Club提要：7 月 23 日，两位中国籍数学家首次斩获菲尔兹奖；同届获奖者 Jacob Tsimerman 随即宣布加入 OpenAI，从纯数学研究前沿转向人工智能 安全研究。同期，美国白宫发布《Science: A New Golden Age》（科学：新的黄金时代）报告，围绕 AI 时代的科研竞争，系统重构美国科研资助、国家实验室布局、人才战略和科技成果转化体系。
当“AI 能否推动科学突破”不再是争论焦点，一个更深层的问题浮出水面： 随着大模型、算力、数据和顶尖科学家持续向少数平台集聚，未来科学发现的方向、评价标准及其公共收益，将由谁来主导？
本文系统梳理了 AI 大模型如何推动科研从单点工具，升级为由模型、数据、仿真模拟、实验与领域专家共同构成的闭环系统，并在此基础上剖析美国这份“黄金时代”报告的创新逻辑与内在结构性矛盾——科学不等同于技术，科研优势唯有依托人才、工程、制造与技术扩散体系，才能转化为可持续的国家竞争力。
在全球科技竞争加剧背景下，国际科研合作的重要性并未削弱。科学家作为核心根基，共享科研设施、开放技术标准、师资培育与多语种知识传播，都是 AI 时代不可或缺的战略基础设施。
文章反思当下 “唯科学论” 存在的局限：胚胎基因编辑、医疗数据治理、发表至上、AI安全以及“全民基本收入”等一系列伦理和社会议题，都亟待深入探讨。归根结底，科学在探索“是不是”，技术可解答“能不能做”，但都无法独自判定“该不该做”，以及“权力和责任归属何人”。所谓科学黄金时代，最终取决于科学发现的增速，以及能否与公共治理能力、制度责任、人的尊严协同共进。
一、“最后一届人类的菲尔兹奖”：AI加速重构科研体系
AI正在重构科研范式，将原本由公共机构主导的知识生产体系，转变为依托私人模型与平台运行的新型科研系统。
菲尔兹奖得主Jacob Tsimerman宣布加盟OpenAI深耕AI安全研究，正是全球科研重心迁移的典型缩影。Stanford 2026 AI Index数据显示，2025年超90%的前沿核心模型由产业界研发落地。AI已然成为核心科研工具，但这一工具依托私人资本搭建，遵循商业节奏迭代升级，依靠权限管控与定价机制分配使用资源。
AlphaFold曾让这场科研变革落地具象化。其蛋白质结构数据库已收录超2亿个预测蛋白质结构，基本覆盖已知蛋白质全域。2024年诺贝尔化学奖颁给Demis Hassabis、John Jumper与David Baker，正是对这一突破的认可。
该成果的核心价值，不止于AI攻克生物领域难题，更在于私人AI实验室与欧洲生物资讯研究所（EMBL-EBI）等公共机构联动，将稀缺的专业科研能力转化为可普惠共享的公共科研基础设施。以往耗时数月才能获取的蛋白质结构线索，如今数分钟即可落地为实验基础，彻底重构了科研实验的优先级筛选逻辑。
AI大幅拓宽了科研探索的候选范围，但所有理论预测最终依然需要实验验证。AlphaFold仅是AI赋能科研的开端。Google DeepMind GNoME项目筛选出220万个候选晶体结构，预判38.1万个全新稳定材料，将传统计算材料数据库规模扩充近一个数量级。但理论稳定预测不等于实际可落地，新型晶体材料仍需历经合成、表征、工艺放大、供应链核验与成本优化等全流程验证，才能转化为电池、催化剂、半导体等实用产业材料。
