2026年伊始，来自苏黎世大学的经济学者David Yanagizawa-Drott打破了这一常态。他在一份影像记录中展示，利用先进的AI编码助手，花费不足一个工作下午，就成功产出了一篇篇幅达53页、结构完整的宏观经济学研究。
这位学者长期为《经济学季刊》(QJE)审稿，目前是《政治经济学杂志》（JPE）的编委。在他的实践中，AI的角色已经远超传统的文字打磨职能。从问题的初步构想，到编写计算模拟代码，再到最后的LaTeX文档排版，几乎每个环节都由人工智能主导完成。这不是虚构演示，而是基于2000至2024年间美国50个州实际经济数据进行的真实研究。
这项工作只是APE项目（自主政策评估）众多输出中的一个案例。在这位经济学家牵头的项目中，AI已经批量生产了数百份研究报告。该项目的终极目标是构建一套完全自动化的科研生产线，让机器智能从选题、信息获取到因果关系分析的整个过程都能独立完成。更富挑战精神的是，项目方设计了一项对标机制，自动比较AI初稿与《美国经济评论》等一流期刊人类学者即将出版的研究。
这一富有视觉冲击力的案例在经济学圈层引起了广泛反应。《知识分子》为此邀请了三位不同领域的学者参与讨论，包括中国农业大学经济管理学院的朱晨教授、中央财经大学数字财经研究中心的陈波主任，以及一位长期关注中国经济政策与实证研究基础的学者。这些研究者都在最近的实践中使用了AI智能系统来生成研究文章，各自积累了宝贵的操作经验和深入思考。
为了深入理解这套自动化研究流程的实际边界，三位学者各自开发了定制化的科研智能系统。虽然所有系统都成功走通了从数据处理到论文初稿生成的全链条，但在对AI的指导方式，以及AI对学术研究影响的理解上，他们持有差异化的看法。
01
机器生成的论文究竟处于什么水平？
经由Yanagizawa-Drott构建的系统产出的论文往往呈现高度统一的规范性，乍一看难以与资深学术工作者的杰作相区别。正因为这种”形似有理”的表象，在各类媒体和网络平台的传播中，被不断放大和强调。经过多轮转发，APE项目演变成了一个学术神话：”数小时即可问世顶级期刊论文”。
这种形式相似是否等价于学术质量的真正达成？机器产生的研究论文具体处于什么档次？
朱晨教授的评价是，Yanagizawa-Drott系统的成果在论文架构和规范性方面已达相当成熟的程度，”从格式角度符合基本要求”，能够生成符合经济学论文规格的文本产品。
但结合自己的实验体验，她指出这样的评估有过度夸大的成分。更符合现实的定位，是相当于研究生阶段的学位论文水准，某些影响因子在3至4档次的开放获取刊物，也许可以尝试投稿。
那位深耕中国经济政策研究的学者采用了最严苛的评价标准，对”数小时即可问世一流期刊作品”的说法表示强烈质疑。
这名学者不仅关注了APE项目，甚至逐篇阅读了其中大部分的200多篇产出。按他的判断，在公开发布的那些论文中，只有极少数选题值得继续深化发展。这类生产线式的作品价值含量不高，在那200多篇中，仅有一篇关于劳动市场研究的选题思路值得称道，其他大多停留在”初入门的研究生阶段”。
更进一步，他认为这批系统产出的逻辑深度，甚至赶不上他带的比较成熟的四年级本科生或高年级硕士生。若按审稿人的标准评判，这些文章难以通过初步筛选，”交到我手上，我会直接驳回”。问题的关键不在于文字表达，而在于分析逻辑过于粗浅，技术部分更是明显不完整。
一篇高质量的经济学专业期刊论文，对研究方法的要求无疑是苛刻的。譬如运用双重差分设计（DID）的研究，不仅需完成基准模型估计，还必须执行平行趋势检验（parallel trends test）、平行趋势稳健性检验（robustness check），以及异质处理效应（heterogeneous treatment effect）的深度分析。
