报告概要

在科学研究与技术创新领域，生成式AI可以加速数据分析、辅助假设生成、优化实验模拟，但同时也带来数据质量、可解释性、可复现性等隐患，甚至可能助长科学造假。近日，联合国贸易和发展会议（United Nations Conference on Trade and Development，UNCTAD）发布技术统计报告《人工智能时代的科学、技术与创新》（Science, Technology and Innovation in the Age of AI，UNCTAD/DTL/TIKD/2026/1）。报告以AI对研究与开发（R&D）的影响为主线，系统梳理了AI重塑研发流程的四条关键渠道，评估了其中的技术挑战与伦理风险，并提出面向发展中国家创新政策的调整方向。报告同时给出一个值得留意的信号——AI带来的生产力增益分布并不均匀：在AI支持下，顶尖研究人员的产出近乎翻倍，而处于底部三分之一的研究人员获益十分有限。

《人工智能时代的科学、技术与创新》是联合国贸发会议的一份技术统计报告。在UNCTAD技术与物流司内部，技术与创新政策研究科承担该研究，其定位是围绕对发展中国家具有现实重要性的科学与创新议题，开展以政策为导向的分析，并给出可操作的政策结论。

这份报告的产出方式值得一提：它并非由秘书处单独编写，而是综合了多轮国际研讨与各国政府、国际组织贡献的结果。报告显著受益于2025—2026年联合国科技促进发展委员会（CSTD）闭会期间小组会议（2025年11月17日）及第二十九届会议（2026年4月20—24日）的讨论与输入，并致谢了阿尔及利亚、奥地利、巴西、中国、哥伦比亚、印度尼西亚、日本、瑞士、土耳其等17国政府，以及多个国际组织的贡献。

报告于2026年6月在日内瓦发布，主体由五个章节与六幅图构成。

第一章引言点明，前沿技术迅速兴起、数据以越来越快的速度产生，正在重塑研发（R&D）；AI已确立为一种通用目的技术（general-purpose technology），可能进一步加速这一进程，并与可持续发展目标9（SDG 9，促进包容与可持续的工业化和创新）直接相关。

第二章分析AI驱动的研发转型，梳理AI影响研发的关键渠道、具体应用案例，以及其中的技术挑战与伦理关切。

第三章反思AI时代的创新政策，讨论创新政策如何演变、如何在利用AI潜力的同时最小化风险。

第四章聚焦包容性AI与研发的全球协作，围绕开放科学与开放创新、全球AI能力建设、AI的伦理与问责三条线索展开。

第五章给出结论与建议，分别面向国家层面与国际社会。

传统上，AI更多被视为科研中的辅助工具。报告指出，随着生成式AI兴起，AI已确立为一种"通用目的技术"，其影响贯穿研发的概念化、研究、开发、部署四个阶段。

报告把AI对研发的影响归纳为四条关键渠道：数据收集与整理、数据分析、假设生成、实验与模拟。通过这四条渠道，AI让整个研发循环更敏捷、更适应、更高效——研发不再是一条线性流程，而是一个不断反馈、迭代的动态系统。

图1 AI影响研发的四条关键渠道

量化前景同样可观。麦肯锡研究估计，AI有望将研发速度提升一倍，每年释放高达万亿美元的价值；《自然》杂志调查显示，超过一半受访研究人员预期AI工具对其工作"非常重要"或"必不可少"。AI的价值不止于提速，更在于把研究者从重复劳动中解放出来，投入到更高阶的科学判断中。

报告同时提醒：AI带来的增益分布并不均匀，这一点值得高度警惕。

图2 AI在生物科学、材料科学和气候科学中的应用

报告援引的研究显示，在AI支持下，顶尖研究人员的产出近乎翻倍；而处于底部三分之一的研究人员获益十分有限。原因在于，AI自动化了相当一部分"想法生成"任务，把研究者推向"评估AI生成输出"的新角色——顶尖研究者能凭借领域专长筛选出最有前景的提议，而缺乏相应能力的研究者可能把资源浪费在错误线索上。

