英文原帖（节选）与中文翻译

Study from Google about AI use in science, complex impacts: acceleration (7 hours saved per week) along with shifts in the kind of work

Google 关于科研中使用 AI 的研究显示出复杂影响：一方面带来加速（每周节省约 7 小时）；另一方面改变工作类型，研究人员需要投入更多时间验证输出，也可能更偏向风险较低、结果更容易验证的课题。原帖同时指出，报告中的图很好地展示了 AI 能力的“锯齿状前沿”。

原研究

Ethan Mollick 链接的是 Google、Google DeepMind 与 MIT FutureTech 合作的研究报告 AI in Science: Early Insights。报告汇总了三类数据：约 1,500 万次 Gemini 交互、2,690 个有论文和官方代码仓库对应的专业科学 AI 模型，以及 2026 年 7 月 27 日至 8 月 11 日对 637 名美国和英国科研人员开展的调查。

主要结果

  • 接近一半的受访科研人员表示每天都会在工作流程中使用某种 AI。
  • 大约四分之三的受访者报告 AI 节省了时间，平均每周接近 7 小时；节省下来的时间主要重新投入研究。
  • 通用 LLM 与专业科学模型更多呈互补关系：LLM 常用于写作、代码、统计分析和文献工作，专业模型则更多承担领域预测、数据生成、分类和模拟。
  • 超过四成受访者认为主要瓶颈已向下游转移到实验执行、临床验证和现场数据采集；41% 报告未验证假设的积压正在增加。
  • 在报告节省时间的人群中，89% 会把超过十分之一的节省时间用于核验 AI 输出，46% 会投入超过四分之一。
  • 49% 的受访者认为 AI 让自己更偏向基准明确、结果较可靠的渐进式课题，28% 认为 AI 使自己能够研究风险更高的问题。

研究边界

报告把这些结果定位为早期快照。调查结果来自自报数据，样本不代表全部科研人员；Gemini 日志样本不包含按企业合同付费的 API 使用；科学任务识别依赖分类流程，存在不确定性。因此，这些数据适合描述当前采用方式和瓶颈变化，不宜直接推断长期科学产出或因果效应。

来源：