这几个步骤，特别是后两者，已成为近年来DID方法应用研究的标准配置。但在目前公开发表的AI系统论文中，这些方法学关键环节经常遗缺，或流于形式，无法提供充分的因果识别基础。
他进一步分析，这未必反映了模型本身的天花板，更可能是工作流程设计的缺陷。学者在调用AI时，并未把这些严谨的方法论要求转化为明确的任务指令。为了应对这个问题，他专门开发了一套包含11个环节的DID完整指导框架，逐条拆解这些近年成熟的学术规范，转化为AI可以直接执行的指令集。
按这套系统运转，”达到博士学位论文初期稿件的档次是完全可行的”。尽管如此，这位学者仍坚持认为，从初稿演进到发表版本，需要人的智慧来提升分析纵深度。在人文社会科学研究领域，他看不到短期内出现”完全自动化、人类无需参与”的可能。
陈波对AI的认知最为乐观积极，他的思考框架更加面向产业化，更看重总体的投入回报比。据他的实践统计，如果不过度追求学术深度和细节考量，AI最快可在20分钟左右生成一篇初期评分约70分的初稿版本。
“如果中间对某些内容感到不理想需要重做，总耗时当然会增加，但通常一到两个小时就能生成相对较强的版本。”陈波的经验是，AI智能体仅基于数据分析来撰写论文，现阶段可以稳定控制在1小时以内完成。不过判断选题的学术价值，或研究视角是否符合学界共识，这些部分还得依靠研究者自行判断。
他估计改进后的论文能达到85分左右的水平。这个分值意味着这类论文能够达到中档期刊及更高层次的标准，但距离国际顶刊仍有距离。具体论文的达成度，在很大程度上受选题本身的影响。由于生成过程带有一定随机变化性，若问题设定科学合理，最终结果会更接近高水准研究。
作为一篇规范的学术期刊文章，他认为这样的作品达到核心期刊标准问题不大，某些方面甚至已经超越许多既往的研究工作。
02
现阶段AI已经掌握了哪些能力？
朱晨开始尝试用AI智能体撰写学术论文是在2026年春节左右。在Yanagizawa-Drott公布其实践记录之后，她也搭建了属于自己的智能系统，这种程度的自主运作对她而言是前所未有的。一直以来她都将AI限制在语言优化和代码检错这样的辅助功能上，这一刻她意识到AI已经进阶到能够独立承担研究任务的伙伴角色。
朱晨把传统经济学实证研究的周期分解为若干个标准化作业环节，由专业的AI代理分别负责，研究者仅需在关键节点介入，这个系统被她命名为HLER（Human-in-the-Loop Economic Research）。
这个系统把研究工作分为七个段落，由各自的智能代理执行职责。它们分别负责数据的审核分析、研究课题的生成、数据的搜集处理、量化研究、论文的初稿写作，以及由AI评审员进行的初步批评。真正的研究者只需在选定研究题目和批准最终版本时参与，其他阶段都可以自动运行。
对AI产出内容的批评通常聚焦于准确性欠缺。它提出的问题常常似是而非，往往与实际数据不相符。许多学术工作者仍然主张选题的提出必须基于领域知识储备。
但在经济学等数据密集型学科中，如果AI智能体能学会恰当地使用数据库，让研究立足于具体的数据事实，能够从很大程度上保证研究的可执行性。
在HLER体系内，智能体会率先浏览本地数据库，掌握可用变量集合、时间跨度和观察数量，随后输出约4个初阶研究方案。每个方案都需满足三个必要条件：所需变量存在于数据库、研究思路与数据结构兼容、现有的分析工具能够处理。
