外加一个影响因子；它告诉你一个人发表了多少，却说不出他做成了什么。我们要提供的名片列出的是成就：解决过哪个问题，在哪场团战里担任过什么角色，哪件作品被多少人读懂，哪条证据链经受住了复现。名片还会生成一份多模态的学术小传——文字、图示、时间线、关系网、可听可看的讲解——由本人与 AI 共同整理，随作品的积累自动更新。同样的方式也可以用来为一位知名学者做策展：围绕他的成就、历史地位和关系网做一次多模态的集中展示，让后来者不必从论文清单里猜测他是谁。名片与策展页都开放给平台内部的用户和 AI 点评与评分，评的是成就与作品本身，而不是数量和期刊的名头。学界并非没有察觉论文计数与影响因子的荒谬：早在 2012 年，《旧金山科研评估宣言》就呼吁停止用期刊影响因子评价个人研究者；42 2015 年，《莱顿科研计量宣言》提出十条原则，第一条就是定量评价应当支持、而不是取代定性的专家判断。43 我们只是把这两份宣言的诉求做成一个人人可用的产品：一种以成就为单位、可积累、可展示、可互评的学术身份。

10 // 主张

十、十四条主张：AI时代新学术体系宣言

一、我们主张，论文是历史发明，不是知识命运。它曾经适合印刷时代，但不应垄断AI时代。

二、我们主张，期刊应从印刷容器转型为认证、策展、导览和公共展示机构。期刊的声誉应服务于知识可信度，而不是束缚知识形态。

三、我们主张，学术成果应从单一文本升级为经过学术策展的动态知识客体。文本、数据、代码、图表、视频、实验日志、失败记录、伦理材料和AI接口都可以是成果的一部分。

四、我们主张，复现不是论文发表后的额外事务，而是学术成果设计之初就必须内嵌的结构。不能被检查的成果，不应享有过高的学术信用。

五、我们主张，失败结果、无效结果和重复实验应被记录、检索和评价。学术共同体不能只收藏胜利者的故事。

六、我们主张，AI应成为透明的学术助手，而不是匿名的影子作者。凡使用AI深度参与写作、分析、代码、评审或可视化者，都应留下清晰说明。

七、我们主张，人类在AI时代最重要的贡献不是格式化写作，而是问题意识、价值判断、身体经验、伦理责任、异常感知和想象力。

八、我们主张，普通公众、初学者和跨学科读者不是学术成果的外部观众，而是合法读者。一个知识客体应当允许不同层次的人以不同入口进入。

九、我们主张，学术成果应当同时对人类友好和对机器友好。可读性与机器可行动性并不矛盾，它们共同构成AI时代的知识基础设施。

十、我们主张，学术发表不应意味着终结，而应意味着进入公共修正过程。版本、批评、复现、分叉和修订都应被制度化记录。

十一、我们主张，学术评价应从论文数量和期刊等级，转向知识客体的可信度、开放度、可复现度、解释力、公共价值和可接续性。

十二、我们主张，建立“新科学”平台、新型期刊和“问道”辅助套件，使人类与AI在新的媒介环境中形成有机配合，而不是让人类被旧论文制度和新AI工具同时挤压。

十三、我们主张，科学应当可玩、可看、可参与。AI 降低的是操作科研的门槛，而不是判断成果的标准；有人上手玩，所有人都能当观众，而每一件成果都必须有人讲得清、查得到、认得账。

十四、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。平台真正的壁垒不在模型而在人：像一款长期运营的网络游戏那样，研究者在共同体里做过的事、赢得的信任和留下的作品，不应随任何一代 AI 的更替而归零。

11 // 结语

结语：不是废除论文，而是解放学术成果

本文不是一篇反论文宣言，而是一篇反“论文唯一论”的宣言。论文仍然会存在，正如书籍在互联网时代仍然存在，纸刊在数字时代仍然存在。真正需要改变的是我们对学术成果的想象：一项研究不应被迫变成一篇论文才算存在；一个学者不应只通过论文数量证明自己；一个共同体不应把最复杂的知识生产过程压缩成最容易计量的文本产品。

印刷时代把知识从手抄本和私人通信中解放出来，创造了书籍、期刊和论文。数字时代把知识从纸张中释放出来，创造了数据库、预印本、开放获取和搜索引擎。AI时代则应把知识从单一文本中进一步释放出来，创造多模态、可追溯、可复现、可对话、可演化的新学术成果。

恐龙不是因为弱小而灭绝，而是因为环境改变以后，旧身体结构不再适应新世界。传统论文也不是因为粗糙而过时，恰恰相反，它曾经太成功了，以至于我们忘记它只是某个时代的身体。现在，新的环境已经出现：学术成果不再必须被折叠进纸页，读者不再只通过期刊进入知识，AI不再只是工具而是知识流通中的新行动者。于是，一个新环境呼唤一种新模式。

我们也不打算把科学变成一场表演。恰恰相反：当研究的每一回合都被看见，每一条证据都能被点开，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。科学曾经属于少数能读懂论文的人，现在它可以重新属于所有愿意提问、观看和判断的人。

我们要做的不是把论文写得更像论文，而是让学术成果重新变得丰富、透明、可感、可查、可问、可改。我们要做的不是把人类排除出知识生产，而是让人类从机械整理和格式化竞争中解放出来，重新承担提出问题、感受世界、判断价值和想象未来的责任。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。