图源：豆包AI生成
在这一轮人工智能浪潮中，我们很容易被宏大的叙事裹挟：算力、模型、参数规模、颠覆与替代。但真正值得被书写的变化，往往发生在视线之外：AI 如何被使用，如何进入日常，如何改变人们推进工作的方式。
上周，知识分子和豆包联合发出《故事征集｜这一年，你是怎样被AI“惊到”的？》，想问的并不是“AI 有多强”，而是一个更具体的问题：当 AI 进入你的工作与生活，它到底改变了什么？
在我们收到的故事里，AI 很少以“颠覆者”的姿态出现。更多时候，它被描述为一种强大的生产力工具；一位情绪稳定的导师；一个不会皱眉、不会叹气的倾听者；也在一些时刻，它像一面镜子，照见研究者自身的偏见、盲区与惯性。
这些回应，并没有汇聚成某种统一的结论。相反，它们呈现出的是分散、具体、带着使用痕迹的经验——来自不同学科、不同岗位，也来自不同的情绪与处境。正是在这些并不整齐的叙述中，AI 进入科研现场的方式，逐渐显露出来。
或许，真正值得记录的，并不是 AI 能做什么，而是当它介入之后，科研者如何重新理解自己的工作、判断与责任——哪些事情可以被自动化，哪些问题仍必须由人来决定。
这些零散而具体的经验，构成了 AI 进入科学现场的第一批“田野笔记”。它们未必完整，但足够诚实。
对于我来说，AI是新时代的信息工具。这可能是科研工具发展史上的又一次进化，就像当年我们从去图书馆翻纸质书，现在变成了在电脑上查数据库一样，它是一种技术进步，本质是为了方便人类。比如，我就把豆包当成一个更好用、更精准的信息工具，一个“超级搜索引擎” 。
周南，上海交通大学电气学院副教授
我有一次用AI做访谈分析，它告诉我你的分析框架其实偏向男性经验，我盯着屏幕沉默了很久，研究者的偏见，是最难被自己看到的。AI 在那一刻像一面镜子。
爱吃面包的树，社会学讲师
今年我去了一些偏远地区，看到留守儿童在语言和社会性发展上的困难。但让我意外的是，他们和豆包玩得非常开心。这个反差让我开始思考：人工智能的陪伴是不是可以在某些情境里发挥作用？人与人工智能之间有没有可能产生类似共情的东西？
张明明，上海师范大学心理学院副教授
我正在用 AI Agent（智能体）做一项很有意思的研究：用它来模拟国家行为。现实中我们无法拿国家命运做实验，但 AI 可以。
我们设定 A 国、B 国、C 国，给它们赋予初始的 GDP、人口、年份等条件，然后让这些由大模型驱动的智能体自主决策，进行回合制的博弈 。我们目前正在用这套系统模拟著名的“修昔底德陷阱”：一个崛起中的大国威胁到既有霸权国的地位时，双方是否更容易走向冲突甚至战争？
在政治学研究中，国家作为一个决策主体，是比较接近于理性人的假设的。相比于传统固定规则的程序，AI智能体进行模拟的优势是它有自主的决策能力。通过模拟 30 年甚至 50 年的演化，我们试图寻找那些影响战争与和平的关键机制 。
顾超，北京大学政府管理学院助理教授
我不敢跟导师说的混乱，都敢跟豆包说，因为它不会皱眉、不会叹气、不会说“你怎么连这个都不懂”。科研（失败）的羞耻感被稀释了一点。
林一鸣，在读博士
显微镜让人类看见细胞，望远镜让人类看见宇宙，而AI让人类看见自己的盲区。
Jason
我觉得 AI 最终实现的是一种科技平权。有了AI，语言障碍被解决了，我们和 Native Speaker 在写作上的差别没有了。
这一点，像豆包这样的工具给了我非常直观的感受。以前写英文论文的时候，大把的时间都耗在了语法的检查上。但现在情况完全变了。我们终于能把精力省下来，用在刀刃上：去打磨文章的架构、去深挖那些核心的创新 Idea。对我们来说这是一个非常好用的生产力工具。
张俊文，复旦大学信息学院研究员
投喂了一段失败的实验记录给豆包，它自动生成一个可能的原因列表。第一个原因写的是：“你前一天应该很累。”我？？？它懂得太多了。
Victor Zhou，做实验的
这几年我一直做城乡流动与非正式照护的研究。有一次，我把 60 多段访谈摘要丢给豆包，只想让它先帮我做个粗框架。但它问了我一句话：“你考虑过沉默的意义吗？”