每份生成的题目由两名研究工作者各自评估，若判断有异议，则进行讨论直至形成共识。试验的结果表明，在以数据库为基础的条件下，AI的选题其实风险很低。在十四次试运行中，这套系统共产生了79个候选课题，其中87%都满足所有条件。
不过，在研究选题的创新度这个方面，朱晨仍然坚持只有经验丰富的学者才能把关。因此对比APE的完全自动化选题，她更倾向于人机协作的模式。AI智能体可以针对某个数据库输出数十个在技术上可行的选题，但仅靠这些可执行性的指标还不够。一旦研究者从中只挑选显著的统计结果当做结论，就等于把AI的”可行库”变成了学术失范的帮凶，这个风险正是人机协作要规避的。
甚至，AI的功能范围比上述还要宽。
在陈波的实验中，他观察到，AI不光能按照数据特征生成选题，还能在完成模型计算后，根据分析输出来调适研究思路，甚至进一步优化数据选择，主动增补新的公开数据源。
这表明研究流程本身在经历革命性变化。换言之，选题不再是研究的起点，而只是AI智能系统研究周期中的一个环节。工作模式从”先有问题→基于数据去求解”变成了”从数据启动→产出问题→再用成果倒推问题的筛选与调整”。
如果说选题还需学者的把关，那在实际方法应用层，自动化早已非常成熟。
朱晨说明，以前使用较复杂的量化方法，比如双重差分法（DID），需要事先把方法编成可执行的代码再由系统调用。但自从应用Claude Code这类工具后，她只需用自然语言说明，譬如”当前的OLS方法能力不足，需要引入DID来建立因果关系”，智能体就能自主找到对应资源，生成相应的算法代码，彻底省去了手工编程的麻烦。
碰到程序异常，AI还能自主阅读错误日志来修正代码，修复速度甚至超过了人工调试。在处理复杂的纵横向面板数据时，她评价AI”比不少初初期的博士都更谨慎，因为它不会懈怠，会反复校对输出的结论”。
在这个过程中，学者角色也在悄然转变。
朱晨感慨说，现在和AI的配合已不是在使用工具，更像是在训导一个AI助手。她只需清楚地交代目标和方向，其他的实施和学习都能在后台自动进行。
如果说选题与编码仍属于操作级别，那进入评审的阶段，AI已能就论文的逻辑层次提供有力建议。甚至能根据论证的漏洞，自主从方法库中检索相应的高级技术，升级实证框架。
以”高等教育是否缩小了中国农村地区女性的职业性别鸿沟”这个研究问题为例，智能体首先调入了中国健康与营养调查（CHNS）1989至2011年间五万余条数据，确认命题可行后，进行了一轮标准的个体效应模型估计，随后生成了一份约5000字的初稿文本。
接着初稿进入评审流程。评审智能体按照原创度、识别强度、数据质量、表述清晰度和政策相关性五个维度的指标对论文进行评价，给出1到10分的评分，如果未能达到6分的及格线就会循环修改，通常会迭代两到三个版本。
更关键的是，这不仅是打分，还伴随着实质性的学术建议。评审智能体按照真实投稿的严格标准给出评论，指出论证和技术中的问题，要求补充稳健性检验，或提议进行分组差异分析等。
在那篇关于高等教育与农村女性的研究里，评审智能体就发现了可能的反向因果问题，即职业预期本身会不会影响女性接受高等教育的倾向。评审反馈建议加入事件研究（event-study）的分析思路、开展稳健性分析（sensitivity analysis），并对个体效应模型的识别前提作出更清晰的阐述。
这些反馈被直接转化为新的执行任务。执行智能体据此在方法库中搜索更严密的方案，对实证思路进行补充和完善。经过多轮调整，论文整体评分从4.6上升到6.5，其中识别强度从3.2提升至5.8，表述清晰度从4.1升至6.9，进展最为显著。
然而，随着自动化程度的提升，一个逃避不掉的问题也浮现：这些AI产生的研究有多大程度值得相信？
