徐 贲：研究生发论文，靠导师还是靠AI？——AI介入学术生产的社会学意义

文｜徐贲，美国加州圣玛丽学院英语系荣休教授

2026年7月10日，山东大学讲席教授、《文史哲》杂志主编王学典在《中华读书报》上发表长篇回忆录《纵横学界的一位豪杰主编——追忆武卫华兄》，本是私人的怀旧文字，却在网络上引发了远超预期的热议。细究其故，答案并不复杂：真正刺痛读者的，从来不是老一辈学人之间的情谊，而是文章不经意间坦露的一个公开秘密——研究生能否顺利发表论文，往往不取决于论文本身的学术含量，而取决于导师是否手握可供交换的期刊资源。

这本是学术界心照不宣的常识，但当它被当事人以如此坦然、甚至带着几分自豪的语气叙述出来时，常识便骤然升级为丑闻。这场讨论之所以如此规模、难以平息，恰恰证明了这一问题的普遍性与严重性，绝非个案，而是整个人文社科研究生培养体制的结构性病灶。但如果这篇文章仅仅停留在"研究生该不该用AI来对抗导师资源不平等"这一层面，它就仍然被困在一个表层冲突之中——导师与AI，二选一。

真正值得追问的问题要深得多：AI进入人文学术生产，改变的从来不只是写作的效率，而是学术场域中资源与权力的分配方式本身。它动摇的，是一整套长期以来被视为理所当然的知识生产秩序。唯有把问题提到这个高度，才能理解为什么这场围绕一篇怀旧文章的争论，会牵动如此多人的神经。

一、两种资本的竞争：从关系资源到默会知识

要理解王学典所描述的培养模式，需要借用布迪厄（Pierre Bourdieu）关于场域与资本的分析框架。在人文社科的学术场域中，长期以来起决定性作用的，是一种可以称之为传统学术资本的东西——它包括学术声望、期刊人脉、学术圈层归属、导师身份与机构位置。这种资本的运作逻辑，本质上是一种资本转换：一个学生即便写出了一篇质量中上的论文，如果没有可供交换的关系网络，也可能在盲审中石沉大海；而一位名师门下的学生，即便论文水准平平，也可能凭借导师的资源顺利进入发表渠道。这正是王学典文章中所呈现的图景——期刊主编之间互相扶持门生，形成一种资源在师门之间流通的隐秘经济。

这种现象之所以长期存在，还与人文学术生产本身具有的一种特殊结构有关。不同于自然科学研究高度依赖实验设备、技术平台和物质条件，一个物理学博士如果没有实验室，很难开展粒子实验；但一个文学、历史、哲学研究生，理论上似乎只需要图书馆、文献、思考能力与写作能力，便可以进入知识生产过程。因此，人文学术长期以来一直将自己理解为一种相对开放的知识活动：思想不依赖昂贵设备，学术成果最终取决于个人的阅读、思考与表达能力。

然而，表面的开放并不意味着真正的平等。在人文学术共同体内部，仍然存在一种隐性的“入口垄断”。进入学术世界的关键，并不仅仅在于一个人是否拥有思想，而在于他是否掌握了如何让思想被学术共同体识别、接受和认可的技术。这包括：如何提出一个真正具有学术意义的问题，如何将个人兴趣转化为学科问题，如何建立与既有研究传统之间的谱系关系，如何进入理论对话，如何理解期刊语言规范，甚至如何预判匿名评审可能提出的质疑。这些能力决定了一个思想能否从个人表达转化为学术成果。

过去，这些能力并不主要通过公开课程或标准化训练传递，而更多依靠师徒关系中的长期浸润。因此，导师传递的不只是知识本身，更是一套进入学术共同体的“密码”。一个优秀导师的价值，不仅在于告诉学生某个领域已经知道什么，更在于帮助学生理解学术共同体如何判断什么值得知道、什么能够被接受。这些隐性的规则构成了学术生产中的第二层资源，也正是传统学术资本能够持续发挥作用的重要原因。