这套AI科研闭环模式，已全面渗透材料、气候、医药、自动化等核心科研领域。微软MatterGen可根据目标性能定向生成新材料，Aurora专注构建高精度大气模型，BioEmu实现蛋白质动态构象模拟。韩国科学技术院团队依托AI设计并验证四种OLED绿色发光材料，将量子化学计算成本压缩百倍以上。日本理化学研究所RIKEN部署2000块高端GPU搭建科研超算平台，通过AGIS计划打通生物、材料模型、自动化实验室与共享算力体系。这类项目形成统一科研架构：大模型生成科研假设，专业工具完成精准计算，科研人员与智能设备落地实验验证，新数据反向迭代优化模型，让传统线性科研流程升级为闭环迭代系统。
当下AI+科研的核心，也不再是追求单一的大模型性能，而是由“模型—数据库—检索—模拟—代码—仪器—专家”构成的完整科研栈。“AI科学家”的表述易造成认知偏差，误导公众认为AI可独立完成科研发现。
EMBL的Petroni Group正研发可自主调用工具、检索文献、对接实体实验室的AI智能体系统，但同时明确，现阶段AI无法主动识别知识缺口、搭建跨学科关联。OpenAI联合波士顿儿童医院、哈佛大学复盘376例未解决罕见病病例，为18例病例提供全新诊断线索。此次突破的核心价值，并非AI独立攻克罕见病诊疗难题，而是临床人员、基因数据、诊疗流程与AI模型协同联动，让封存的疑难病例获得重新研判的可能。
AI正在打破数学领域的传统科研边界，颠覆人类固有思维模式与学术审美直觉，助力攻克平面单位距离问题、埃尔德什第1196号问题等经典数学难题，从科研辅助工具升级为跨领域联动的核心研究伙伴。业内戏称2026年菲尔兹奖或将是最后一届纯人类获奖榜单。
华裔数学家陶哲轩多次提出，数学家的工作模式正在彻底革新：AI如同可监督的科研助理，能够完成文献检索、非形式化思路转译、特例测试、代码生成等基础工作。数学研究的核心优势在于成果可机械核验，AI大幅拓宽科研探索边界，形式化证明则为科研过程提供精准纠错保障。
全球AI竞争日趋激烈，Anthropic、OpenAI、DeepMind、Meta等科技巨头，凭借远超高校的薪酬体系与海量算力资源，大规模吸纳计算机、经济、哲学、物理等领域的顶尖科研人才，加速全球科研重心从公立高校向私营科技企业转移。
在国外，行业核心矛盾并非科研人才脱离公共科研体系，而是公共科研机构长期承担人才培养、数据开放、前沿试错的基础职能，却因算力不足、资金匮乏，难以参与最前沿的科研竞争。一线科研人员被迫两难抉择：要么依托封闭商业平台开展前沿研究，要么坚守开放科研体系却受限工具短板。
科研资源分配失衡问题愈发凸显，新型科研算力、完整模型调用权限、训练数据核查能力、实验复现条件，完全受制于企业战略布局。英国皇家协会将算力、数据、专业技能、可信AI系统纳入核心科学政策范畴，而非普通科研采购内容。经合组织倡导搭建覆盖算力、数据、模型的公共AI科研基础设施。德国亥姆霍兹基础模型倡议依托公共超算搭建七大跨学科科研试点，全面开放代码、训练数据与模型资源；RIKEN也明确表态，科学知识不应被少数商业企业垄断。
公共科研体系建设并非排斥企业参与，而是弥补商业科研的固有短板。商业资本更倾向布局数据充足、反馈快速、市场前景清晰的科研赛道，不愿投入长期观测、阴性实验结果、小众领域疾病、无短期商业化价值的基础理论研究。有研究对4130万篇学术论文复盘发现，AI赋能可提升科研人员个人学术影响力，但会压缩整体科研体系的研究维度。AI擅长挖掘已有高数据密度领域的增量成果，却无法精准判定真正具备突破性的科研方向。
新时代科研制度设计，需以保障公共科研权利为核心。公共科研机构需配备长效算力、可审计数据资源、自动化实验设备与专业技术团队，而非短期有限的API使用权限。公私科研合作需明确实验复现权、数据审计权、阴性成果发表机制、持续访问权限与知识产权边界。AI4S的评价体系需从成果演示转向实效核验，重点考察科研假设的实验可行性、跨机构复现性与研究范围拓展能力。例如，AlphaFold的公共价值，核心在于成果接入EMBL-EBI体系，成为可持续、可普惠的开放科研资源。