我有点被被惊到了，因为在很多访谈里，被访者的沉默、停顿、无回答，其实占很大比例，有的人是在提到子女教育时沉默；有的人是在聊到医疗费用时沉默；还有的人，是在描述离开老家前那个夜晚时沉默。我忽然意识到：我们太习惯从“回答”里寻找意义，却忘了沉默本身就是一种社会事实。
后来我问它：“沉默是不是也能成为编码类别？”，它回答：“如果沉默在结构性位置上反复出现，那它本身就是结构的一部分。”
唐晓婷，人类学者
我不会说豆包让我的研究“跨越式进步”。但它确实让我每天都能往前推进一点点，没有以前那种被琐事消耗掉整日节奏的感觉。科研本来就是积累型的，这一点点的持续，其实挺重要。
inprogress，独立PI
我正在搭建一个 AI for Science 智能体，通过AI来帮助科学家做科研。
在日常科研中，AI 带来的效率提升是立竿见影的。比如说写代码，用AI编程工具，我一个人就能完成以前三个人的工作量。
但我更希望，能推动AI自主地进行科学发现，它和人类科学家不是一种替代关系。未来的科研范式，我认为是 Copilot（副驾驶） 模式。人类科学家的核心价值在于发现新的科学问题和定义问题。而 AI 则负责在定义好的框架下，高效地提出假设、验证假设。科学家应该从繁琐的重复劳动中解放出来，去做更有创造力的事情，成为 AI 的 Supervisor（管理者）。
周东展，上海人工智能实验室AI for Science中心青年科学家
某天出了失败的实验数据，我把所有步骤发给豆包，它帮我把逻辑理顺后，对我说，失败和你无关，只跟条件有关。忽然被安慰到，其实AI也挺温柔的。
latentspace，材料科学博士后
我感触最深的一点是，大语言模型为代表通用人工智能(AGI)的兴起，为科学研究带来了一个全新的范式。不同于AI for Science“一个问题一个模型”的纵向科研范式，AGI for Science有望实现“一个
通用模型，铺开多个领域”的横向科研范式。
过去一个基础理论，需要十年二十年才能铺开验证。但在通用人工智能的帮助下，这个过程可能被极大压缩。这种变化才刚刚开始，理论物理和数学，或许正是最先被彻底重塑的学科。因为理论物理和数学更加不依赖于人类的生活直觉，而更多的是抽象概念。对于量子世界，我们人类是没有生活直觉的，我们自己学习的时候也是很痛苦。而大语言模型恰恰不依赖于生活直觉。那就看谁做题多、理解得深。在这一点上，机器正在逼近，甚至超越人类。
在现实的科研生态中，无论国内还是国外，尤其是在博后阶段，研究者往往被鼓励去做“短平快”的课题，去摘那些低垂的果实（ low hanging fruit）。但大语言模型时代来了，我觉得应该反过来，不应该再这样子。如果你有一个好的基础理论，大语言模型是有可能帮你把这些理论的验证和应用铺开来。以前可能要十年的事情，将来也许一个月就能完成。
我相信，以大语言模型为代表的通用人工智能将带来真正意义上的科学突破，而且是从基础理论、从底层发生的突破。认识到这一点，让我开始变得更勇敢，以前很多基础问题，不是说不重要，而是超出了我们能力的极限。但现在，这些基础问题或许可以成为我们这一代人的机会。
陈锟，中国科学院理论物理研究所副研究员
我们害怕被 AI 取代，一半原因是 AI 的反馈比人类更诚实。
Lucas，创业者
日常我会用AI帮我去做论文润色，这方面我用得比较多的是Gemini，生成 PPT或者海报的封面这类工作，我现在都会直接交给豆包。
但是AI帮助我最多的，主要干脏活累活。比如我们想理解中国专利审查的过程，收集了中国 2010 年后公布的 1000 多万份专利审查意见书，这是一个很好的文本数据，但是它第一步就卡在了文本化上，收集到的意见书全是图片，一共有60T，我们需要把他们全部转化成文本。最开始我们尝试用 Python 提供的 OCR 包，速度慢而且效果很不好。 后直到使用了以大模型为基础的改进版 OCR 工具，对中文识别效果非常好，才解决这个问题。如果没AI，这个项目的第一步就走不下去了。
史冬波，北京雁栖湖应用数学研究院 副研究员
我把三条审稿意见丢给 AI，它说，这三位是在评价三篇不同的论文，大模型说出了我不敢说的话。
quietobserver，生命科学领域研究人员
