8月29日消息，美国化学会《化学与工程新闻》（C&EN）8月28日刊登专栏文章，探讨人工智能如何"悄然"改变化学科研的工作方式。文章指出，过去两年AI能力进步速度惊人：2024年时的前沿模型（如OpenAI GPT-4系列）智商当量勉强达到100，而当前的最先进系统（包括Google 3.x、Anthropic 5.x和OpenAI 5.x系列）智商当量已超过130（据Tracking AI追踪数据）；显式推理链（"思维链"）与允许高度任务自动化的智能体（agentic）模式如今已是常规能力。
作者从一线科研工作者视角分享了AI的实际生产力影响：大语言模型在处理现代科研体制产生的密集行政文书方面表现尤为出色。采用AI之前，作者约有20%的工作时间消耗在报销、申请等官僚性事务上，如今这一负担已降至10%以下，许多常规文书流程甚至可以100%自动化。
但文章同时给出明确警示：错误是所有生成式AI架构的固有特征而非缺陷——这类系统本质上具有"创造性"，可能以高度自信的姿态给出错误答案。在科研场景中，这意味着AI产出必须经过人工核验，化学数据的准确性不能托付给未经审查的模型输出。
对化学界而言，这篇文章勾勒出一条务实的AI应用路径：将AI首先用于文书、总结、代码辅助等低风险高频场景，把科学家时间释放给实验设计与之数据解读等高价值环节；而在合成路线、安全评估等对准确性敏感的环节，人工复核仍是不可绕过的底线。随着推理型模型与智能体工作流在2026年继续渗透科研机构，化学学科的生产力结构正在发生实质性变化。
（来源：C&EN）