---
version: v0.3
title: 从论文到知识客体：AI时代的新学术出版宣言
date: 2026-06-30
contributors:
  - 胡翌霖：项目发起、原始提纲、审阅方向
  - OpenAI Codex：网页结构、术语修订、双语化、版本记录与发布整理
  - GPT-5.5 Pro：扩写稿参考文本
ai_models:
  - GPT-5.5 Pro：扩写用户原始宣言
  - OpenAI Codex / GPT-5 coding agent：整合、改写、站点实现和部署
note: 这是当前 RenaSci 网页发布版的 Markdown 导出，不是原始提纲，也不是 5.5 Pro 扩写稿的逐字副本。
---

# AI时代的新学术体系：从印刷时代的论文体例，到AI时代的多模态学术作品

_一份关于学术出版制度转型的宣言（扩写稿）_

## 摘要
本文主张：传统学术论文不是知识的天然形态，而是印刷时代、邮政网络、学会制度与期刊经济共同塑造出来的一种历史性文体。它曾经高效、严谨、可复制、便于同行交流，但当学术传播进入数字时代，尤其进入AI时代以后，论文作为单一成果形态的局限已经越来越明显。未来的学术成果不应只是被压缩成一篇论文，而应成为一个多层入口、可追溯、可复现、可对话、可版本管理、同时面向人类与AI的动态知识客体。本文并不主张废除论文，而是主张结束“论文独占学术成果”的时代，建立一种以开放平台、新型期刊和AI辅助套件为核心的新学术体系。


## 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？

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。


## 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。


## 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。


## 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。


## 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。

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。


## 五、新学术成果：从“论文文本”到“动态知识客体”

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。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。


## 六、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。


## 七、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。


## 八、项目蓝图：平台、新期刊与“问道”

基于上述判断，本项目初期将产出三个东西。第一，是“新科学”（暂定名）学术成果交互平台。它不是论文库的简单升级版，而是一个动态知识客体的发布、认证、检索、复现、对话和共创平台。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。


## 九、十二条主张：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。


## 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。


## 参考文献与数据来源

[1] Library of Congress. “The Gutenberg Bible.” 说明古腾堡《圣经》是西欧用金属活字印刷的第一部重要书籍，并将其称为书籍制作史上的转折点。https://www.loc.gov/exhibits/bibles/the-gutenberg-bible.html （访问日期：2026-06-30）
[2] The Royal Society. “History of Philosophical Transactions.” 说明《Philosophical Transactions》由 Henry Oldenburg 于1665年3月创办，是世界上最早、持续时间最长的科学期刊之一。https://royalsociety.org/journals/publishing-activities/publishing350/history-philosophical-transactions/ （访问日期：2026-06-30）
[3] The Royal Society. “Philosophical Transactions: 350 years of publishing at the Royal Society.” 展览资料指出该刊物开启了科学期刊这一新的印刷类型，并改变了17世纪自然哲学工作的传播速度。https://royalsociety.org/-/media/journals/publishing/publishing-350-exhibition-catalogue.pdf （访问日期：2026-06-30）
[4] UNESCO. “Development of the UNESCO Recommendation on Open Science” 与 “UNESCO Recommendation on Open Science.” 说明该建议书于2021年11月由193个国家一致通过，并提出开放科学的共同定义、价值、原则与行动路径。https://www.unesco.org/en/open-science/development；https://www.unesco.org/en/open-science/about （访问日期：2026-06-30）
[5] STM Association. “Uptake of Open Access (OA).” 数据显示2014-2024年全球文章、综述和会议论文数量增长53%，金色开放获取占比由14%升至40%。https://stm-assoc.org/oa-dashboard/oa-dashboard-2/uptake-of-open-access/ （访问日期：2026-06-30）
[6] OpenAlex. “About us.” OpenAlex 说明其索引超过4.7亿件学术作品，并提供开放研究索引。https://help.openalex.org/hc/en-us/articles/24396686889751-About-us （访问日期：2026-06-30）
[7] arXiv. “Monthly Submissions.” 页面显示截至2026年6月30日，arXiv累计提交量为3,090,255。https://arxiv.org/stats/monthly_submissions （访问日期：2026-06-30）
[8] NeurIPS. “NeurIPS 2024 Fact Sheet.” 数据显示2024年NeurIPS共有17,491篇投稿，主会审稿人13,640名。https://media.neurips.cc/Conferences/NeurIPS2024/NeurIPS2024-Fact_Sheet.pdf （访问日期：2026-06-30）
[9] NeurIPS Blog. “Reflections on the 2025 Review Process from the Program Committee Chairs.” 说明2025年NeurIPS主会收到21,575篇有效投稿，接受5,290篇，录用率24.52%。https://blog.neurips.cc/2025/09/30/reflections-on-the-2025-review-process-from-the-program-committee-chairs/ （访问日期：2026-06-30）
[10] Monya Baker. “1,500 scientists lift the lid on reproducibility.” Nature 533, 452-454 (2016). 该文报道了关于可复现性危机的研究者调查。https://www.nature.com/articles/533452a （访问日期：2026-06-30）
[11] National Academies of Sciences, Engineering, and Medicine. Reproducibility and Replicability in Science. 2019. 报告向研究者、机构、期刊和资助方提出提高可复现性与可重复性的建议。https://www.nationalacademies.org/projects/DBASSE-BBCSS-17-03/publication/25303 （访问日期：2026-06-30）
[12] Daniele Fanelli. “‘Positive’ Results Increase Down the Hierarchy of the Sciences.” PLOS ONE 5(4): e10068, 2010. 研究分析2434篇论文，报告不同学科正结果比例差异。https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0010068 （访问日期：2026-06-30）
[13] Retraction Watch. Homepage. 页面显示 Retraction Watch Database 收录超过65,000条撤稿记录。https://retractionwatch.com/ （访问日期：2026-06-30）
[14] Richard Van Noorden. “More than 10,000 research papers were retracted in 2023 - a new record.” Nature, 2023. https://www.nature.com/articles/d41586-023-03974-8 （访问日期：2026-06-30）
[15] Mark D. Wilkinson et al. “The FAIR Guiding Principles for scientific data management and stewardship.” Scientific Data 3, 160018 (2016). 该文提出可发现、可获取、可互操作、可复用原则，并强调机器可行动性。https://www.nature.com/articles/sdata201618 （访问日期：2026-06-30）
[16] Weixin Liang et al. “Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews.” arXiv:2403.07183, 2024. 研究估计若干AI会议中6.5%-16.9%的同行评议文本可能经LLM显著修改或生成。https://arxiv.org/abs/2403.07183 （访问日期：2026-06-30）
[17] Alexander Goldberg et al. “Usefulness of LLMs as an Author Checklist Assistant for Scientific Papers: NeurIPS'24 Experiment.” arXiv:2411.03417, 2024. 研究报告NeurIPS 2024中LLM辅助作者检查清单的实验。https://arxiv.org/abs/2411.03417 （访问日期：2026-06-30）
[18] Chenglei Tang et al. “Mapping the Increasing Use of LLMs in Scientific Papers.” arXiv:2404.01268, 2024. 研究估计到2024年2月计算机科学论文摘要中AI修改内容比例最高可达17.5%。https://arxiv.org/html/2404.01268v1 （访问日期：2026-06-30）