論文拼多多：大二學生批量炮制的科研垃圾

? 文 觀察者網心智觀察所

一篇論文竟可以像手機殼一樣被拆解、分包和組裝，學術工作恐怕正在加速滑向知識流水線的時代。

WhatsApp 里的科研車間

最近，尼泊爾醫學院大二學生拉加本德拉·庫馬爾·馬哈托（ Raghabendra Kumar Mahato） 的 Google Scholar 頁面令不少資深學者深感錯愕。不到兩年工夫，這個2024 年底才入學的學生名下已積累了近 120 篇之多的論文及學術成果，涵蓋系統綜述、Meta分析、數據庫研究以及病例報告，他的研究成果出現在Wiley、Springer 等大型出版集團的旗下期刊，多篇摘要被國際醫學會議接收，其中包括美國心臟協會（AHA）和歐洲腫瘤醫學會（ESMO）等全球醫學領域里極具分量的會議。按照常規培養節奏，這個階段的醫學生本該埋頭于基礎課程與初級科研訓練，距離成為醫生還有很長的一段路要走，而這個大二學生的學術成果竟達驚人的120篇，實在令人納罕。

答案就藏在一款軟件里。馬哈托本人搭起了一個名為“全球臨床研究聯盟”的網絡，通過 WhatsApp聚集了來自尼泊爾、巴基斯坦、印度、埃及、美國、英國和尼日利亞等國的近千名成員，這群人利用即時通訊軟件搭起了一條跨國科研流水線。

馬哈托

更令人心驚的是，這個松散而高效的組織已將觸角伸入國際頂級醫學會議，這條流水線的成品已經叩開了國際權威醫學組織的大門。在美國心臟協會和歐洲腫瘤醫學會的學術摘要集中，陸續出現由馬哈托及其合作者署名的研究摘要。

乍看之下，這個故事很像是一位年輕學子憑借數字工具促成跨國協作的勵志故事，不過現實并非如此。2026年7月21日，《撤稿觀察》（Retraction Watch）的追蹤報道撕開了事情的面紗。

分工明確，科研初衷卻模糊了

聊天記錄顯示，這個千人網絡更像一座按需運轉的微型工廠。選題、撰寫、數據分析、投稿、會議展示等各個環節被拆解為獨立工位，由不同成員認領。有人負責從公開數據庫中挖掘疾病趨勢，有人專門撰寫方法學段落，還有人專攻語言潤色和格式調整。更值得玩味的是，會議現場展示的資格居然能與論文作者身份相互交換：馬哈托曾在群內詢問誰能親自赴美做報告，并明確承諾“提供作者署名”作為回報。

雖然現有證據不足以認定他正在直接販賣作者位置，也無法給所有參與者貼上造假標簽，但這個模式本身暴露出了更深層次的危機：研究被拆成標準零件，作者身份淪為籌碼，論文與真實學術貢獻之間的紐帶變得脆弱不堪。

流水線與知識生產的分野

其實現代科學并不排斥合作。大型物理實驗動輒需要上千位作者，跨國醫學項目更是家常便飯。所以，多人合著本身并不值得大驚小怪。真正的分水嶺在于出發點。

傳統合作由明確的研究難題驅動，團隊為了攻克瓶頸而招募對口人才；而這樣的論文工廠流水線模式卻完全圍繞發表目標運轉，先定下產出指標，再反向填補流程空缺。前者追求知識增量，后者專注于制造符合評價體系的合格“產品”。

馬哈托團隊偏愛的研究類型，恰恰是醫學界最易標準化、最適復制的品類：系統綜述、Meta 分析、公共數據庫挖掘以及病例報告。這些工作不依賴昂貴的實驗室，也不需要龐大的實驗團隊，核心能力在于信息檢索、統計處理和寫作，理論上講，一個人就能完成，門檻不高。低門檻與高規范性疊加起來，導致這種模式天然適合被切割、復制和規模化擴張。

以美國疾控中心的 CDC WONDER 開放數據庫為例，近年來，基于該數據庫所發表的論文呈井噴之勢。研究者只需更換疾病種類，調整時間窗口或變換變量組合，就能快速產出多篇同構論文，同樣的方法可以像套模板一樣反復使用，換一種疾病、換一個性別變量、換一段觀察期，一篇“新”論文便宣告誕生。如今，生成式 AI的誕生進一步壓縮了文本與數據處理成本，同一套分析模板可以在一天之內被套用數十次。

這些批量產出的工作分析的是不同疾病的流行趨勢、人群死亡率差異或某種風險因素的關聯程度，工作本身并不是沒有價值，可當人工智能和標準化流程將生產成本壓到極低，科研也就變得越來越像一個“內容農場”，制造大量看似合理、實則貢獻單薄的文本。它們擠占期刊版面，消耗審稿人精力，卻罕有真正拓寬知識邊界的內容。

全球化競爭澆灌的代寫土壤

馬哈托現象絕非憑空炸出來的的孤例，其根系深植于一條生長十余年的全球學術服務產業鏈。早些年間，肯尼亞的“寫作莊園”、印度和菲律賓的代寫作坊大量涌現，專門服務于急于交作業的大學生或充實申請材料的留學生。歐美高校對論文發表和研究經歷的強制要求，與發展中國家高素質、低成本的英語勞動力形成供需對位，催生出龐大的跨國外包市場。