AI深度融入科研已成既定事实，行业争议不再是是否接纳AI，而是由谁主导科研议程。蛋白质结构解析、新材料挖掘、罕见病诊疗、数学形式化证明等领域的突破真实可鉴，但算力、人才、实验验证资源正持续向少数商业平台集中。科研的核心主导权始终归属人类，科研人员需自主确定研究问题、选择研究方法、核验AI输出成果、验证实验结论。唯有将商业AI技术能力对接公共科研需求，保留科研开放、成果可复现、数据长期留存的核心机制，AI带来的科研提速才能转化为全行业、普惠性的科研能力升级。
当AI4S早已超越工具应用层面，成为关乎国家创新体系建设的核心议题，核心考验公共科研体系能否将AI技术突破，转化为可持续、可核验、可普惠的科研生产力。特朗普政府推出的“科学黄金时代”战略，以国家级力量重构AI科研体系、重塑公私科研协作模式，正是检验这一转化链路的核心实践样本。
▲ Jacob Tsimerman因在数论与代数几何领域跨学科解答难题及构建理论框架的卓越贡献荣获2026年菲尔兹奖，然而在通过专注于高回报项目赢得这一最高荣誉后，出于对人工智能飞速发展将全面超越人类数学家解题能力的担忧，他已停止招收传统研究生并将研究重心转向AI安全领域，并深刻质疑人类数学研究的未来价值。来源：Quanta Magazine
二、美国的“科研黄金时代”真来了吗？
私人AI平台重塑全球前沿科研组织模式，美国也在通过国家级政策，重构基础研究、战略任务与工业体系的协同格局。
2026年7月21日，白宫发布报告《科学：新的黄金时代》（Science: A New Golden Age，以下简称“黄金时代”报告），称其为1945年Vannevar Bush《科学：无尽的前沿》报告后，美国科研体系最全面的一次系统性重构。
报告提出精简科研行政负担，将经费资助从流程管理转向核心研究者，优化传统同行评议机制，向创业者开放联邦实验室，围绕AI、量子、聚变、半导体、登月布局国家级科研任务。该报告精准直指美国科研积弊，但科研“黄金时代”依托长效制度能力，而非政策宣言。
报告发布两日，《自然》（Nature）披露美国新政，国际博士生常规在美停留期限缩至四年，延期需政府审批。美国科学与工程博士平均修业时长5.6年，科研节奏无法适配行政化移民时限。这构成美国科研战略核心矛盾：官方要求研究者开展高风险、长周期研究，却持续增加人才签证、科研拨款、机构资质的短期不确定性。
80年前，Bush搭建了美国战后科学契约：联邦政府承担基础研究与人才培养的长期成本，赋予研究者自由探索无应用前景课题的权限，沉淀的科学资本赋能民生、安全与经济发展。美国自然科学基金（NSF）、美国国家卫生研究所（NIH）、海军研究办公室（Office of Naval Research）等机构相继成型，其核心逻辑是基础研究具备跨企业、跨代知识溢出属性，市场天然低估此类长线投资。
如今美国科研投融资结构彻底倒置。2023年美国研发支出9370亿美元，2024年预估达9930亿美元，实验开发类研究占比67%，企业承接其中91%的工作。高校承担48%的基础研究，联邦政府仍是最大单一资助方。2000至2024年，企业基础研究资助占比从19%升至34%，联邦占比从58%降至40%。这形成清晰分工：公共机构主攻高不确定性的上游基础研究，企业深耕市场化、可规模化的下游应用研发。
AI进一步拉大公私科研差距。Stanford 2026 AI Index显示，2025年美国私人AI投资达2860亿美元。前沿AI模型、计算集群、AI4S平台由头部企业垄断，其年度资本开支远超公共科研机构预算。私人资本追逐短期市场收益，普遍忽视阴性实验、公共科研设施、长期观测、成果复现、开放数据及小众疾病等低回报研究，公共部门的核心价值，便是补齐这类市场缺位的科研公共品。