但这只是问题的一半。传统学术资本之所以如此稳固，还因为它背后依附着另一种更隐蔽、也更难以撼动的东西，即导师多年积累而成的默会知识（tacit knowledge）。如何搭建一篇论文的理论框架，如何在既有文献中发现真正的问题缺口，如何预判审稿人可能提出的质疑，如何在语言层面把青涩的表达打磨成学术共同体所认可的话语——这些能力从未被写进任何培养方案，它们只存在于导师与学生长期相处中的言传身教，属于典型的默会知识。由于这种知识高度依赖具体关系和长期经验，其传递天然具有稀缺性、排他性和不可规模化复制的特点。

二、 AI在学术生产中真正带来的冲击

AI在学术生产中真正带来的冲击，正是发生在这第二层。它并没有简单地替代导师，而是第一次让过去只能通过长期跟随某位导师才能逐渐习得的学术生产“密码”，部分地显性化、工具化和可获取化了。

所谓学术生产的“密码”，并不是某个具体知识点，而是隐藏在学术共同体内部、决定一篇论文能否被理解和接受的一整套操作性规则。过去，一个普通研究生面对论文屡屡被拒时，向导师请教：“我的论文为什么投不中？”导师可能会回答：“问题意识不够。”“理论高度不足。”“文献掌握不够。”“语言还不够学术。”这些判断当然可能是正确的，但它们往往仍然停留在经验层面。对于尚未进入学术共同体内部的学生而言，这些评价更多像是一种结果判断，而不是可操作的方法指导——学生知道自己“不够好”，却并不知道如何具体改进。

AI的出现改变了这一点。一个经过训练的AI辅助过程，可以进一步追问：什么才叫问题意识？我的研究问题究竟在哪里？我的论文与已有研究相比，真正的缺口是什么？某个理论概念是否只是被简单引用，而没有真正展开？某个论证环节是否存在逻辑跳跃？匿名评审可能从哪些角度质疑这篇文章？这些过去主要依靠导师经验传递的问题，如今开始成为可以被拆解、模拟和反复训练的认知过程。

换言之，AI正在把学术共同体内部长期依靠师徒关系传递的默会规则，转化为一种可以学习、训练和复制的认知工具。它改变的并不仅仅是写作效率，而是知识生产方法本身的可获得性。

从这个意义上说，知识民主化并不只是知识数量的增加，也不只是更多人能够接触更多文献，而是知识生产方法的公开化。过去，一个年轻研究者要掌握如何提出问题、如何组织论证、如何进入学术对话，往往需要进入某个强势学术网络；而AI第一次提供了一种可能，使这些隐藏在学术圈内部的生产方法，可以通过人机互动被更多人接近。

当然，这种公开化并不意味着学术能力自动平等。AI只能提供方法的显性化，并不能替代真正的问题意识、长期积累和原创思考。但它至少改变了一个长期存在的不平等结构：一个普通学生不再必须完全依附某位拥有丰富学术资本的导师，才有机会窥见学术生产的内部逻辑。

这正是AI进入学术领域最深刻的社会学意义：它不是简单地提高个人生产效率，而是在一定程度上改变谁能够获得进入知识生产核心环节的资格。一个从未获得过名师指点的普通研究生，如果懂得如何与AI进行深度的学术对话，也可以在相当程度上获得关于论文结构、论证漏洞、文献关系、语言表达乃至评审标准的即时反馈。换言之，AI开始拆解过去隐藏于师徒关系中的部分学术生产密码，使一些原本只能依靠圈层传递的能力，逐渐成为可以学习、训练和复制的方法。

这意味着，学术场域中原本高度垄断的知识生产技能，正在经历一场悄然的祛魅与扩散。理解了这一点，才能明白为什么“靠AI”绝不只是一句技术乐观主义的口号，而是触及学术资本再分配这一深层的社会学命题。它改变的不只是论文写作效率，而是改变谁有资格掌握进入学术共同体的基本能力。