AI的”编造”或”幻觉”一直是对其科研应用的最根本疑虑。对科研内容而言，这不仅意味着某些事实有误，更可能表现为引用不存在、数据匹配错误，甚至在看似严谨的论证中混入无依据的声称。一旦这些缺陷混进论文，就极难被表面阅读所发现。
因此朱晨花费很多精力来加强系统的信息验证强度。她的方案是在系统生成引用文献时，实时对接Google Scholar和Crossref等公开库的接口，自动触发一个核对机制：只有那些在数据库中有记录、且作者、发表年份、期刊信息都完全一致、并拥有唯一DOI号的文献才会被保存，不符合条件的引文会被直接剔除。
与此同时，研究成果本身也必须经过复现确认。在每项研究完成后，系统都会输出完整的R代码，研究者可以使用原始数据和获取的数据重新执行分析过程，确认回归成果与报告数据一致。朱晨特别强调，这个复现环节是全流程中非常关键的一步，也是确保研究有效性、阻止AI信息虚构的底线。
03
学术界面临的深层挑战
在过往的年月里，尽管AlphaFold等AI科研工具应运而生，但学术工作者似乎并未真实感到AI会冲击学术本身，它更多被当作一件提高效率、方便操作的手段。
但步入2026年，随着AI智能体的突飞猛进，学术研究的安全感也在瓦解。从信息获取、数据整理、算法构建到文字撰写，学术的各个环节都在逐步被模型接管。原本需要数周才能完成的工作，现在往往在数小时内就可成稿，费用成本也大幅下降。
随之产生的新难题是，博士教育该如何继续进行？学术劳动分工还是否有其合理性？论文本身到底还有什么实际价值，这个问题已经不仅涉及某些特定领域，而是关乎整个学术和教育的发展思路。
朱晨的看法相对温和。她判断真正被冲击的是学术生产中那些早已标准化的部分，而不是学科本质。”AI打击的是那些机械重复、缺乏思考的工作者，不管是文科还是理科”。
在她看来，文科从业者反而可能迎来一轮技术机遇。以前人文社科的学者常常被编程和建模的能力要求所限制，智能体的进步彻底消除了这个技术壁垒。朱晨以自己为例：”我编程基础薄弱，也不懂Python，但我只要把思路说给Claude，它就能直接付诸实现”。
从另外的视角看，既然AI能负担大量重复性操作，编程和写作在学者能力培养中的必要性可能会下降，而学术品味与判断则会变得更加关键。朱晨指出：”如果你没有属于自己的学科框架和明确的研究方向，你甚至不知道怎样指导Agent工作，也没有办法判别它的输出质量。”
她进一步说明，这恰恰是AI难以替换的地方：”研究的意义、创新的价值，这些评估仍然离不开人的参与。而且，真正有能力做出这个判断的是那些积累了相关理论基础的人”。
那位宏观经济政策研究者坚定地认为AI不存在替代研究者的前景。”真正的学术工作永远需要真正的学术人员来完成。对专业研究工作者来说，AI只能充当一个帮助工具”。他认为拉开水平差距的不是使用AI与否，而在于是否把AI技术用在研究本身的改进上。驾驭得当的人会进一步扩大自己的优势，成为一流学者，否则可能在竞争中落伍。
陈波的分析则更加尖锐。他认为将学者的判力当做抵抗AI替代的堡垒，其实是出于自卫心态的一个错觉。人们的所谓判力或品味只是一种偏好，眼界受限且束缚于个人的常识范围。AI其实也拥有自己的”品味”，由于能够吸纳和整合大规模信息，它在全球视野下的判力往往比人类更准确。
既然学术工作者已经失去了绝对优越性，在AI的冲击下，陈波担心的是不仅是低端职位，中端职位目前也已面临被取代的危险，因为AI的产出质量已经达到了中高档的水准。还未发生大规模替代的主要原因，不是AI的能力限制，而是学术圈子的接纳速度还没跟上。