“黄金时代”报告对科研行政冗余的批评有据可依，调研显示首席研究员超五分之二的科研时间耗费在合规与行政流程上。报告推出可携带式资助、长期经费、快速拨款、非常规研究“金券（golden ticket）”等改革举措。“NIH先驱奖”已验证人才赋能模式的价值，无需前置实验数据，入选者可连续五年每年最高获70万美元资助。“NSF研究生研究奖学金”自1952年起，累计扶持超7万名研究生，其中40余人斩获诺贝尔奖。
美国不乏产学研融合的成功案例。人类基因组计划依托开放数据、国家实验室、高校与企业构建创新闭环；半导体制造技术联盟（SEMATECH）整合政企资源，攻克半导体制造共性难题；极紫外光刻技术联盟（EUV LLC）联动企业与能源部实验室，完成光刻原型研发与专利布局。当下“创世纪”计划打通超算、科研数据、高校与企业链路，能源部2026年聚变路线图，实现材料、测试设施、AI、公私合作与商业化的全链条整合。
专项任务研究无法替代基础科研体系。美国2026财年初始预算草案，拟削减NIH研发经费41%、NSF研发经费55%，压缩能源部与NASA科研投入。虽国会否决核心削减并上调NIH预算，但草案暴露明显功利倾向：集中资源扶持短期可见效的战略项目，削弱培育人才、产出基础成果的通用科研机构。同行评议可改革，但不能以政治审查替代专业判断；行政流程可精简，但科研基础设施绝非资源浪费。
国际人才是美国科研的核心支柱，也是其当前的显著短板。2023年外籍博士占美国理工科博士从业者46%；2024年临时签证持有者斩获38%的美国科学/工程博士学位，在计算机、工程、数理领域占比过半。超七成临时签证博士毕业后五年留美，十年留存率达三分之二。NBER研究显示，移民仅占美国发明人16%，却贡献近四分之一的创新成果，且能通过国际网络带来知识溢出效应。
收紧博士生停留期限将消耗美国人才优势。彼得森经济研究所（PIIE）测算，若STEM外籍毕业生减少三分之一，美国高技能STEM劳动力将缩减6.2%，博士层级人才缩减11.5%。科研安全管控需精准、实证、高效，无差别政策收紧只会制造人才环境不确定性，助力全球竞品吸纳优质科研人才。
长期以来，中国移民（包括中国留学生及华裔学者）是美国科研生态中不可或缺的核心力量。根据多项学术及官方统计，在美中国籍和华裔科学家在半导体、人工智能、生物医药、量子计算等前沿领域占据了极高的比例，贡献了大量高引用率的第一作者论文与突破性专利，是维系美国科技霸权与创新活力的基石。
虽然国会在2026年初最终删除了试图在预算案中强行复活“中国行动计划”（China Initiative）的歧视性条款，但针对华裔学者的实质性打压和“泛国家安全化”审查非但没有停止。NSF等联邦机构出台的科研资助新规，全面切断了受资助学者与中国机构的学术合作，导致大量中美联合研究项目被迫腰斩，科研人员频频遭遇种族定性（Racial Profiling）。刑事审查的触角更向下延伸至年轻的博士后与基础研究员，多起因常规生物样本运输被冠以“走私和威胁国家安全”罪名的判决，加之因高压盘问导致的学者悲剧，使得华裔科研群体的心理危机与学术生存恐慌达到了近年来的最高峰。
与此同时，限制亚裔职业发展的“共识”在学术与科技产业界依然根深蒂固。亚裔在大学校长、国家实验室负责人等核心决策层的比例依然畸低，在申请联邦科研经费时也面临着比白人学者更高的拒绝率。这种“高贡献、低信任、难晋升”的系统性困境，迫使越来越多的顶级华裔科学家和青年才俊选择“逆向流出”美国，转向欧洲、亚洲或重返中国发展。
