OpenAI于2026年11月16日发布《Science at the Frontier: How scientists use ChatGPT》,介绍超过1800名科学家在研究中使用ChatGPT的情况。现有信息只明确三件事:日常工作流、使用者报告的生产力,以及对科学发现的预期。具体比例、学科构成、问卷设计和任何效果数字都没有出现在给定材料里,因此不补充材料之外的发现。

能站住的事实很窄

这份材料不是算法论文,而是使用侧观察。能够确认的只有规模和三个观察轴。超过1800名科学家,说明讨论对象被收在科研人群,而不是全体知识工作者。日常工作流意味着关注点是已有研究环节中的嵌入方式,而不是脱离实验室流程的能力展示。生产力被概括为reported,口径是自我报告,不能直接换成统一基准上的加速倍数。对发现的表述是expectations,说的是预期,不是已经发生的突破。来源是模型提供方自己的页面,抽样框、邀请方式和案例如何挑选都未知,因此不能外推为全球科学家的典型用法。

三条轴更像问题清单

在细节缺失时,三条轴的正当读法是拆开问题,而不是填写答案。工作流提出的问题是模型卡在文献、实验、分析还是写作哪一段,材料并未列出环节,不能写成主要用于写代码或改论文。报告的生产力问的是使用者是否觉得更快,它可能来自起草和检索变顺,也可能混进主观满意,没有对照时只是感知信号。发现预期问的是研究者是否相信自己更接近新结果,预期可以来自信息变快,也可以来自对模型的乐观,摘要没有成功案例,也没有失败率。对做科研工具的开发者,这三条可以把需求从把题答对改成嵌入流程、核验效率、管理发现想象,但仍不能替代评测和可复现性检查。

我的判断

价值主要在视角,不在已经给出的证据强度。它把科学家在用ChatGPT从零散传闻收成一次有规模的使用侧叙述,并把议题从模型分数拉回工作流、效率感知和发现预期。对中文开发者,适合用来校正产品假设:科研场景要同时处理流程嵌入和用户对发现的期待。适用边界很窄,它不是科学加速已经发生的证据,也不能外推到未说明的学科和任务。局限几乎就是信息公开不足:没有方法学、没有分项数据、没有负面案例,也没有把自述生产力与客观产出分开。在细节补齐之前,记下规模和三个观察轴即可,不宜据此调整科研流程,更不宜写成发现范式已经转移。