《科学智能（上）：科研人员AI应用现状调查》报告发布 | 推广

报告分析了覆盖逾百个国家、横跨十余个科学领域的系统调查，揭示了全球科研群体人工智能应用现状与未来趋势。

早在1951年，英国计算机先驱艾伦・图灵（Alan Turing）便抛出具有时代穿透力的深刻命题：“若机器具备自主思考能力、智能水平有望超越人类，那么人类将承担何种价值？” 在当下人工智能（AI） 深度融入科研全流程的行业背景下，这一追问具备前所未有的现实意义。

当下AI技术的大规模应用，正驱动传统科研范式加速演进。现阶段，AI 在数据分析、自然语言处理、代码生成等标准化、规律性任务中已展现成熟优势；但在复杂系统构建、创新思辨、价值判断等维度仍存在显著局限。有观点认为， AI 工具需与人类判断力形成互补，才能更充分地实现整体最佳决策效果¹。

《科学智能（上）：科研人员AI应用现状调查》报告

为厘清全球科研工作者对 AI 工具的真实使用图景，施普林格・自然（Springer Nature）旗下的自然科研智讯（Nature Research Intelligence）联合复旦大学、上海科学智能研究院，发布了《科学智能（上）：科研人员AI应用现状调查》报告。该报告基于施普林格・自然于2026年 3 月开展的全球问卷调查，累计回收有效样本逾万份，覆盖 117 个国家和地区、12 大核心学科。报告从科研任务类型、研究者职业资历、工具使用偏好、使用满意度、行业诉求与风险顾虑等维度，系统性呈现了 AI 在全球科研群体与科研场景中的应用现状与分层特征。

报告数据显示，当前 AI 工具主要赋能科研的信息探索和内容生成阶段，在高度依赖专业责任、主观审慎判断的关键环节，应用边界仍存在明显局限。具体而言，在研究方案设计、文献信息获取、实验数据处理、学术论文撰写、文稿润色编辑、同行评审等全链条科研工作中，AI 在文献检索、文稿润色编辑环节的应用普及度持续走高。近半数科研人员会在信息搜集、文稿编辑优化阶段高频调用 AI 工具：信息搜集场景下，10.5% 受访者表示每次都会使用 AI，33.3% 会在多数情况下使用；文稿编辑场景下，“每次使用” 占比 12.2%，“多数使用” 占比 32.4%。

信息检索、文稿润色编辑是科研群体AI使用率最高的两大常规研究环节

从工具类型来看，通用大模型成为全球科研人员的主流选择，整体使用占比达 75.9%，大幅领先专业写作编辑工具、文献挖掘工具、垂直领域检索工具。 全球范围内，ChatGPT渗透率以 36.8% 位居首位，Gemini（19.4%）、Claude（6.5%）分列二、三位。区域差异化特征在国内科研场景中表现突出：国产大模型 DeepSeek 在中国科研群体中渗透率达 48.8%，在法国、德国、英国、加拿大和巴西等国家则为5.0%至8.2%。

通用大模型成为科研AI工具主流，ChatGPT全球居首，DeepSeek在中国科研群体中优势显著

在针对于利用AI开展内容挖掘工作相关的调研分层数据表明，AI 高强度使用群体呈现清晰代际特征：处于职业生涯早期的青年研究者，倾向高频使用；伴随科研从业年限增长，AI 使用频次呈阶梯式回落。区域维度上，本调研结果显示东亚科研人员 AI 应用强度领跑全球：从业不足三年的青年学者群体中，日本高强度使用占比 21.2%，中国达 15.2%，美国仅 5.7%；即便在拥有十年以上研究经验的资深学者群体中，中日两国 AI 使用强度依旧领先美国、欧洲、印度等地区。

