科学范式正从第四范式（数据驱动）迈向第五范式（AI驱动），AI Scientist正从“科研工具”进化为“科研合作者”。这份报告勾勒了AI Scientist从Level 1到Level 5的渐进式自主化路线图——当前处于Level 3（AI科研合作者，2026-28），预计2030年后进入Level 5（AI独立科学家）。但技术挑战依然严峻：引用幻觉、工具使用<20%、上下文学习17.2%。伦理与社会挑战同样不容忽视：论文洪水冲击审稿系统、年轻科学家丧失核心实验能力、AI发现的责任归属、认识论层面的根本质疑。核心共识是“Graded Autonomy”——系统在机器速度闭环运行，但始终锚定在人类的优先事项和可验证的机制之上。
科学范式的演进——从第一范式到第五范式
五范式演进图谱
科学范式的演进经历了五个阶段。第一范式实验科学（千年前），通过观察归纳获取知识。第二范式理论科学（数百年前），通过数学建模构建理论。第三范式计算科学（数十年前），通过模拟仿真验证假设。第四范式数据科学（十年前），通过大数据挖掘发现模式。第五范式AI驱动科学（现在），通过AI自主发现新知识。
第五范式标志着AI不再仅仅是处理数据的工具，而是能够主动参与科学发现的“合作者”。这一范式转变的核心驱动力是大语言模型在推理、规划和工具使用方面的能力跃升。
第五范式的本质特征
第五范式AI驱动科学的核心特征包括：自主性——AI能够独立生成假设、设计实验、分析结果；迭代性——AI通过数据飞轮实现快速迭代优化；跨学科性——AI能够整合多学科知识进行创新；可扩展性——AI可以同时探索多个研究方向。这与前四个范式有本质区别——AI不再是“被研究者使用的工具”，而是“参与研究过程的合作者”。
AI Scientist渐进式自主化路线图
五个能力等级
AI Scientist的发展可分为五个等级。Level 1 AI工具（2020-22），代表为搜索引擎、统计软件。Level 2 AI研究助手（2023-25），代表为AI辅助文献、编码、写作。Level 3 AI科研合作者（2026-28），AI自主完成子任务，人类把控方向——这是当前所处位置。Level 4 AI主导研究者（2028-30），AI主导研究，人类监督和验证。Level 5 AI独立科学家（2030+），完全自主发现、设计、验证、发表。
每个等级的跃迁都需要在推理能力、工具使用、上下文学习、跨学科泛化等核心维度上实现突破。
当前所处位置——Level 3的机遇与局限
当前AI Scientist处于Level 3“AI科研合作者”阶段。已能自主生成研究想法并编写实验代码、在特定领域超越人类SOTA、通过Workshop级别同行评审、进行多智能体协作科研。但尚未做到通过顶会主会议审稿、跨学科的通用科研能力、湿实验自主操作、真正理解科学概念、处理长周期复杂科研项目、独立提出范式级突破理论。
核心挑战——技术、伦理与认识论
技术挑战
技术挑战包括：引用幻觉——AI编造不存在的参考文献；可重复性——缺乏标准化复现框架；深层理解——高级模式匹配vs.真正理解；工具使用——CCTU所有模型<20%；上下文学习——CL-BENCH平均解决率仅17.2%；长周期推理——SciAgentGym GPT-5从60.6%降至30.9%。
伦理与社会挑战
伦理与社会挑战包括：论文洪水——AI不间断生产导致审稿系统淹没；角色危机——年轻科学家丧失核心实验能力；责任归属——AI发现出错时谁负责；认识论挑战——没有理解的发现算“知识”吗？
核心共识——Graded Autonomy
行业核心共识是“Graded Autonomy”——系统在机器速度闭环运行，但始终锚定在人类的优先事项、可验证的机制和学科适配的理解之上。这意味着AI自主程度应根据任务复杂度、风险等级和人类监督能力进行分级，而非追求全有或全无的自主性。
未来展望——三个关键信息
AI Scientist已从概念变为现实
AI Scientist已从概念变为现实——能自主生成想法、做实验、写论文、通过评审，在特定领域已超越人类最佳水平（DeepScientist），Nature连发两篇AI科研系统论文（Co-Scientist, ERA）。
当前模型的基础能力仍有显著短板
当前模型的基础能力仍有显著短板——工具使用任务完成率<20%，上下文学习平均解决率仅17.2%，科学工具使用GPT-5仅能达到30.9%。这些数据说明，尽管AI在特定领域表现卓越，但通用科研能力仍有巨大提升空间。
未来5年是关键窗口期
未来5年是关键窗口期——闭环实验室、跨学科通用化、科研平台化正在加速，需要同步建立伦理框架和评估体系。WisPaper等平台将降低AI科研门槛。核心任务是推动从“AI辅助”到“AI合作者”再到“AI主导者”的渐进式跃迁，同时确保人类始终在关键决策节点保持监督和控制。