而这场资本的重新分配，恰恰是不均衡地发生的——它首先冲击的，是那些原本最缺乏传统学术资本的人，也正因如此，围绕AI使用规范的争议，才会呈现出一种令人不安的选择性惩罚。

三、为什么规范最先惩罚学术弱者：AI时代的规范不平等

一个值得深究的悖论是：在学术AI使用规范的实际执行中，越是缺乏其他资本的人，越容易因为使用AI而受到道德指控；而越是拥有深厚学术资本积累的人，使用AI反而越容易被解释为技术探索、效率提升，甚至被赋予一种“与时俱进”的积极意义。这种看似矛盾的现象，根源并不在于不同群体对AI态度的差异，而在于强者与弱者对于“是否使用AI”所拥有的自由，从来就不是对等的。

当我们将技术变革置于高校的“学术权力场域”中时，就会发现，AI写作规范的制定与执行，在事实上呈现出一种深层的、结构性的不平等。研究生和青年教师（青椒）作为体制内的“学术弱者”，对AI的迫切需求与他们所承受的规范审判，构成了一个残酷的学术社会学悖论。

学术规范从来不是一种脱离社会结构而存在的抽象规则。任何规范的形成、解释与执行，都发生在具体的权力关系之中。人文学术长期以来所强调的“独立完成”“个人写作”“慢工出细活”，本身当然具有重要的价值，它们体现了对思想原创性、研究主体性和学术责任的坚持。但问题在于：谁最有条件实现这些理想？是学界大腕，还是普通青椒？同一个规范，在不同资源条件下，可能产生完全不同的社会效果。

对于一位资深教授而言，“独立完成论文”意味着几十年阅读积累之后形成的自主判断能力，意味着已经建立起来的知识体系、理论视野和语言风格。他可以独自完成研究，并不是因为他从未借助任何外部支持，而是因为他的整个学术生命已经完成了长期积累。他拥有丰富的文献储备、成熟的问题意识、稳定的学术网络，以及足以抵御失败的声望资本。因此，对他而言，悠闲从容做学问，不使用AI是一种能力，也是一种选择，更是一种由既有资本支撑起来的特权。

但对于一个刚进入学术训练阶段的博士生或青椒而言，“独立完成”可能意味着完全不同的处境。他需要在短短几年时间内面对海量文献、陌生理论体系、复杂学术规范以及尚未成熟的表达能力，同时还要承担毕业期限、发表要求和未来职业竞争的压力。此时，如果要求他以一种已经完成几十年积累的资深学者的标准去“独立完成”，表面上是在维护同一套规范，实际上却是在要求不同资源条件的人承担同样的结果责任。

因此，同一个规范，在不同资源背景下，并不必然产生同样的公平效果。一个重要的社会学判断是：如果规范忽视资源差异，就可能把优势阶层的特殊条件包装成普遍伦理，把少数人的能力优势转化为所有人的道德要求。

AI争议恰恰暴露了这一点。资深学者拥有“不使用AI”的自由，是因为他们已经拥有足够多的替代性资源；而青年研究者选择使用AI，往往是因为他们缺少这些资源。对于前者，AI只是可有可无的辅助工具；对于后者，AI可能是一种弥补结构性不足的认知基础设施。正如一个拥有丰富外语能力的人可以选择不用翻译软件，而一个刚开始阅读外文文献的学生可能需要借助翻译工具进入知识世界；二者使用工具的社会意义，并不相同。

更值得警惕的是，在AI时代，规范执行还可能呈现出一种“选择性透明”。为什么学术共同体特别关注学生论文中是否存在AI痕迹，却较少追问资深学者是否使用AI？其中一个重要原因在于，学生缺乏定义规则的权力，而资深学者拥有解释规则的权力。学生使用AI，容易被理解为逃避学术训练；资深学者使用AI，则更容易被理解为探索新的研究方式。这种差异并不完全来自行为本身，而来自行为者在学术场域中的位置。

这正是AI时代一种新的“规范选择性”：同一种技术实践，因为使用者身份不同，而被赋予完全不同的道德意义。问题并不只是“是否使用AI”，而是谁有资格决定什么样的使用是合理的，谁拥有解释学术规范的权力。