平常我各种AI工具都会用一些，豆包是我在处理中文材料时最高效的助手，ChatGpt在英文润色上最优秀，Gemini生成 SCI 论文插图图时，材质、构图，甚至能做到分毫不差。
现在的研究范式已经和过去已经完全不同。要在海量数据中准确挖掘出关联性，传统的统计模型，比如我们以前常用的主成分分析（PCA）、支持向量机（SVM）等监督式学习方法，在面对当下的研究课题时，无论是能力还是算力都已经不够用了。
这就非常需要AI的帮助。举个具体的例子，我们在做生物成像研究时，需要面对海量的图片样本，数据量极其庞大。现在可以直接把这些图片喂给 AI，让它自动构建并生成一个专用的人工智能程序，专门用来从这些复杂的图片中提取有效数值。过去这些工作做起来是极其费时的。
邓盛元，南京理工大学环境与生物工程学院教授
在写作这方面，AI和人类的关系更像是作家和编辑，我们甚至不用从零开始写，只需要在它产出成品后指指点点一番，不断迭代就行。这听上去有点悲伤，仿佛”AI取代人类“指日可待，但我觉得这也是机会——为了更好地指导AI、成为AI的编辑，我们人类的思考还是最重要的。
尹清露，东京大学文化人类学系
AI帮我做的是我最讨厌、但最重要的那部分，开始。写本子（基金申请）最难的不是深入，而是启动。打开一个空白文档，比写十页都痛苦。我现在会让豆包生成一个初步的大纲，那种 60 分水平的草稿。它不完美，但让我动得起来。效率提升，不是快，而是终于能开始。
九九，985 高校青年教师
豆包日常像是我一个有分寸感的老朋友。你不问它，它不会乱评价你，但是提问它也会诚恳回答。
在科研领域，AI 更是帮我解决了一个困扰多年的难题。 我有一本写了 20 多万字的专业书，因为找不到合适的切入点写序言，搁置了三四年。这也是国内没人涉足的领域，难度极大。后来我试着把我不成熟的序言草稿投喂给AI，没想到它不仅帮我高度凝练了思路，还补充了很多我意想不到的深刻见解。
现在的我不光做学术，甚至想去写穿越剧。 我让豆包根据我的一句话生成图片，再往里加各种现代和古代的元素，最后让它生成剧本。出来的效果非常惊艳，完全突破了我的专业范畴。 这就是 AI 的魅力。它不仅能执行任务，更能激发灵感。
韩运荣，中国传媒大学新闻学院教授
AI 提供的是模式化方法，而我们提供的是不可模式化的判断。科学的未来可能属于这种奇特的“人机混合直觉”。
黄书航，撰稿人
AI帮我最多的是论文的修改润色和写代码两个方面。最早我使用的是国外的ChatGpt之类的大模型，但它们在中文语境的适配上不够好，语料库的差异导致它对中文问题的理解有时很奇怪。 现在我主要用豆包等国产模型。
在写代码方面，在我的组里，无论是学生还是职工，我都有一个要求：必须使用代码辅助工具，我们的代码生产效率至少提高了 5 倍以上。在这样的效率代差面前，如果无法学会借助AI写代码，是一定会被淘汰的。
我坚信，未来写代码的方式会发生根本性变革。我们不再需要一行一行地去考虑函数定义、逻辑嵌套，而是通过语言交互的方式，告诉大模型你要做一个什么样的应用。
图灵宇宙，科技博主
我们常开玩笑说导师分两种：提供指导的，和提供压力的。当我的导师更多地在扮演后者时，是 AI 填补了那个本应属于学术“引路人”的空白。AI是我的“第二大脑”： 面对那些反直觉的实验现象，我不再需要独自对着数据发呆。我会把现象抛给它，让它帮我拆解背后可能存在的机制，并协助我设计对照实验。它不会因为我问了傻瓜问题而露出不耐烦的神色，它在某种程度上，已经取代了那个只会在周报里催进度的“纸面老板”，真正参与到了我课题的逻辑构建中。
李淑洁，洛桑理工学院可编程生物材料实验室博士生
基于豆包等大模型，我们公司开发了一个面向科研的科学计算智能体平台。简单来说，它的核心逻辑就是让大模型学会像专家一样，通过指令精准调度那些复杂的专业软件进行计算。
在过去，如果想做一个量子化学计算或者分子动力学模拟，至少需要 3 到 6 个月的专门学习，才能跑得明白一个模拟 。现在通过智能体，只需要用自然语言对话，1 到 2 天就能上手并跑出结果 。