此外，近期特朗普政府内部掀起了试图对中国“开源权重”AI模型实施限制甚至一刀切禁令的政策风暴。这一极端的保护主义举措不仅遭到硅谷近两百家科技新创企业的强烈请命与联名抵制，更被普遍认为将严重反噬美国自身AI生态的发展。毕竟，美国的研究人员、初创企业和开发者高度依赖中国开源模型极高的性价比来进行二次开发和场景应用；盲目切断这一合作渠道，不仅无法阻止开源代码在全球范围内的必然传播，反而会直接扼杀美国本土的创新活力。
美国乃至全球科研界内隐隐有个深层误区，就是将科学领先等同于安全、技术乃至产业领先，因此总有人试图获得某种“科学霸权”。然而，科学一旦证实，会逐步变成公共知识，能理解和运用的人才才是核心。毕竟，科学探索技术可能性，技术转化为复用方法，产业依托供应链、标准、工艺、人才实现技术规模化落地。AI可快速推演新材料方案，却无法替代合成调试、工艺优化、产线迭代等实体环节，这正是“原子速度”对“计算速度”的刚性约束。
美国产学研联动机制存在投入短板。“区域科技创新中心项目”五年获批100亿美元，实际阶段性拨款仅10亿美元，却需支撑31个区域创新联盟。“制造业延伸合作”二十余年服务7.7万家制造企业，带动新增销售额600亿美元、节资262亿美元，守住140万个就业岗位，但也面临经费不足问题。
美国真正的所谓“科研黄金时代”，需要稳定的基础研究经费底线，让任务型投资做增量而非替代存量；匹配博士培养周期优化外籍人才签证政策；补齐科研设施、中试产线、行业标准、区域供应链等短板，以成果复现率、落地效率、制造良率、技术扩散度为核心评价指标。美国科研的核心优势，是体系能够包容、验证、孵化并迭代原创突破。
美国实践证明，科技竞争优势既依托顶尖前沿实验室，也依赖人才流动、产业反馈与技术扩散。放眼全球，基础科研能力与国际科研合作，并非竞争之外的补充，而是现代技术体系维持创新活力与发展韧性的核心根基。
▲特朗普政府的科学顾问Michael Kratsios提出重塑美国科学研究资助体系的方案，计划将资金重点从大学转向个人研究员及私营企业，并优先支持人工智能、核能与机器人技术等领域，同时削减对生命科学的关注；然而该提案遭到民主党人与科研界的强烈反对，批评者指责特朗普政府此前裁员、削减科研预算及推行政治审查等行为已严重破坏美国科研基础，且试图将国家科研转变为风险投资模式的做法缺乏依据。来源：NYT
三、“技术”的竞争在加剧，“科学”的合作更显珍贵
技术竞争越激烈，科学合作越需要被视为战略基础设施。
约旦SESAME同步辐射实验室汇聚塞浦路斯、埃及、伊朗、以色列、约旦等多国科研人员，深耕材料、生物、文物、环境等领域研究。各国虽政治立场相悖，但始终协同维护实验运行秩序。SESAME 委员会主席Rolf Heuer认为，科学能填补政治合作的裂隙，将跨国协作固化为不受政治周期影响的设施与制度，实现长期稳定合作。
AI、量子、先进芯片、生物技术兼具经济与安全双重属性，技术竞争将长期持续。当下核心矛盾并非开放与安全的对立，而是知识层级的精准划分：军事、监控类核心科研需建立严谨可申诉的项目化审查机制；气候、公共卫生、基础研究等普惠领域，应最大限度开放数据与研究方法；科学素养培育、科研资格互认等能力建设工作，需持续全面开放。以“科研安全”无差别限制普惠性科研合作，将持续损耗全球整体创新能力。
欧盟2025年科学外交框架明确科学为全球公共品，确立“开放和安全”的核心原则，二者缺一不可。截至2026年年中，“欧洲地平线”已吸纳22个非欧盟联系国，持续推进跨国科技合作，这类合作依托固定预算、统一标准与常态化人员往来，形成了稳固的国际信任纽带。东盟同样搭建区域科技合作体系，2026年百余项区域合作倡议过半获国际支持，马来西亚和新加坡落地大量共享算力设施，为区域前沿科研提供支撑。科研活动往往超越政治周期，其建立的产业与人际互赖关系，远比时效性短暂的政治声明更能抵御地缘局势波动。