当然，看清这一点，并不意味着应该简单地宣布AI就是弱者的救星。如果因此把AI理解为一种自动带来公平的技术工具，同样会滑入技术乐观主义的陷阱。AI确实为学术弱者提供了前所未有的能力补偿，但它也可能制造新的差距：有人借助AI扩展自己的思想能力，有人却让AI替代自己的思想劳动。真正的问题因此不是取消规范，而是重新思考一种更公正的规范——一种既保护学术主体性，又承认不同研究者资源差异的规范。

四、AI的双重可能：民主化工具还是新的筛选机制

必须承认，AI在学术生产中同时携带着两种截然相反的潜能，而这恰恰是理解其社会学意义的关键所在。如果说前文讨论的是AI如何冲击传统学术资本和既有规范，那么这一节需要进一步追问：当旧的不平等开始被技术松动之后，AI是否真的会带来更加公平的学术生态？答案并不简单。

其一，作为学术民主化工具的AI

AI确实可能成为一种前所未有的学术民主化工具。过去，学术生产中的许多关键资源，并不是公开存在的，而是集中掌握在少数优势群体手中。一个依附于资源型导师、或者就读于顶尖机构的学生，往往能够获得持续性的学术反馈：导师可以帮助他发现问题意识，修改论文结构，推荐重要文献，预判同行评价；身边的学术共同体则不断提供讨论、纠错和启发的机会。对于普通研究生而言，这些资源往往遥不可及。

AI的出现，第一次让部分过去高度稀缺的学术支持能力，成为普通研究者可以接近的资源。一个没有强大导师网络、没有名校平台支持的学生，只要具备正确的使用方法，也可以拥有一个随时回应的文献助手、一个帮助梳理论证的研究伙伴、一个模拟匿名评审的批判者，以及一个不断修正语言表达的编辑工具。它无法替代真正的学术共同体，但它确实降低了进入学术生产过程的一些隐性门槛。

从这个意义上说，AI最重要的社会学意义，不只是提高个人效率，而是改变了学术资源的分布方式。它使过去主要依靠师徒关系、机构身份和圈层归属才能获得的一部分认知支持，开始转变为一种可以通过技术获得的公共资源。这也是AI最具解放性的一面。

其二，作为新筛选机制的AI

然而，AI同样可能演变为一种新的、更隐蔽的筛选机制。因为技术工具本身并不会自动产生能力，它只能放大使用者原有的认知结构。真正优秀的研究者，会把AI作为思想协作者，用它拓展阅读边界、发现新的问题、检验论证漏洞，并在与AI不断互动的过程中形成更强的问题意识；但缺乏学术训练和主体意识的人，则可能反过来依赖AI完成原本必须由自己承担的思考劳动，在流畅而规范的语言背后逐渐失去独立判断能力。

这意味着，AI时代正在形成一种新的学术分层机制。第一层差距，是传统时代的资源差距：一个人是否拥有强势导师、优质机构和学术网络。第二层差距，是技术时代的工具差距：一个人是否能够获得并使用AI辅助研究。第三层、也是未来最关键的差距，则是认知层面的差距：一个人是否真正拥有驾驭AI进行高阶思考的能力。

这种能力，并不是简单地会使用提示词，也不是能够让AI生成一篇语言流畅的论文，而是能否在AI提供的大量信息和表达模式中保持自己的判断力。因为AI生成的语言，本质上是一种基于大规模语料统计形成的“默认表达”。它可以提供高度合理、符合规范的表述，却未必产生真正的问题突破。研究者真正需要具备的能力，是在接受AI帮助的同时，能够识别其中的惯性、修正其中的平庸，并将AI提供的材料重新转化为属于自己的问题意识和思想创造。

因此，AI带来的变化具有双重方向。一方面，它可能削弱过去由关系资源造成的学术不平等，让更多普通研究者获得接近学术生产核心环节的机会；另一方面，它也可能制造一种更加隐蔽的新不平等，因为未来的差距不再只是“有没有AI”，而是“谁懂得如何让AI服务于真正的思想”。

