中青报·中青网记者 吴欣宇
读文献、做实验、开组会、写论文——这曾是一名博士生的日常。如今，这个清单里多了一项：和AI对话。
2026世界青年科学家峰会期间，记者在会场遇到了多名青年研究者。聊起AI，他们交流最多的不是“替代”，而是“协作”：AI帮他们把文献综述从数月压缩到两周，帮他们在实验开始前多想一层，也帮不同学科的研究者“听懂彼此”。
这份感受有数据支撑。近日，爱思唯尔联合《中国青年报》发布《科研之信：未来研究者》青年版调研报告，面向我国高校及科研院所在读博士生开展。调查显示，93.8%的受访博士生每周数次或每天使用AI开展科研工作，其中67.5%的受访博士生已形成每日使用习惯。95.9%的受访博士生认为AI对科研具有重要影响。
AI为年轻研究者带来了什么
接触一个新方向，曾是科研路上最耗时的环节之一：检索、筛选、阅读、整理，一轮系统的前期调研往往需要数月。而现在，AI正将这个以“月”为单位的过程，压缩到以“周”计算。
高峻奇是哈尔滨工业大学博士生，研究方向是高效机器学习。现在，他在正式读文献之前，会先借助AI工具梳理论文的研究问题、技术路线和核心贡献，再带着问题开展精读。“原本可能需要半年左右完成的前期调研，现在两周左右便能建立起基本认知框架。”
AI的价值，不仅在于提速。对于哈尔滨工业大学博士生李梦璐来说，如今AI已成了她实验设计中的“好帮手”。她的研究围绕锂电池电解质与界面设计展开，日常离不开实验。每当产生新的研究想法，她会先利用AI梳理近年来的研究进展，了解领域现状、研究空白和可能的创新方向，形成初步方案后，再结合自己的判断开展实验设计和验证。
在李梦璐看来，AI的价值不只是提高文献阅读效率，更在于扩展思考维度。“设计实验时，有时会忽略某些对照组设置，或没有想到某种表征方法，AI能够帮助补充这些思路。”
当科研的边界不断向交叉学科延伸，沟通的壁垒往往比技术本身更难突破。空军军医大学博士生杨日升对此深有体会，她的研究方向是核素分子引导的诊疗一体化，涉及医学、计算机、工程等多个领域，跨学科合作是日常。
“有时大家都以为自己已经表达得很清楚，但实际上讨论的可能根本不是同一个概念。”杨日升说。现在，她经常借助AI理解其他学科的基础概念，也请AI帮助将医学问题转换成其他领域更容易理解的表达方式，跨学科沟通的成本明显降低。
调研显示，随着AI逐步参与更复杂的科研任务，博士生开始将AI应用于文献梳理、数据分析、研究设计乃至创新探索等更深层次的科研环节。
效率和判断之间，人的价值在哪里
调研还发现，随着AI在科研中的应用越来越多，博士生普遍对信息来源是否透明、知识依据能否追溯、分析结果是否能够验证，表现出越来越强的关注。
高峻奇的态度很明确：“AI能帮助完成代码实现、信息整理等工作，但真正决定研究方向的，仍然是研究者自身。”他还特别提醒刚进入科研训练阶段的学生，过早依赖AI可能影响知识积累和问题理解能力。
“AI会成为更高级的助手，而我们也需要成为更高级的使用者。”长期使用中，李梦璐对AI的局限有清醒认识，她发现，AI有时会迎合提问者，所以不能简单接受结论，要不断追问和验证。无论技术如何发展，研究者都需要保持独立判断能力。
作为医学研究者，杨日升则认为课题提出、数据分析中的关键判断，不应该全部交给AI。在涉及科研结论可靠性的问题上，研究者必须承担最终责任。
复旦大学教授刘雳宇表示，近年来在指导学生的过程中明显感受到，年轻研究者获取信息的门槛正在快速降低。但与此同时，科研训练也面临新的挑战：当所有人都可以获得海量信息时，真正拉开差距的能力，变成了如何理解信息、质疑信息，以及从信息中发现新的问题。
“用AI就像用导航软件，它能精准告诉你从A到B的路径，但无法告诉你为什么选择这条路。”刘雳宇打了一个比方，他认为科研中最有趣的地方在于探索，但AI却让我们略过了大量的思考时间。
从查文献到做设计，AI正在成为科研探索的重要伙伴，但提出问题的人、作出判断的人、对研究结果承担责任的人，始终是研究者自己。在AI时代，科研人员需要的，不只是更高效的工具，也包括可信、透明、可追溯的科研支持。基于这一需求，爱思唯尔推出科研级AI工作平台 LeapSpace，依托同行评审科学内容，为研究者提供可追溯的参考依据，支持文献探索、研究设计等科研环节。技术不断向前，保持对科学的好奇与热忱，并在每一次选择中坚持独立判断，或许才是科研人最不可替代的“核心竞争力”。
谈及未来的科研人才培养，刘雳宇提出三个关键词：洞察力、品味和全局观。“不要默认知识多就一定正确，更不要因为AI给出了答案，就停止思考。”刘雳宇说，越是在技术快速发展的时代，越需要保持批判性思维。AI能够帮助科研工作者完成大量规律性、重复性的工作，把更多精力留给真正重要的问题；科研人员需要做的，是在众多可能性中作出选择，判断什么问题值得研究、什么方向更具价值。
来源：中国青年报客户端