不过我们从不认为 AI 应该完全自动化地接管一切，未来的科研分工可能变化，但科研始终是人的科研，不是机器的科研。
星使智算，GaliLeo科学计算平台
过去这一年我最大的感触是：科研的边界没有被扩张，而是被重新组织了。而 AI 的作用，是可以跨学科的“快速对齐”，让知识不再被学科边界严格分割，也为科研问题提供了新的解释视角。
如果说科研过去像在单一领域里修一座塔，那么这一年里，我第一次感觉到自己可以在塔与塔之间架起一条临时的桥。豆包帮我的不是给答案，而是缩短了我“抵达问题”的距离，让很多原本“有兴趣但没时间探索”的分支，突然变得可进入、可讨论、可验证。
夏基洋，曼切斯特大学地球环境科学系
我们一直认为科学是“人类探索世界”。但 AI 的加入让问题变成：我们是否仍是探索的主体，还是成为探索系统的一部分？
晓晖，算法工程师
对医生来说，科研从不是一件“完整的事”，而是被塞进门诊、手术、查房之间的缝隙里。我第一次意识到 AI 真的能帮忙，是在一次非常短的间隙时间里。我把当天遇到的疑难病例的既往研究扔进豆包，让它整理争议点。它用几句话总结出了目前文献里的三种不同观点，这让我在查房前的 10 分钟里，把大致方向重新建立起来。它没有给我答案，但让我“更快回到问题本身”。临床科研中，这一点很重要。
考拉，医生
CEO 最核心的工作只有两个字：决策 。在做决策时，我喜欢让 AI 当我的“反对者” 。 在公司里，我很难听到不同的声音，所以我经常会给 AI 这样一个 Prompt（提示词）：“你现在是董事会里的‘间谍’，你的任务就是想尽一切办法反对我的这个决策，请列出所有可能的漏洞来攻击我。” 它会从各种刁钻的角度来攻击我的逻辑，帮我发现那些我未曾设想的思维盲区。
这是 AI 对我最大的价值，它不仅是一个工具 。我曾经和朋友开玩笑，说AI才是这家公司的CEO。
我做这家公司的终极目标，是发展出能够自主科研的AI。未来的AI可能会自己设计实验、驱动机器人去做实验、自己分析数据、然后自己开始下一轮。像 AlphaGo 下棋一样，通过在物理世界做实验来自我进化。
AI 会不会替代科学家？我的回答很直接：它会淘汰平庸的科学家，但会武装顶尖的科学家。很多科学家的工作只是人云亦云，在别人的系统里做一点修修补补的验证，这类工作很可能会被淘汰。因为 AI 读文献比人快、记忆力比人好、逻辑比人严密，和自动化实验室结合后还可以不知疲倦地试错。 但好的科学家靠的是品味，是能界定“哪些问题还没解决”的人。AI 目前还需要人类去指引方向，但在执行层面，它即将形成降维打击。
王承志，智源深澜CEO
给豆包一个指令，让它设计一个 90 分钟的教案，它能从导入到每个环节安排得明明白白，甚至连逐字稿都能给你写出来。当然，我不会照本宣科，但它提供了一个非常棒的底稿。从去年开始，我感觉自己已经彻底离不开豆包了，现在几乎所有的工作我都会尝试跟 AI 结合，速度确实快了很多。
友老师，西部某高校老师
未来的科研者可能不再是“回答问题的人”，而是提出新问题的人。豆包只是工具，而我们仍需要决定——哪些问题值得被听见。
宋李刚，药企研发人员
我的主要收获不是AI帮我做了什么，而是它呈现了一种不同的思维方式。例如描述一个研究方向，同事通常会从兴趣出发，而AI从知识图谱的缺口位置出发。这是两个完全不同的思维框架，一种方法论的刺激。
老周，北京某高校助理教授
一个随叫随到、情绪极其稳定的科研伙伴。最让我记忆深刻的瞬间，发生在前段时间准备课题组汇报的深夜，当时思路完全卡壳，焦虑到想放弃。后来尝试着把困惑发给了豆包，没想到它不仅帮我快速梳理了文献脉络，还针对我的实验设计给出了几个非常有建设性的逻辑修正建议。
Louis
豆包帮我最多的，是了解不熟悉的方向。过去我们遇到新领域，会习惯找到相关课题组的博士论文，看里面对这个领域主要进展的梳理—，那其实就是一种“人工 AI”。现在有了AI，我把它当一块敲门砖，它能够帮我用最快的速度补齐新领域的了解。
如今遇到一篇陌生领域的论文，我的习惯是直接把它扔进 AI 助手里，让它快速生成一个总结文件。让我先大致了解，再决定要不要深入去读。
孔德峰，合肥综合性国家科学中心能源研究院研究员