前一种不平等至少容易被看见：它表现为学校差异、导师差异、资源差异；而后一种不平等则隐藏在“所有人都拥有AI”的表象之下。表面上，每个人都可以调用同样的工具，但实际上，不同人的使用方式、判断能力和思想基础，会让同一个AI产生完全不同的结果。

因此，AI时代真正的问题从来不是“用不用AI”，而是谁拥有、又是否被教育体系教会了运用AI进行高级思考的能力。这也意味着，AI最终提出的挑战，不只是写作方式的变化，而是大学教育目标本身必须重新定位——如果大学不能教会学生如何驾驭AI，那么技术民主化最终仍可能转化为新的能力分层。而这，也直接把我们引向导师角色本身必须经历的重新定位。

五、导师角色的三重解构与最后的堡垒

如果承认AI正在重塑学术场域中的资本分配方式，那么导师这一角色本身也必须被重新审视，而不能简单地停留在“导师应不应该教AI”这样的表层判断上。真正的问题是：当过去由导师掌握的一部分资源和能力开始被技术重新分配之后，导师究竟还意味着什么？

传统意义上的导师，大致承担着三重功能。第一，是资源提供者，即通过自身的学术声望、期刊关系、项目资源和学术网络，为学生提供进入学术共同体的机会。王学典文章中所呈现的，正是这一功能发挥到极致的情形：导师不仅指导研究，更能够通过自身掌握的资源，为学生打开发表和进入学界的大门。第二，是知识传授者，即向学生传递理论框架、研究方法以及学术共同体内部的操作规则，其中相当一部分正是前文所说的默会知识。第三，是研究主体塑造者，即帮助学生形成独立的问题意识、判断能力、学术伦理和面对复杂思想问题时持续追问的能力。这一层功能，才是导师关系中最深层、也最难被替代的部分。

AI的介入，正在改变这三重功能之间原有的比例关系。它首先削弱的，并不是导师本身，而是导师作为“资源垄断者”的传统角色。过去，一个普通学生能否获得高质量的学术反馈，很大程度上取决于是否进入某个强势导师网络；而今天，AI开始为那些缺乏关系资源的学生提供一种替代性的认知支持渠道。它无法给予学生学术身份，也无法替代真正的学术共同体，但它正在降低一些过去必须依附于特定关系才能获得的学习门槛。

与此同时，AI也正在部分分担导师作为“知识传递者”的功能。过去只能通过长期跟随导师才能逐渐掌握的一些学术技艺——例如如何搭建论文结构、如何发现论证漏洞、如何模拟评审视角、如何调整学术表达——如今可以通过人与AI的深度互动被部分训练和习得。这并不意味着导师的知识传授功能消失，而是意味着那些可以被显性化、程序化和模拟化的部分，不再应该继续被视为某种只能通过师门关系获得的稀缺资源。

因此，AI时代导师最不可替代的功能，不是替学生提供资源，也不是替学生修改文本，而是帮助学生成为一个真正具有研究主体性的人。这意味着培养学生面对复杂问题时的判断力，帮助他们辨别信息与知识、表达与思想、流畅与深刻之间的区别；意味着在AI可以生成无数答案的时代，训练学生提出真正值得追问的问题；也意味着帮助学生保持一种不会轻易被算法生成的“默认答案”驯化的思想独立性。

从这个意义上说，导师不能再把自己定义为“帮助学生发表论文的人”，而应重新理解自己是“帮助学生成为研究者的人”。这不是导师功能的削弱，而是一种更高层次的角色回归。过去，导师可能通过资源优势维持权威；未来，导师必须通过培养判断力证明价值。过去，导师给予学生的是进入学术世界的机会；未来，导师更重要的责任，是培养学生即使离开导师之后，仍然能够独立思考和工作的能力。