科学合作不能局限于高端前沿科技。大模型、量子技术等显性硬核科技备受政策关注，但全球科技普及与资源分配极度失衡。前沿科技的价值转化，最终依然取决于全民科学素养与基层技术应用能力。
基础科学素养是社会发展的底层支撑，民众的信息甄别、逻辑思辨、科学认知能力，直接关系社会治理水平。当前中低收入国家青少年科学读写能力普遍薄弱，非洲小学毕业生基础学科达标率仅10.8%，科学素养短板成为全球均衡发展的重要阻碍。同时，公众科学认知缺失极易被虚假信息、AI合成内容误导。对此，联合国家教科文组织UNESCO曾提出，媒介与信息素养培育是抵御信息乱象的预防性基础设施，这也让科学外交从高层政治对接，延伸至基层教育与公共科普领域。
AI为全球知识普惠提供了重要支撑，可高效适配课程翻译、个性化教学、备课辅助等场景，打通优质教育资源的地域壁垒。但AI工具无法替代系统化教育体系，其落地成效完全依赖师资培训、教学评价、校园管理等配套机制。秘鲁、肯尼亚、拉美多国的AI教育实践均印证，单纯的技术设备毫无价值，只有将AI深度嵌入教育体系、赋能师生能力，才能实现教育提质。
与此同时，数字基建鸿沟严重制约科技普惠，2025年全球仍有22亿离线人口，高低收入国家互联网普及率差距悬殊，本土语言适配缺失、设备网络缺位，让AI科技赋能难以落地基层。
接下来，全球科技合作的核心发展方向，可以是共建共享科研设施与算力资源、保障人员自由流动与资格互认、完善开放标准与多语种公共资源、聚焦基层人才培育、以实际成效评估科技赋能价值，并保障低收入国家的全球科研治理话语权。
目前全球科技资源分配极度不均，撒哈拉以南非洲人口占比可观，但科研人员占比不足1%。在激烈的技术竞争中，若无法打破知识壁垒、扩大全球知识生产的参与群体，只会持续固化南北发展差距，违背科技赋能人类共同发展的核心初衷。
▲ 尽管中欧双方在电动汽车贸易、地缘政治等方面存在严重分歧，且欧盟在2026-2027年“地平线欧洲”计划中禁止中国机构参与人工智能和半导体等关键领域的资金申请，但中国科技部与欧洲委员会仍续签了为期两年的联合研究资助协议（2025-2027），决定继续在不受限制的气候变化、农业食品及生物多样性等非敏感领域开展联合科研合作，以共同应对全球性挑战。来源：SCMP
四、价值判断：科学和技术都无法独自回答的问题
技术迭代、产业竞争与全球化扩散持续提速，大幅压缩社会风险研判的时间窗口。科学可为决策提供扎实证据，却无法替代核心的价值判断与伦理选择。
全球生物医药领域为了追求所谓“世界首创”和顶级学术发表，屡次冲破生物伦理与安全底线。2018年，贺建奎利用CRISPR技术对胚胎进行基因编辑以试图使其免疫艾滋病，不仅公然违背科研伦理与知情同意原则，更将缺乏安全性验证的技术直接施用于人类后代。
在此之后，各界虽加强了监管声浪，但隐蔽的违规操作并未绝迹，一系列丑闻也揭示了从学术造假到人体试验违规的深层病灶：在哈佛大学Piero Anversa干细胞心肌再生造假案、明尼苏达大学Sylvain Lesné团队阿尔茨海默病“淀粉样蛋白-β56”论文图像篡改案，以及斯坦福大学前校长团队的多篇顶刊论文造假事件中，研究者同样出于对权威地位与发表成果的病态追求，长期篡改实验数据与图像，将整个领域引向盲区。
2026年人类胚胎精准改造实验，虽未用于妊娠，再度突破社会共识边界，可遗传基因编辑存在未知脱靶效应，且未出生子代无法自主知情同意，技术风险与伦理权责难以量化界定。
