OpenAI 调查 1819 名科研人员如何使用 ChatGPT,受访者称同样工作不用 AI 要花 1.9 倍时间
Science at the Frontier: How scientists use ChatGPT
OpenAI 经济研究团队分析了 2026 年 8 月 20 日至 9 月 22 日 ChatGPT for Academic Researchers 夏季试点中 1819 名科研人员的 580186 条科学类消息,并在 9 月 30 日至 10 月 7 日调查了 251 人。
OpenAI 统计 1819 名科研人员 58 万条消息,受访者估计同样质量的工作不用 AI 要花 1.9 倍时间,98% 认为 AI 会加快本领域发现。
前沿科学
1800多位科学家如何使用 ChatGPT——以及他们期待 AI 为科学发现带来什么。欢迎浏览我们新报告中的发现。
分享
科学进步有赖于研究者提出新问题并找到解答之道。AI 正逐渐融入这项工作,但我们仍在摸索它在哪些环节真正有用,以及它对科学发现意味着什么。
OpenAI 经济研究团队分析了“ChatGPT 学术研究者计划”夏季试点中 1819 位科学家发出的逾 58 万条科研消息,并对 251 位参与者进行了问卷调查。
科学家在研究全流程中都在使用 ChatGPT,从文献综述到证据分析、再到构思研究想法。受访者估计,若没有 AI,完成同样质量的工作需要花费 1.9 倍的时间。而在回答我们关于发现时间线问题的受访者中,98% 预计 AI 会加速其所在领域的发现。
默认情况下,OpenAI 不会使用“ChatGPT 学术研究者计划”参与者的数据来训练模型。为保护研究者隐私,我们使用名为自动分类器的工具,按研究活动类型(如文献综述、编写代码或数据分析)对消息进行分类。研究团队只能看到这些类别,不会读取底层消息或 ChatGPT 的回复。
AI 已成为科学家日常工作的一部分
我们研究了科学家在研究全流程中如何使用 ChatGPT。
科研消息的平均占比
我们针对每位科学家,计算其各类活动消息占其科研消息总量的比例,再对这些比例取平均值,每位科学家权重相同。百分比已四舍五入;其他研究活动的占比均低于 1%。
68% 的科学家使用 ChatGPT 构思研究想法
我们考察了科学家如何用 ChatGPT 进行构思。以下数据描述的是他们围绕研究想法发出的消息。
由科学家主导
35%
的情况下,科学家带着具体问题让 ChatGPT 协助。
共同完善
36%
的情况下,科学家提出一个想法,请 ChatGPT 加以完善。
由 ChatGPT 建议
23%
的情况下,科学家请 ChatGPT 提出研究问题。
其他
6%
消息无法归入上述其他活动类别。
98% 的受访科学家预计 AI 会加速其所在领域的发现。
我们请不同领域的科学家设想一项没有 AI 时需要 10 年才能完成的发现,并估计有了 AI 后需要多久。
250 位受访者回答了该问题。受访者可多选领域,因此各领域分组存在重叠。百分比已四舍五入,合计可能不等于 100%。
即使把任务交给 ChatGPT,科学家仍会持续参与
我们统计了在不同研究活动中,科学家跟进澄清、核查或修改 ChatGPT 回复的频率。
每位科学家的请求中引发后续跟进的平均比例。
AI 还能如何推动科学进步?
我们请那些预计发现会加速的科学家解释原因。他们的回答中,有三类理由最为突出。
52%
更快完成研究
23%
找到更有前景的研究问题
14%
探索更广泛的问题
11%
其他
科学家可给出多个理由。百分比表示 224 份书面回答中识别出的全部 367 条理由的占比。
展望未来
在这项研究中,科学家们用 ChatGPT 来探索思路、分析证据、编写代码,并交流他们的发现。他们的反馈还透露出更大的抱负:不只是节省时间,还想找到更有前景的问题、开展范围更广的研究。
这些期待能否真正转化为更快的发现,还需要更多研究来验证。进展也取决于科学家检验想法所需的经费、人力和实验条件。
我们希望让更多科学家有能力探索 AI 在自己的工作中能带来什么。除了这项研究,我们还在扩大 ChatGPT for Academic Researchers 的覆盖范围,为全球 20 多万名研究人员提供免费使用。帮助科学家把想法变成改善生活的发现,是我们“确保 AGI 造福全人类”这一使命的核心。
想进一步了解这项研究,可阅读完整论文(在新窗口打开)或下载主要发现(在新窗口打开)。





“像 ChatGPT 这样的工具正在帮我们加速科学发现。对我这样的科学家来说,它真像个游乐场。”
César de la Fuente
关于这项研究
我们研究了谁
我们分析了 2026 年 8 月 20 日至 9 月 22 日期间,1,819 名科学家在 ChatGPT for Academic Researchers 计划中发出的 580,186 条科研消息。
问卷调查于 9 月 30 日至 10 月 7 日进行,我们的分析呈现了 251 名科学家的回答。各问题的回答数量有所不同。
我们如何衡量 AI 使用情况
对每位科学家,我们计算其在各项活动中科研消息所占的比例,再对这些比例取平均,使每位科学家的权重相同。“其他科研活动”合并了“其他”和“端到端自主研究”两类。
构思采用率指在研究期间至少发送三条关于发展研究思路的消息。思路角色图表对每位科学家各类构思消息的占比取平均。“其他”表示无法确定角色。
“请求引发了后续互动”即科学家参与度得分。它衡量的是同一对话中,科学家在七天内下一条科研消息里提出澄清、核查或修改请求的比例。我们对每位科学家在各项活动中的比例取平均。仅纳入具有完整观察窗口且结果可评估的初始请求。
如何解读调查结果
生产力。我们询问科学家,如果没有 AI,他们需要多少时间才能以同样质量完成同样的工作。在八项科研活动中,他们估计,有 AI 时一小时的工作量,没有 AI 大约需要 1.9 小时。该平均值中每项活动权重相同,每项有 249 至 251 名受访者。如果科学家表示某项活动未使用 AI,我们就把时间记为不变。
发现时间线。我们请 250 名科学家设想其所在领域一项没有 AI 需要十年才能完成的发现。他们预计有了 AI 后多久能实现?图表按他们预期的时间线对回答分组。“没有加速”包括回答十年或更久。科学家可以多选领域,因此有些人会出现在多个组中。
科学家为何原本预期发现会更快。 那些原本以为 AI 能加速科学发现的科学家,可以用自己的话解释原因。我们从 224 份书面回答中整理出 367 条理由。同一份回答可能给出多条理由。百分比显示每条理由在 367 条理由中出现的频率。
来源、隐私与局限
研究团队使用的是隐私保护分类器的输出,并未查看底层的 ChatGPT 消息或回复。在 ChatGPT for Academic Researchers 方案中,训练默认关闭。
使用情况描述的是向 AI 发起的请求。生产力数据为自我报告,发现结果则是预期。这些发现并不能确立因果关系。科学家还报告了在人员配置、经费和实验能力方面受到的制约。
百分比四舍五入到最接近的整数百分比,低于 1% 的数值显示为“<1%”。四舍五入后的各类别合计可能不等于 100%。
来源:OpenAI News · openai.com