进入2026年，国内外各种高性能大模型不断更新迭代，基于大模型的各类智能体层出不穷，且快速拓展至科研领域。这一态势深刻影响着哲学社会科学领域的学术活动，哲学社会科学的研究对象、资料来源、方法工具、评价标准和传播方式正在发生系统性变革，科研组织方式的更新迭代也因此更为紧迫。

　　从组织模式看研究疆域拓展

　　人工智能的发展拓展了哲学社会科学的研究疆域。一方面，人工智能作为新生事物成为研究和观察对象；另一方面，人工智能对国家、社会和个人的影响成为研究和观察对象。此外，还需要关注有可能被人工智能“捆绑”或“抛弃”的人，等等。其中面临的问题，有些是“新革命老问题”，有些是“新革命新问题”，也有一些是“伪命题”。如何在拓展的研究疆域中识别真正的研究命题，在人工智能时代显得尤为关键。

　　面对研究疆域的拓展，首先要说明的是，以自由探索为主、适当兼及有组织科研的传统科研组织方式，仍然能够发挥作用。但该科研组织模式天然存在效率短板与结构盲区，难以适配人工智能时代动态化、复杂化、系统化的研究需求，这就需要加快推进基于学科交叉的组织模式的改造。与此同时，随着人工智能时代的到来，哲学社会科学的学科交叉，已进入新一轮的由学科分化到学科综合的新阶段，也使综合性学科、综合性大家的出现变得日益可能。可见，学科交叉的实践，需要探索从跨学科、学科交叉再到综合性学科的新的迭代路径。

　　从人机协同看工具方法革新

　　人工智能对哲学社会科学的全面赋能，使科学研究正从人类单一思辨迈向人机协同认知共生。这不仅体现为工具性嵌入，更体现为人工智能在知识生成、理论扩展与研究范式重构中的深度参与，从而在研究全过程中扮演认知协作者的角色，而非仅承担辅助分析或文献检索的功能。为此，需要从研究者个体、学科和学校三个层面出发，分层构建人机协同的科研新生态。

　　在研究者个体层面，努力打造人机协同共创的新型学术主体，在坚持人文本位的价值思辨的同时，全链条提升研究者个体数字科研工具的应用能力。这就要鼓励教师及其团队通过大模型、智能体与研究者的协同合作，在知识生成、深化与创新过程中实现人机共同进化。有条件有能力的研究者，可以开发智能体与数字分身相结合的“数字科研人”，更新自我对话机制和同行交流机制，将研究者的自然人个体身份打造成“赛博格”式的学术主体，并在此基础上逐步形成“人—数据—算法—平台”一体化的新型组织体。

　　在学科层面，进一步推动学科知识智能化改造。学科建制化的传统哲学社会科学研究为认识和改造客观世界提供了重要工具，也推动了各学科知识体系的快速发展。但从学科建制有利于提高研究效率的角度而言，人工智能的快速发展已使知识稀缺性降低、知识获取日益便利，需要探索新的组织架构。具体来说，鼓励各学科建设垂类模型和专业数据库，将学科知识数据化、模型化以实现智能化改造，加快建设面向不同学科的文科实验室，使知识的获取更为便捷并推进学科科研范式的迭代。同时，借助人工智能构建柔性新型组织，跨越原有的院系学科建制，围绕复合型社会科学议题组建问题导向型动态跨学科科研集群。

　　在学校层面，进一步推动以算力支撑、数据资源池、智能科研平台和文科实验室为代表的数字化基础设施建设。在各智能体和学科垂类模型的基础上，形成一套共享和调用机制，搭建可以共享的知识库、可以实时调用各模型和智能体的“引擎”工具，为实现多智能体协同的智能科研方式提供技术支撑。未来大学知识生产的可能形态为：研究者个体的人机协同共创，经由“数字孪生”技术同构的数字场域的生成，将逐步形成组织形态而非个体形态的人机协同知识生产系统。

　　科研管理体制机制的变与不变

　　第一，加快推动科研评价体系改革，突出理论贡献。既有的科研评价体系依赖以“个人独创性”为核心的学术评价逻辑，主要围绕论著、项目和奖项展开。这一学术评价逻辑滞后于人机协同共创、数字知识产品形态多元的人工智能发展态势。为此，一方面应突破传统评价模式，将高质量数据库、领域大模型、智能体等新型科研成果纳入评价范围。另一方面，要进一步“破五唯”，突出成果的原创性贡献。随着人工智能发展带来的科研产出效率的极大提升，稀缺的不再是科研成果本身，而是高质量的科研成果；科研活动已从“写更多的论文”实质性转变为“写更好的论文”的阶段。事实上，认可人工智能时代的多样化成果形态，本质上仍然是论文、项目、奖项等量化成果评价的“延长”，是“形式”评价；关注的仍然是成果的可见度，是注意力机制的表现；而被关注、被注意并不等同于成果本身的贡献度。无论是传统的论著，还是人工智能时代的新型成果形态，我们更应关注的是实质评价：其成果是否具有实质性的理论贡献，是否有助于构建中国自主知识体系，是否得以成为人类知识总和的一部分。

　　第二，建立与人工智能时代相匹配的科研伦理监管体系。一是要构建全周期数据安全与伦理审查制度。针对数据全流程建立分类分级管理规范，严格落实安全审查、伦理审查流程等。二是要制定人机协同科研管理规范，明确自然人仍然是科研成果的责任主体，以夯实学术诚信底线。三是要明确人工智能使用准则，打造安全、透明、可信、权责清晰的人机协同科研秩序。

　　第三，积极探索人工智能能力平权机制建设。当前，整体学术环境呈现出“过去未去，未来已来”的局面，这要求我们既要尊重传统科研方式，也要加强人工智能能力建设，以实现人工智能的平等赋权。一是要关注面临范式适配焦虑的研究群体，推动研究者人工智能素养的提升，同时鼓励学者间广泛合作，以充分运用各自的资源禀赋共同取得高质量研究成果。二是要关注不同高校间的数字鸿沟问题，鼓励大模型开源，并推动各高校数据、模型、智能体等资源的有条件共享或公共产品化，以保障高校最基本的科研条件。

　　当然，无论技术如何发展，围绕研究者个体而展开的传统学术组织模式，仍然具有生命力和必要性。其首要一点就在于，研究者仍然是研究成果的判断主体和责任主体，学术共同体仍然由研究者构成。就学术共同体而言，知识的流动交汇可以通过期刊社、出版社、学会等实体予以支撑，强化这一支撑体系仍有必要，特别是线下的交流平台建设和人与人之间面对面的交流将会更为重要。而且，学术共同体还需着力培养新一代研究者，使其成长为人工智能时代的判断者和责任者。在这方面，要特别强调写作训练。学术写作本身，不仅是一种技能训练，更是一种思维方式的训练。没有大量的写作训练，就不可能形成学术逻辑思维，更不可能创建符合研究者自身人格属性的智能体驱动的数字分身。

　　（作者系浙江大学副校长）