自从 " 龙虾 "（OpenClaw）的技能（skill）上线后，任何技能都成了可 " 蒸馏 "、即压缩进小模型的对象。近日，新南威尔士大学的研究者蒸馏了两位人文社科领域的 " 学术大牛 "。根据两位国际知名学者的公开论文和专著，AI 蒸馏生成的 " 蒸馏学者 " 能独立完成博士生指导、同行评审、课程授课、学术讨论四项核心学术工作。

AI 蒸馏的学者，真的可以替代真人吗？记者采访多位高校学者发现，继 AI" 证明 " 了自己可以写编码、解决数学难题之后，AI 又一次证明了自己在人文社科领域的能力—— " 蒸馏学者 " 同样可以成为 " 学术高手 "。不过，研究论文之外，AI 学者仍然缺少独一无二的研究志趣、科研品味。但是，如何面对 AI 对评价和培养体系带来的冲击，确实是高校面临的挑战。

那些 " 默会知识 " 不再是人类的护城河

研究显示，两位 " 蒸馏学者 " 都能独立完成核心学术工作：精准诊断博士生开题报告的漏洞，给出分优先级的修改建议；撰写同行评审意见，与人类评审一致性超过 85%；生成结构完整的授课讲稿，包括将复杂理论拆解为循序渐进的知识点；在学术讨论中保持稳定的推理特征，提出独立的分析视角。

三位资深学者和 10 名学生对其产出进行独立评估后，一致认定两位 " 蒸馏学者 " 的学术水平，达到了澳大利亚高校体系的高级讲师级别，大致相当于美国高校的终身副教授。

不能借由文字传递的 " 默会知识 "，曾被认为是人类教师区别于 AI 的护城河之一，在此次实验中也不再有效。人文社科学者的一些 " 默会知识 "，甚至包括学者日常使用、但极少作为显性规则陈述的定义、评价标准与推理序列，都在两位 " 蒸馏学者 " 中呈现。论文作者甚至表示，得到 " 蒸馏学者 " 的 " 指导 " 后，她的导师甚至怀疑某位学术大牛是否亲自指导了她。

上海交通大学人工智能学院 27 岁的博导张林峰是国内知识蒸馏领域的开拓者之一，他于 2019 年提出自蒸馏算法。" 其实，这并不值得惊讶，我们业内早就已经非常清晰地意识到，AI 能力已经达到这个状态了。" 他提到，" 让 AI 去学习某个领域专业人群完成某项工作，在局部场景下确实能达到不错的效果。目前，不论是研究论文写作，还是授课，都是 AI 非常擅长的工作。"

只会写论文的教授，被 " 蒸馏学者 " 替代是必然

" 只会写论文的教授被蒸馏、替代也许是必然。" 张林峰说，" 但是，教授的工作并不仅仅是写论文、指导博士生等。论文能体现的，可能只有实际研究工作的 10%，创新的理念，和学生、同行的交流以及互相启发，做实验等工作，都是 AI 无法替代的。"

在美国中部某大学攻读 AI 博士的晓明（化名），在顶会发表过多篇论文、同时担任相关会议审稿人。他就直言：" ‘蒸馏学者’能在学术工作中获得高分，是因为论文原本就存在一些模式化的表达。" 他认为，真正的学术大牛会很乐于看到这样的 " 蒸馏学者 "，因为这恰恰可以帮他们省下大量工作。

上海交通大学李政道研究所青年学者吴益鹏，得知 " 蒸馏学者 " 消息的第一反应是：" 幸好我是做物理的。"

" 在物理领域，真正的原创性发现，往往来自于实验中的意外。当你看到一个不符合预期的数据点时，那种‘这可能是一个重大发现’的直觉，那种在黑暗中摸索的勇气和坚持，是 AI 永远学不会的。" 他告诉记者，" 对于以实验为基础的理工科而言，AI 能整理文献、分析数据、写论文初稿，但它永远无法替代我在实验室里的工作 "。

他认为，" 人类的核心能力在‘道’上，比如选择什么样的科研问题，提出什么样的原创性想法。真正的创新，不是在 AI 已经具备的知识体系里。"

当 AI 包揽基础工作，博士生该从哪里开始？

更值得关注的，或许是 AI 给大学培养体系带来的挑战。

一位上海 985 大学 AI 研究的博导告诉记者，" 最起码在 AI 领域，论文已经不能用来评价一个人了。更不用说，过去两篇顶会文章够清华博士毕业。现在两篇可能都不够一个本科生来读研。" 此外，过去博士生的成长是从读文献、写代码、做实验这些基础工作开始，但现在，入门级的工作几乎都能被 AI 包揽，" 博士生该如何开始成长？"

在多位受访学者看来，AI 时代的人才培养，必须转向培养那些 AI 永远无法替代的核心能力，尤其是博士培养更是如此。

" 当我们可以‘蒸馏’出足够会做研究写论文的‘蒸馏学者’时，难道我们还要培养和那些‘蒸馏学者’竞争的人才吗？" 张林峰提到，博士培养最需要注意三点，" 首先是提出好问题的能力，这是科研的起点；其次是工程组织能力，能带领团队完成复杂的大项目；此外还有学术品味和研究志趣，知道什么是重要的、什么是值得做的。"

吴益鹏更是谈到，" 还需要培养学生通过失败学习的能力。因为，在科研生涯中，学到最多的，从来不是来自成功的结果，而是来自无数次的失败。哪一步容易出错、哪个看起来很美的想法其实是陷阱，正是这些通过失败积累的经验，成为了判断力的核心来源。"