2025年，国际主流基因治疗机构呼吁对可遗传人类基因组编辑实施可延期十年禁令，核心原因是该技术的医疗价值、安全标准、治理体系与社会共识均未落地。行业普遍认可患者自主同意的体细胞治疗，却严禁胚胎、配子等可代际遗传的基因干预。
技术无法界定治疗与性状增强的边界，更无法规避基因商品化加剧生物性社会不平等的问题，亟需法律、人文社科多维度协同规制。
医疗领域充分印证了纯技术判断的局限性，科研失误的代价最终由个体承担。知名干细胞人工气管研究学术不端事件，并非单一科研人员失德，而是学术声望、层级壁垒与技术突破叙事，弱化了科研体系的风险纠错能力，暴露了科研监管的制度漏洞。
《赫尔辛基宣言》（Declaration of Helsinki）明确要求保障受试者知情同意、隐私与人格权益，但AI医疗打破了传统数据伦理边界。AI工具可私自采集、转录、存储私密诊疗对话，转化为AI训练数据。患者接受医疗服务的同意，不等同于数据商用授权，且常规脱敏无法实现彻底匿名，成员推理攻击技术仍可反向溯源个体信息，弱势群体数据风险尤为突出。
医疗数据治理无需封禁数据流通，核心是重构知情同意机制，将单次授权升级为可持续、可追溯、可撤回的动态权责体系，让患者参与数据二次利用决策。世界卫生组织指出，AI贯穿公共卫生治理全流程，其治理体系必须覆盖证据采集、政策制定、落地评估的完整闭环。
科研学术不端是制度缺陷的集中体现。近年开源生物医学论文虚假、无效引用问题激增，根源在于功利化的科研激励机制、严苛的发表压力与缺失的监督体系，导致各类可疑研究行为常态化。生成式AI兼具造假与纠错双面属性，因此必须重构科研评价体系，认可复现研究、数据维护、阴性结果等基础科研价值，建立独立的举报保护机制与标准化撤稿公示体系，摒弃唯发表和参数的技术至上评价导向。
头部AI企业的安全策略调整，更凸显商业竞争对技术安全的挤压。OpenAI、Anthropic相继收缩前沿安全管控标准，企业自愿性安全克制始终让位于商业化诉求，在市场竞争压力下极难持续落地，AI网络安全风险持续加剧。英国AI安全研究所数据显示，前沿模型能力快速迭代，网络攻防工具化、低门槛化趋势明显，现有防护体系普遍存在漏洞，漏洞利用周期大幅缩短。
针对AI自动化带来的社会就业冲击，普遍基本收入（UBI）曾被视作主流解决方案，但各国试点效果分化显著。现金补贴可有效改善民众经济安全感与心理健康，却无法系统性解决劳动力市场结构问题，部分试点还出现劳动参与率、劳动收入下降等负面效应。世界银行已证实，全球暂无成熟的全域永久UBI体系，试点无法解决融资、通胀、长期治理等核心问题。
毕竟，单纯的现金补偿只能兜底个体尊严，无法重构技术时代的社会发展体系。完善的治理方案，需配套可携带福利、终身教育、公共服务、劳动者AI参与权与技术收益共享机制，从根源优化技术分配格局，避免UBI沦为资本主导的福利转移工具。
因此，人文社科必须深度嵌入AI技术全流程决策，实现前置规制而非事后补救。强调技术工具需服务于人的主体性与民主价值。科学负责求证客观规律，而历史、哲学、法律、文艺等人文学科，承担着界定发展目标、划分风险权责、守护个体价值的核心作用，是技术良性发展的根本兜底。
▲英国国家学术院首席执行官Hetan Shah指出，在人工智能迅猛发展且全球局势剧烈变革的当下， 批判性与创造性思维等人文学科技能比以往任何时候都更加关键，然而英国高等教育中的文学、历史和语言等人文学科却因国际学生减少及学费缩水引发的财务危机而面临学生人数下滑、研究部门关闭和青年学者流失20%的困境，若社会因过度重视AI提示工程而忽视人文教育与研究，将导致地域教育不公并损害社会的整体思考与决策能力。来源：FT