從查資料、寫初稿，到語言修改和格式排版，論文被流水線拆解，由不同人員接力完成。眼下，這條產業鏈正在升級，從單純的“接單代寫”演變為“組網孵化”，從寫一篇文章升級為論文生產體系。比如，馬哈托的網絡提供了尋找選題、組織人員、分配任務、制造成果、安排署名的一條龍生態，將代寫服務延展為完整的科研供應鏈。

AI 的介入則進一步削減了這一產業的人力成本。過去，在論文生產中，最大的成本是人，一個論文代寫團隊需要大量具備專業能力的寫作者、研究助理和語言編輯，負責尋找文獻、閱讀資料、整理觀點、撰寫文本、修改語言、制作圖表。如今，這些工作可以全部由AI代勞，比人更快。有了AI的幫助，一個小規模團隊即可擁有過去的大型論文工廠才具備的生產能力。

可以說，AI并沒有摧毀論文工廠，反而使之升級了。科研工業化正在進入新的階段，從勞動密集型轉向AI增強型。

科研垃圾化：比造假更隱蔽的威脅

論文數量激增引發了學術界對“科研垃圾化”的深切警惕。這里的“垃圾”不是指捏造數據或偽造結論，而是指那些程序完全合規、沒有明顯錯誤，卻既不回答實質問題、也不拓展知識邊際的“空心論文”。據《Nature》統計，2023 年，全球撤稿論文數量突破一萬篇，創歷史新高，而大量未被撤稿的平庸論文正造成更大的資源浪費。它們不僅消耗審稿人和讀者的精力，更迫使科學共同體花費巨大的注意力成本去篩除噪聲。

這一點讓我們想起互聯網早期的信息困境：信息爆炸并沒有帶來等量的智慧，篩選有效信源反而成了沉重負擔。未來科學界最棘手的難題，或許不再是“如何生產更多論文”，而是“如何從海量文本中打撈出真正值得深究的發現”。

游戲背后不是好奇心

可是，如果僅僅將矛頭指向馬哈托 本人，恐怕有失公允。要想理解他們為何趨之若鶩，必須正視一個現實：論文已成為全球學術職業競賽中最重要的硬通貨。比如，對于許多發展中國家的年輕醫學生和醫生而言，進入歐美醫學體系意味著職業軌跡的躍升。以美國住院醫師匹配系統（NRMP）為例，國際醫學畢業生（IMG）在面臨激烈競爭時，科研發表數量往往是簡歷中最直觀的硬指標。

當一個年輕人感知到“十篇短平快論文比深耕一個方向更容易在篩選中脫穎而出”時，市場就會自發供應相應的生產工具。從肯尼亞的代寫寫手，到巴基斯坦的醫學論文中介，再到尼泊爾的 WhatsApp 協作群，其實統統不過是同一套評價指揮棒下的不同產物。

中國的鏡鑒：數量競賽正在進入貶值通道

對于中國而言，這一事件不止是別國的學術丑聞，也可以成為一面提前照見自身未來的鏡子。過去幾十年，中國科研以驚人的速度追上論文發表總量的前列，以 SCI 和影響因子為導向的評價體系在追趕階段發揮了激勵作用。然而，當 AI 讓論文生產成本急劇下滑，發表一百篇和發表十篇的差距可能僅僅取決于算力和人力配置，而不再反映思想深度。

近年來國內推行“破五唯”改革，不少高校與科研院所開始試行“代表作制度”，正是對論文通脹的破局之舉。未來，真正稀缺的資源，不再是文本撰寫和編排的能力，而是提出好問題的眼光、發現非常規規律的直覺，以及挑戰傳統范式的勇氣。如果評價系統仍癡迷于計數，科研人員便會被誘導，朝著“用 AI 批量制造合規廢紙”的方向傾斜過去。

中國學術界需要借此契機，將考核重心徹底從“發表了多少”轉向“解決了什么、突破了什么、指引了什么”。畢竟，基礎科學的長期探索與關鍵技術的原創攻關，才是真正的標靶。

當知識成為工業品，科學如何守住靈魂？

從尼泊爾醫學生的千人群組，到非洲的代寫作坊，再到 AI 加持下的自動化產出，知識生產的工業化趨勢已不可回避。從前，工業時代教會人類如何制造更多廉價商品，如今，AI 時代卻向科學界拋出一個反向命題：在論文泛濫的洪流中，人們怎樣重新辨識那些足以改變世界的問題？對于中國而言，技術變革的最大紅利，不在于加速論文的寫作進度，而在于借機甩掉對于數量的迷戀，將科學重新錨定在它最原始的使命上，也就是對于未知、對于真理的探索，而不是統計表格的填充。

參考文獻

https://retractionwatch.com/2026/07/21/exclusive-medical-student-in-nepal-behind-busy-research-factory/#more-135432

來源|心智觀察所

禁止轉載