当然，这种角色转型也提出了一个此前很少被正面追问的问题：导师自己是否具备驾驭AI时代学术生产的能力？如果导师不了解AI，不理解其优势与局限，只停留在禁止、怀疑甚至道德化批判的层面，那么要求学生正确使用AI便缺乏现实基础。真正负责任的导师，不应只是要求学生远离AI，而应首先成为AI时代学术实践的学习者，能够示范如何利用AI扩展思考，同时守护研究主体性。

因此，AI时代导师最大的挑战，并不是如何抵抗AI，而是如何重新证明自己不可替代的价值。一个真正优秀的导师，不再是学生必须依附的资源节点，而是帮助学生最终摆脱依附、获得独立能力的人。这或许才是导师制度在AI时代能够继续存在的真正理由。

六、导师自身AI素养：责任得以兑现的前提

倘若导师对AI的运用能力浅薄，或仅停留于道听途说式的警惕与排斥，那么“教会学生驾驭AI”便无从谈起，前文所说的导师角色转型也将沦为一句空话。当下不少高校教师面对学生使用AI，首先想到的是禁止、检测和惩罚。这种做法表面上是在维护学术纯洁性，实际上却可能成为一种更深层的责任逃避。

因为禁止并不能替代教育。它既没有为学生提供传统意义上的关系资源——而绝大多数导师本身也并不拥有足以改变学生命运的期刊和学术网络；也没有提供适应新时代的能力训练。最终的结果是：学生只能在缺乏指导的情况下自行探索，在不知道边界在哪里的情况下承担风险，甚至在使用一种尚未被系统教育过的工具时，独自面对“学术不端”的道德指控。

真正负责任的导师，不能只是要求学生远离AI，而必须首先成为AI时代学术实践的学习者。导师需要理解如何设计精准的问题，与AI形成深度的学术对话；如何利用AI进行文献梳理、理论比较和观点检验；如何让AI模拟严苛评审，对论文的逻辑漏洞进行提前拷问；更重要的是，如何在AI生成的流畅表达之上，重新建立属于研究者自己的问题意识、概念创新和思想穿透力。

因为AI真正危险的地方，从来不是它会生成文字，而是它可能让人误以为文字等于思想。导师在AI时代最重要的责任，正是帮助学生理解二者之间的区别：如何借助AI提升表达，却不把判断权交给AI；如何利用AI扩大视野，却不让自己的思想被算法生成的“平均答案”所驯化。

因此，AI素养正在成为人文学科导师一种新的专业能力。它的重要性，并不亚于外语能力、文献阅读能力或田野调查能力。甚至可以说，在AI已经深度进入知识生产过程的今天，一个拒绝理解AI的导师，就像一个拒绝理解互联网的导师一样，正在失去指导学生进入现实学术世界的基础能力。

真正的问题，并不是研究生是否应该依靠AI，而是大学是否愿意承认一个正在发生的事实：过去，一个学生的学术命运，很大程度上取决于他进入了怎样的导师网络；而未来，一个学生的学术能力，将越来越取决于他是否掌握了人与AI协同思考的新能力。

AI并没有消灭导师。它消灭的是一种旧的导师神话——学生必须依附某个拥有资源的强者，才能获得进入学术世界的资格。未来导师真正的价值，不再是替学生打开某一扇关系之门，而是帮助学生获得即使没有任何庇护，也能够独立思考、独立研究和独立创造的能力。

禁止学生使用AI，是面对技术变化时最容易采取的管理方式；教会学生如何驾驭AI，才是真正教育者必须承担的责任。

如果大学能够把AI从“作弊工具”这一简单化想象中解放出来，将其纳入正式的学术训练体系，并要求导师首先成为这门新技艺的学习者和示范者，那么AI就可能成为现代大学历史上一次真正重要的能力平权机会。

因为真正公正的教育，从来不是让所有人拥有完全相同的资源，而是让每一个人，无论是否出身名门、是否进入强势学术网络，都有机会获得过去只有少数人才能拥有的能力。这，或许才是王学典事件以及AI时代共同提出的最深层问题：大学究竟是在复制资源优势，还是在创造独立能力。