8月20日，Nature发了一篇报道，标题里用了"Staggering"——"令人震惊的"。

令人震惊的，是AI写论文写到了什么程度。

德国图宾根大学团队分析了PubMed Central收录的119万篇生物医学论文，追踪了379个ChatGPT偏爱词的词频变化。结论按时间走出了一条没人预料到的曲线：

2023年，约19%的论文有AI痕迹。
2024年，52%。
2025年全年，77%。
2025年12月，89%。

89%。也就是说，2025年底发表在PubMed的英文生物医学论文，平均每10篇里大约有9篇，至少有部分文字经过了ChatGPT等大语言模型的撰写、改写或润色。

研究作者之一Dmitry Kobak拿到数据时自己都不信，原话是："我肯定哪里算错了。"复查之后，结论没变。

---

"有AI痕迹"不等于"AI写的"

这个数据需要立刻澄清一件事。

89%指的是论文中至少有部分文字"被LLM碰过"——可能是润色了一段蹩脚英文，可能是重写了Discussion里的一段话，可能是把摘要压缩了50个词。它不意味着89%的论文是AI从头到尾自动生成的，更不意味着数据、实验和结论由AI编造。

这个区分至关重要。

研究团队用的方法也不是那些备受争议的"AI检测器"，而是追踪词汇频率：ChatGPT出现以后，一些词（比如"delve""intricate""showcasing"）在科学论文中的使用频率突然偏离了2018到2022年的历史趋势。研究者用这些"标志词"的异常增长来估算LLM的渗透率。

这种方法只能反映群体趋势，不能精确判定某一篇论文。研究团队自己也明确说了这一点。

---

AI最先渗透的是"讲故事"的部分

数据里有一个细节，特别值得学术写作者注意。

研究团队从每个论文部分随机截取255个词进行比较，2025年12月的数据是：

•

Discussion部分：68%

•

摘要：67%

•

Introduction：59%

•

Results：46%

•

Methods：32%

Discussion的AI使用率是Methods的两倍。

AI最先渗透的，是论文中"需要组织语言、梳理逻辑、解释意义"的部分——也就是最像"写作"的部分。而方法学部分需要精确描述实验条件、统计方法和研究流程，AI发挥空间有限。

换句话说：研究者最先用AI处理的是"怎么说"，而不是"做了什么"。

AI渗透率变化曲线

---

非英语母语国家用得更多，这件事不简单

按第一作者所在国家看，2025年的估算：

•

韩国：85%

•

中国：82%

•

伊朗：78%

•

美国：39%

•

英国：28%

非英语母语国家整体72%，英语母语国家37%。

这个差距恰恰说明了一件事：对于中国、日本、韩国的科研人员来说，英语写作长期是一道发表门槛。实验做得再漂亮，英文表达欠佳，审稿就吃亏。ChatGPT事实上成了一种"语言均衡器"——帮非英语母语的研究者写出更接近母语风格的论文，降低了一道长期存在的不平等。

这也是为什么不能简单地把"论文有AI痕迹"等同于学术不端。润色英文和编造数据，是两件完全不同的事。

---

另一个极端：8美元、3小时、一篇论文

如果说Nature的89%数据告诉我们"AI已经在论文里了"，那么同一天火起来的另一个项目告诉我们"AI还能走多远"。

Spark-to-Paper，一套端到端论文生成系统。从一句研究想法出发，自动完成文献检索、实验设计、实验执行、论文写作、结论修订、图表生成，最后输出可直接编译的完整LaTeX论文。

8个受控研究课题上的成绩单：

•

引文有效率：99.5%（人类预印本97.8%，单遍生成81%）

•

图形可编辑率：96.4%（人类58%，同类系统0%）

•

假结论检出率：92%（单遍生成只有14%）

•

平均成本：8.1美元/篇

•

平均耗时：3.2小时

8美元、3小时、一篇论文初稿。而且假结论检出率从单遍的14%提升到了92%——系统内置了多轮自检和对抗式评审，不是"写完就交"。

这个项目被Hugging Face标记为当日第一。开源在GitHub上，任何人都可以跑。

---

两件事放在一起看

89%的论文已有AI痕迹 + 8美元3小时端到端生成论文。这两条新闻放在一起，信号只有一个：

问题已经从"该不该用AI"变成了"怎么管"。

多伦多大学的Kyle Siler对Nature说了一句话，我觉得是这整件事最好的注脚：

"The toothpaste is out of the tube, and it's not going back."
牙膏已经挤出来了，塞不回去了。

各环节AI渗透率与行动建议

---

对学术写作者意味着什么

第一，区分"碰过"和"生成过"。

89%的数据让人震惊，但它测量的是"文字被LLM编辑过"，不是"结论由AI编的"。真正要警惕的从来不是润色，是让AI替你解释你并没真正理解的数据。如果你已经完成了数据分析和科学推理，只是让AI把一段蹩脚英文改成规范的学术英语，这和传统英文编辑服务没有本质区别。但如果作者开始让AI补充自己没查的参考文献、自动生成Discussion，风险就完全不同了。

第二，AI在不同部分的使用率差异，本身就是一份"安全使用地图"。

Discussion 68%、Methods 32%——这个差距告诉你：AI擅长的是"组织语言"，不擅长的是"描述你做了什么"。Methods部分需要你自己写，因为只有你知道实验的具体条件、参数和流程。Discussion可以用AI帮你梳理逻辑，但结论必须基于你的真实数据。

第三，关注"透明披露"而不是"隐藏痕迹"。

89%的渗透率说明，试图用检测器"抓"谁用了AI，已经不现实了——量太大了。真正可行的方向是建立清晰的AI使用披露规范：哪段用了、用来做什么、谁核对过。ICMJE 2026年建议和Nature Portfolio的现行政策立场接近：允许透明使用AI辅助，AI不署名，引文和结论由人负责。

---

串联我们之前写过的几篇

•

8月9日，我们写过"ChatGPT帮我写了论文引言，15条引用近40%是假的"。当时说的是AI文献幻觉。89%的数据告诉你：这个问题的规模比我们想象的大得多——当九成论文有AI参与，幻觉风险是系统性的。

•

8月14日，我们写过Claude隐形水印——"用了就有痕迹"。89%的渗透率意味着，如果Claude的水印检测推广，覆盖面会极其广泛。

•

8月20日，我们写过AIGC检测红线——各校标准差3倍。89%的数据让这些检测线显得更荒诞：如果九成论文都有AI痕迹，检测到底在抓谁？

这三篇加上今天这篇，讲的是同一个故事的不同阶段：AI从"有人偷偷用"到"几乎人人用"，从"检测能抓"到"检测抓不过来"。

---

今天就能做的三件事

一、检查你正在写的论文，哪些部分用了AI。 不是为了删掉，是为了心里有数。Discussion用了就用了，Methods没写就别让AI替你编。自己先画一条线，比让审稿人替你画好。

二、如果你在非英语母语国家，用AI润色英文是合理的。 89%的数据说明，你的同行早就在用了。但润色只改语言，不改数据、不改结论、不改引用。碰过语言的可以碰，碰过证据的不能碰。

三、开始习惯在论文里写AI使用声明。 不是因为现在所有期刊都要求，是因为这个趋势已经不可逆了。提前养成习惯，比将来被动适应强。声明不需要长：写清楚哪部分用了AI辅助、用来做什么、你是否逐条核验过。

---

牙膏已经挤出来了。塞回去不可能。

能做的，是确保挤出来的那一段，是你自己能负责的内容。