这种差距还叠加了另一个信号：82%的科学家报告工作满意度下降，理由是创造力受限与自身技能未被充分利用。若不加干预，AI可能让本已存在的机构之间、国家之间的研发能力差距进一步扩大，这也是报告反复强调"包容性"的原因。

报告提醒，AI在研发中的应用存在三大技术挑战与三大伦理关切，理科（科研）人员必须具备识别与应对这些风险的能力。

技术层面：其一，数据可用性与质量——高质量人工生成数据可能在数年内耗尽，且前沿领域历史数据不足；其二，可解释性——许多深度学习系统如同"黑箱"，决策过程难以被人类解读，阻碍科学验证与监管审批；其三，可复现性——一项研究显示，名为"数据泄露"的常见机器学习错误，可能影响了17个领域共294篇已发表论文。

伦理层面：其一，科学造假与伪造——过半受访科学家担心AI工具可能助长科学欺诈，生成式AI尤其容易编造不准确论断、虚构结果或引用不存在的来源；其二，数据隐私——研发场景常涉及敏感个人信息与专有研究数据，若未妥善匿名化则易遭泄露；其三，研究者技能退化——研究发现，依赖大语言模型的用户表现出更低的大脑连接活动与更弱的工作自主性。报告据此强调，AI应定位为支持科学家而非取代科学家的工具。

图3 在研发中使用AI面临的关键挑战

报告梳理了创新政策自二战以来的演变：从线性、科学推动的传统模式，转向动态、互联、使命导向的"变革性创新政策"。对24个OECD国家的研究显示，面向变革目标的创新政策已占国家创新战略的40%以上，而传统目标仅约19%。

图4 从传统创新政策向变革性创新政策的转变

在政策工具层面，报告推荐三个关键抓手。其一，监管沙盒：为新技术提供可控、灵活的试验环境，帮助政府提前预判AI在研发中的应用，肯尼亚、巴西已有实践。其二，知识产权法调整：中国国家知识产权局2024年发布AI相关专利申请指南、明确禁止将AI系统列为发明人，印度也在修订审查指南以明晰专利适格性。其三，以AI支持循证决策：巴西Embrapa利用AI与卫星影像实时监测农业、瑞士—拉脱维亚LACISE项目开发电网稳定性评估工具，都是AI赋能政策制定的范例。

图5 AI对创新政策的影响

而在全球层面，报告把开放科学与开放创新、全球AI能力建设、伦理与问责机制，视为走向包容性AI的三条并行路径。

国家战略与政策工具层面

发展中国家应制定包容性的国家AI与STI战略，把AI嵌入更广泛的科技创新议程，并在设定优先级时权衡政策取舍与能力约束。报告特别强调，要善用灵活政策工具——监管沙盒、知识产权法调整、AI循证决策，都是可以快速落地的抓手。知识产权规则需要明确AI相关发明的分类、发明人资格与披露要求，为研究者提供法律确定性。

能力建设与公平层面

AI带来的收益高度集中在有条件采用的国家与机构，若只推广先进AI工具而不配套能力建设，会进一步放大研发能力的不平等。报告建议通过学术项目、公共培训与国际合作来培育本地科研能力，尤其要关注女性等代表性不足群体的参与。开发轻量化、可负担、适配本土语境的资源，是缩小数字鸿沟的关键。

全球协作层面

开放模型能显著降低发展中国家的进入门槛——据OECD估计，截至2025年4月约55%的可用AI模型为开放权重，包括DeepSeek R1、阿里通义千问、Meta的Llama等。报告呼吁国际社会通过开放科学与开放创新、能力建设与伦理问责机制，确保AI红利被广泛、公平地共享。唯有通过全球合作，AI才能成为包容性可持续发展的真正驱动者。

图6 实现包容性AI的关键协作领域