核心内容总结
这篇文章用“马车夫思维”类比，指出AI时代传统学术论文范式（重执行、重正向结果）已像马车一样过时，需要转向以“提问能力”为核心的新范式——登记报告。新范式通过将评审重心前移到“提出有价值的问题和方案”，解决了AI带来的“执行贬值”和旧范式的造假、文件抽屉效应等问题，而基金分配制度是推动整个学术体系变革的关键杠杆。
一、AI为啥让传统论文“失灵”了？——知识生成的“绕路危机”
我们可以把知识分成四层（DIKW金字塔）：
- 数据：零散的素材（比如一堆考试分数）；
- 信息：加工后有意义的内容（比如“这个班平均分80分”）；
- 知识：能解释规律的体系（比如“为什么这个班平均分高？因为老师用了互动教学法”）；
- 智慧：指导行动的判断（比如“其他班也该用互动教学法”）。
AI现在能轻松搞定“数据→信息”（比如快速整理分数），还能模拟“信息→知识”（比如生成看似合理的规律）。但问题是：学生用AI写论文时，直接跳过了自己思考“为什么”的过程——就像马车夫看不到“无马运输”，学生可能连“真正的知识是什么”都感知不到了。传统论文原本要验证的“知识掌握、思维能力”等功能，被AI击穿了。
二、传统论文的“马车困境”：激励错了，结果假了
传统论文把“提出问题”和“执行验证”打包评审，重心在“数据漂亮不漂亮”。这导致三个问题：
1. 造假成必然：为了发表，有人先凑数据再倒推问题（比如数据显示A和B相关，就编个“为什么A导致B”的故事）；
2. 零结果被雪藏：只有正向结果（比如“实验成功了”）才会发表，大量“实验失败”的零结果被锁进抽屉（这叫“文件抽屉效应”）；
3. 军备竞赛无意义：学生用AI写论文→学校AI检测→学生反检测，所有人都在旧框架里卷，没人问“AI时代论文该验证什么？”。
这就像马车夫把“马”当成运输的本质，而不是工具——传统论文把“漂亮数据”当成学术的本质，而不是手段。
三、新范式“登记报告”：把提问放在第一位
登记报告是AI时代的“汽车”，它的核心是评审重心前移：
- 第一阶段：先提交“研究问题+验证方案”，同行评审只看“问题有没有价值、方案逻辑对不对”。通过了，论文原则上就被接受；
- 第二阶段：按方案执行，不管结果是正向还是零结果，如实报告就能发表。
好处一目了然：
- 造假没用了：结果好坏不影响发表，谁还会费劲造假？（就像汽车不需要马，自然不会有“马受惊”的问题）；
- 零结果能发光：失败的实验也能让大家避免踩坑，科学进步更快；
- 回归学术本质：重点是“提出好问题”，而不是“编漂亮故事”——这正是AI做不到的。
四、变革的“阿基米德点”：从基金分配改起
学术体系是连环锁（发表→基金→培养→排名），要打破旧范式，基金分配是最有力的杠杆——钱往哪流，人就往哪走。新范式的基金评审要改四个地方：
1. 申请书核心：从“我有初步证据证明X导致Y”变成“我有个值得检验的问题，这是方案”；
2. 评审标准：从“这个假说会不会成功？”变成“这个问题重要吗？方案能干净检验吗？”；
3. 结题要求：从“发表正向论文”变成“按方案完成、公开数据”；
4. 资金分配模式：
- Pull模式：社区投票选出“最该被研究的空白问题”，研究者认领后提交方案，通过就给钱；
- Push模式：没人认领的重要空白，基金设“悬赏”（加钱、放宽时间），吸引研究者。
AI还能帮着找空白：比如看引文网络里“悬空的假说”（很多人引用但没人验证）、系统性综述里的“证据缺口”等。
五、旧范式的质疑？新范式用硬指标说话
有人会问：“新范式可复现率高，但会不会没突破性发现？年轻人会不会觉得没动力？”
- 关于突破性发现：旧范式的“突破”有70%是不可复现的噪音（比如Open Science Collaboration的研究显示，心理学论文可复现率仅30%）。新范式是系统性缩小未知空间——比碰运气的“突破”更靠谱；
- 关于年轻人动力：荣誉是范式塑造的。以前骑士比武光荣，现在诺贝尔奖光荣；新范式下，“提出不可忽视的问题”会成为新荣誉（比如教科书会把“第一个提出这个问题的人”印成黑体字）。
五年后，新范式可以用硬指标证明自己：可复现率提升、资金效率更高、零结果引发更多后续研究。旧范式自然会被淘汰——就像马车不会消失，但不再是主流。
最后：AI时代学术的核心价值是什么？
不要再问“AI能帮我们写多少论文”，而要问“AI能写论文时，论文该是什么？”。答案是：学术的价值不在执行（AI能做），而在提问（AI做不到）；不在找答案，而在定义问题；不在产出正向结果，而在系统性缩小未知空间。登记报告就是这个新主流的起点，而基金分配是推动变革的关键。看清这一点，就跳出了“马车夫思维”。