9 月 15 日，Google 公布与 Google DeepMind、MIT FutureTech 合作的科研 AI 研究：637 名英美受访科学家平均自报每周节省约 6.9 小时；同一调查中，41% 说未检验假设的积压比三年前增加。AI 可以加快写代码、分析数据和提出假设，检查输出与安排实验仍要继续；更快提出问题与更快证实答案，在这份研究里并不同步。
这项研究的价值，是把 AI 进入科研的不同环节放进同一张任务地图；它最容易被误读的地方，是把使用记录、模型清单和主观问卷当作一条已经验证的生产率因果链。对于管理实验室或建设科研工具的人，真正要问的是：上游多产出的分析与假设，谁来复核、用什么设施验证？
三类数据分别看使用、供给和研究者感受
Google 当天的发布说明把约 1500 万次 Gemini 交互、专业科学模型清单和研究者问卷放在一起。三者的观察单位不同。研究团队从 2026 年 4 月的匿名 Gemini App、AI Mode 和部分 API 交互中，依次筛出工作用途、可能涉及科研的职业，再识别科学任务，最后得到约 36 万次交互。它们是请求记录，不是 36 万名科学家，也不能告诉我们任务是否完成或节省了多少时间。
第二层是 2690 个与论文和官方代码仓库关联的专业科学模型。研究者从论文摘要抽取模型声称可支持的任务，观察科研工具的供给分布；这不是模型实际使用次数或效果排名。第三层才是 637 名美国和英国活跃研究者在 7 月 27 日至 8 月 11 日回答的问卷，涉及 AI 使用频率、时间分配与工作瓶颈。把三个来源映射到同一套科研任务分类，可以对照“用户向通用模型提出什么请求”“专业模型宣称能做什么”“研究者感觉哪里变快”，却不能把它们合并成一组人的完整工作轨迹。
通用模型铺开日常任务，专业模型集中在领域预测
Gemini 科研交互里，约 42% 被归入“分析和建模定量研究数据”，约 14% 归入研究结果交流。专业模型则更多集中在预测、生成和分类，例如蛋白质结构、基因组数据或材料模拟。论文在细任务层级看到两类工具的分布重叠较小，于是提出互补解释：通用模型帮助编程、整理和表达，专业模型提供特定领域的预测或模拟结果，再由研究者接入后续工作。
这里的“互补”是任务分布上的观察，不是同一项目里两类模型协作后提高发现率的实测结果。专业模型清单覆盖的是可被检索、符合论文和代码条件的项目，论文也明确没有评估这些模型相对传统方法的真实效能。对工具建设者而言，分类能帮助定位流程接口；能否缩短从预测到可信结论的时间，还得测复核与实验环节。
省下的时间回到研究，检查与实验开始排队
问卷中，略低于四分之三的受访者称 AI 让自己每周净省时间，平均自报约 6.9 小时；只有约 6% 称净耗时增加。研究者说，节省的时间主要投入更多研究产出、实体实验与数据采集，以及更难的科学问题。与此同时，44% 认为自己的主要瓶颈在过去两年移向研究流程下游，14% 认为向上游移动，42% 认为位置未变。当前最常见的瓶颈是实体实验和数据采集，约占 24%。
积压与复核指标让这种转移更具体：41% 说未检验假设积压增加，约 25% 说减少；在自报通过 AI 节省时间的受访者中，约 46% 说自己又把节省时间的四分之一以上用于核验、调试或事实检查。6.9 小时是受访者报告的每周净省时，46% 问的是已省时间中用于核验的比例，不能据此从 6.9 小时机械扣出一项“净收益”。这些回答也没有证明，是 AI 单独造成了实验排队：设备容量、人员配置和研究项目组合都可能改变瓶颈。
还有一个更长期的选择问题。49% 的受访者认为，使用 AI 鼓励自己选择数据和工具更成熟、风险更低的增量课题；28% 认为它鼓励自己挑战风险更高的问题。这是对各自选题倾向的主观判断，不是对已发表研究创新性的测量。Nature 2024 年的一篇独立观点文章曾提出，AI 工具可能让研究者误以为自己探索了更广的假设空间。这项新问卷提供了值得追查的信号，尚不足以证实科研已经整体变得保守。
大样本交互也无法代替成果跟踪
这份研究由 Google 及 Google DeepMind 参与，并使用自家产品日志。Gemini 样本排除了企业合同和付费客户 API 流量；团队不知道请求者的真实身份，也无法从交互看出实际完成的工作量。附录给出的任务分类准确率，在粗粒度类别约为 65%，到最细层级约为 30%。因此，细任务之间的份额差异应作为探索线索，而非精确的科研劳动普查。
问卷同样有边界。受访者来自英美专业研究面板，经过职业筛选，却不是科学家总体的概率样本；研究团队不加权，也不报告总体抽样误差。省时、产出、瓶颈和选题风险都由受访者自报，没有对照组或持续追踪。能够成立的结论是：这 637 人中，省时感受、复核负担和假设积压同时出现；全球科学家平均每周省下 7 小时，或 AI 已经增加科学发现，均未由这套数据证明。
下一步的检验应沿着完整项目走：记录 AI 生成了多少可用分析和假设，复核花了多少人时，实验设施多久给出结果，最后有多少结论经得起重复验证。若只奖励上游生成速度，研究团队得到的可能是一条更长的待检验队列；只有下游验证能力跟上，省下的时间才有机会转成可靠发现。