在 AI 工具付费获取渠道层面，全球科研人员以免费自用、个人自费采购为主，来自所属科研机构的官方采购支持相对稀缺。细分产品维度，93.9% 的 DeepSeek 用户依托免费版本完成科研工作；Microsoft Copilot 是唯一机构资助使用占比近半的工具，这可能与Copilot集成于企业部分现有授权的Microsoft软件有关。同时调研发现，AI 重度使用者自费付费意愿更强，该趋势在剔除研究资历、学科门类、地域差异等干扰变量后依旧具备统计学显著性。

满意度调研结果显示，近三分之二受访者对其最常用的 AI 工具在前沿科研内容挖掘层面的支撑能力表示满意或非常满意。科研从业者普遍将 AI 定位为放大自身科研能力的辅助工具，而非能够替代人类专业判断的主体。然而，AI 生成内容在准确性和可靠性方面仍面临挑战。根据本次调研中7,000余条关于 AI 使用顾虑的开放式意见反馈分析结果， “准确性与幻觉” 是受访者最主要的担忧，共被提及4,935次。AI 生成内容存在事实虚构、信息误导等固有缺陷，此类风险持续影响研究人员对AI的信任，进而限制了科研人员对工具的深度依赖与规模化应用。未来，为保护研究诚信并最大化AI工具的价值，需要大力减少虚假引用。

该报告不仅系统地呈现了全球科研群体 AI 使用全景，也深入研判了科研智能化进程中的长期机遇与核心挑战。伴随 AI 技术持续迭代演进，当机器越来越擅长处理信息、识别规律和执行任务时，人类科研工作者的价值并未被削弱，而是将更多体现在提出关键问题、作出科学判断、坚守学术伦理以及赋予研究方向与社会意义之中。如何平衡科研产出效率与信息可信度、构建 AI 工具与人类专业判断协同互补的科研新范式，正成为全球科学界亟待破解的核心命题。

在系统梳理今天的科研人员如何使用AI的同时，复旦大学和上海科学智能研究院还将于今年9月发布《科学智能（下）：科研前沿展望》报告，将目光从当下投向未来，深入探索AI驱动科学发现的前沿图景。来自材料科学、数学、生命科学、地球科学等领域的全球一线学者亲自撰文，展望当AI从辅助工具走向科研核心，开始直面各学科最关键、最棘手的问题时，它将如何改变科学发现的路径。

例如，在材料科学领域，AI 正推动材料研究从计算单一化合物的传统模式，迈向整个材料空间的系统探索；在数学领域，生成式 AI 或将突破极值理论的变量上限，为灾难风险建模提供新可能；在生命科学领域，数字孪生大脑正通过逐步学习药理学“语言”，解释个体化药物反应；在地球科学领域，大模型则尝试成为研究者的“向导”，帮助他们从海量气候数据中找到答案。相关内容将在 Science and AI 期刊网站陆续发布。

Science and AI是由复旦大学与施普林格·自然（Springer Nature）联合创办，专注于科学智能领域的学术期刊。该期刊由中国科学院院士、复旦大学校长金力教授担任主编，诺贝尔奖得主、斯坦福大学终身教授Michael Levitt担任荣誉主编，并汇聚了高度国际化的编辑与编委团队。期刊旨在发表处于人工智能与科学发现交叉地带的高质量原创研究与综述，涵盖生命科学、神经科学、材料科学、能源与可持续发展、地球与大气科学、量子计算以及天体物理等领域，同时推动以科学数据为驱动的人工智能方法发展。

Science and AI 期刊目前已开放投稿，开放获取且无需支付文章处理费，从而使创新研究成果能够被全球看见。欢迎点击官网投稿或了解详情：https://link.springer.com/journal/44486

阅读英文版《科学智能（上）：科研人员AI应用现状调查》完整报告，可访问：https://www.nature.com/immersive/partnercontent/fudan/aiforscience/index.html

 《科学智能（下）：科研前沿展望》概述，可访问：https://link.springer.com/journal/44486/updates/52973344

参考文献：

1. Hemmer, P. et al. Eur. J. Inf. Syst. 34, 979-1002 (2025).