“只要看过它的生产速度和成品质量，你就能意识到在现在的体系下，人力的优势早已荡然无存。未来的角逐不再是个人的工作时数，而是你用掉的算力产出多少价值。AI即便在休眠状态也在不断工作，它的效率与人的时间早已脱离了正相关”。陈波表示得很直白。
而论文的批量产出也意味着传统学术能力的价值大幅下滑。从前一位博士花费巨量时间才能完成的任务，如今借助AI可能一小时就搞定了。在这种情况下，再用过去的方式做学术早已失去了竞争力，这些能力的磨练在商业运用中也受冷遇。
“如果博士的身份也不再值钱，从长期来看整个教育构架都会经历巨大冲击”，他进一步表示，整个学术生态的价值，将来都需要进行根本性重新评估。”以后论文发表这个事会极速贬值。一旦写论文变得这样简单轻松，那除了用于考核需要，写这些文章的真正社会意义究竟在哪”？
这不是在否定学术研究和数据分析工作本身的价值，但AI的参与已经把学术的平庸产出推到了极限，令人更加质疑大量人力投向知识生产和论文写作的合理性。
即使不做那么宏观的判断，AI替代部分初级科研职位是个三位学者都同意的现实。
朱晨表示初级研究员岗位受冲击是必然趋势，这不仅是她个人的体会。在她分享Claude Code论文写作经历的文章发布后，一些同僚也开始试验，结果大家都反馈说Claude Code的效率比研究助手更高。
不过这不等于博士后或科研协理的岗位就一定会缩减，而是这波变革改写了人才甄选的标准。在处理纯二级数据、文献搜索等机械化工作上，智能体的水平已经超越了通常的研究助手。朱晨坦言，过去她倾向招聘代码功力深、手速快的研究助理，这种用人需求现已消失，她现在更想找的是能够驾驾驭智能体的”训练者”。
“如果我现在招博后，我已经不再看重他是否能写基础算法，这些AI都能胜任。”她目下最看重的两点，一是操作AI的技能水平，二是面对技术巨变时的包容心（Open Mind）。她看来，要是一个研究者在做AI能处理的机械工作，他可能确实陷入了险境。
那位宏观经济政策研究者也认为，如果AI继续进步，对初级科研职位的替换几乎是不可逆转的。
在他既往的工作组织中，一篇成果往往配置一两个协助人员，团队同步推动三四个研究方向。即便是居家工作，一名协理一个月也需要两三千的开销。现在不用配那么多助理，反而需要一个熟悉AI辅助全套科研操作的人，来同步看管多个研究任务。”过去一个时期可能需要十个研究协理，如今一个人足以负责大部分工作”。
那留下来的研究协理岗位会否消失呢？他认为不会。这批人可以转向新领域。”过去一个周期也许只推进三四个项目，而现在这个数量也许能扩张到三四十个”。在这样的发表速率下，能促进社会进步的学术贡献累积会更加迅速。
陈波的预测则更具前瞻性，他认为AI工具的普遍使用，使得一名本科学生在短时期内就能达到从前博士生的产出能力，这意味着学科培养的常规价值在消蚀，接下来的研究人才必须先学会怎样当AI指挥官。
“现在的大学生处境很困顿，可能毕业在即，学过的东西就已经淘汰了，”陈波感叹。正因这样，他持续激励学生打破既有框架，别被学校禁上AI的陈旧政令束缚。在他看来，面对革命性工具突破，积极拥抱创新技术才是唯一的出路。
陈波指出，未来的就业市场构造会经历猛烈转型。就从目前情形看，创新职位还未大规模供应，但既有岗位早已露出衰落苗头。年轻职场人中可能会出现一批具备超强本事的独立工作者，而资深从业者也许会转向规划职能，处在中间阶层的这部分人很难有手段与AI抗衡。
“不只是研究者和程序员，坐在电脑工位前的所有工作都一样，未来可能90%都面临被替代的局面。在硅谷这已不是猜测，而是在真实上演的事情”。陈波说得毫不迂回。
