过去大家对AI的印象，还停留在"你问一句它答一句"的阶段。但最近一段时间，一类被称为"AI科研智能体"的东西开始冒头——它不再只是个高级搜索引擎，而是能自己打开浏览器、查文献、写代码、跑实验、分析数据、生成报告，一整套科研工作流从选题到结论可以一个人闭环跑完。
这和过去的自动化脚本完全是两码事。脚本只能按人写好的步骤机械执行，遇到意外就卡住；而科研智能体能根据中间结果自己调整方向。文献读不通就换关键词，代码跑报错就自己debug，实验数据不对就重新设计方案。这种"会自己想下一步"的能力，才是质变所在。
当然，现在谈AI取代科学家还为时过早。它目前更像一个不知疲倦的助手，擅长处理那些重复性高、资料量大的环节——比如把上千篇论文里的相关数据扒出来做成表格，或者把某个算法在不同数据集上的表现跑一遍。真正的选题判断和结论提炼，仍然需要人来把关。
值得关注的是，这种能力正在从实验室走向普通研究者。过去只有大公司养得起的算力和工程团队，现在通过API和现成的智能体框架，一个研究生就能在自己的电脑上跑起来。工具的门槛一降，做研究的人就多了，新发现的数量自然会水涨船高。
但风险也同样明显。AI生成的文献综述可能"一本正经地胡说八道"，引用不存在的论文；自动跑出来的实验结果可能看似漂亮，实际哪里出了bug却没人发现。所以现在学界讨论最多的，不是"AI能不能做科研"，而是"怎么确保AI做的科研是靠谱的"。
长远来看，AI科研不会把科学家变成旁观者，反而会把人从繁琐的体力活里解放出来，把更多时间留给真正需要创造力的部分。也许再过几年，一个研究者最核心的能力，不是自己能写多少代码，而是能不能给AI提一个好问题。