问题——科研智能化从"可用"迈向"深用"，但制度与治理未能同步跟进。最新调研显示，科研人员对智能工具的使用率快速攀升。国内外团队相继推出覆盖选题、检索、分析、撰写全流程的自动化系统，大幅提升科研效率。另外，"智能系统能否署名"等议题引发学术界对科研主体性、责任边界和学术伦理的热议。科研智能化正从单点应用转向全流程重塑，改变着科研生产力的组织方式。 原因——技术突破与资源集聚共同推动科研流程革新。多智能体协同使复杂科研任务可被拆解并行，降低信息处理成本；算力供给、数据开放和模型能力提升为规模化应用奠定基础。这些变化重构了科研的"时间成本"和"协作成本"，推动研究模式从线性推进转向"快速试错-多路径探索-自动化汇总"。但资源向头部机构集中也带来了新的均衡性问题。 影响——效率提升背后，规则、资源和评价的矛盾日益突出。其一，规则体系亟待完善，现有规范在署名规则、知识产权、数据溯源和责任界定等关键环节存在空白。其二，资源不均加剧科研"能力鸿沟"，中小机构面临更高应用门槛。其三，评价体系与新型科研实践脱节，既可能抑制合理应用，又可能助长"重速度轻质量"的倾向。 对策——以制度建设为抓手，推动科研治理升级。专家建议：1）制定专门规范，明确透明度标准和人机协作权责，建立可追溯机制；2）建设公共服务平台，降低中小机构使用门槛；3）改革评价体系，建立分类引导机制，突出原创价值；4）加强复合型人才培养，提升科研人员的数据素养和工具应用能力。 前景——科研范式变革加速到来，制度建设决定其质量。当前技术发展正推动科研从"经验驱动"转向"数据驱动的系统化探索"。未来科研将呈现更强的跨学科协作、更快的验证周期和更严的合规要求。能否建立规范、平台与评价相衔接的制度体系，将成为赢得新一轮科研竞争的关键。
人工智能与科研的深度融合不可逆转，但融合质量取决于应对之道。制度创新不是限制技术进步，而是为其创造有序发展空间。只有建立规范、公平、科学的制度安排，才能确保人工智能真正成为科研助手而非替代。这既是对科研事业的守护，也是对技术发展的负责态度。