跳到正文

OpenAI 把免费 ChatGPT 扩到 20 万科研人员,试点研究称没它要花近两倍时间

OpenAI 把免费 ChatGPT 扩至 20 万科研人员,11 月 23 日开放 5 万个新名额;试点研究显示,科学家估计没 AI 同样工作要花近两倍时间,但全自动研究仅占 0.4%。

小杜

约 6 分钟读完

OpenAI 把免费 ChatGPT 扩到 20 万科研人员,试点研究称没它要花近两倍时间

OpenAI 在 11 月 16 日(美国时间)宣布,把「ChatGPT for Academic Researchers」的目标人数从 10 万翻倍到 20 万,科研人员可以免费拿到 ChatGPT。下一轮申请 11 月 23 日开放,5 万个新名额先到先得。

这不只是扩名额。OpenAI 同时公布了配套研究《Science at the Frontier:科学家怎么用 ChatGPT》,用试点里 1819 名科学家的 58 万多条真实记录说话:受访科学家估计,没有 AI,同样的工作要花将近两倍时间;98% 的受访者认为 AI 会加速自己领域的发现。

对算法工程师来说,这篇东西的价值不在「免费」两个字,而在它第一次用大规模真实数据回答了:科学家到底拿 ChatGPT 干什么,又在哪些地方仍然离不开人。

扩围给了什么:5 万个名额,先到先得,但从 Pro 换成了 Plus

ChatGPT for Academic Researchers 是 OpenAI 今年 7 月启动的试点,面向学术机构的科学家、数学家和工程师。试点至今已有 2 万名研究人员加入,覆盖 33 个国家。

这一轮扩围的具体安排是:

  • 目标 20 万人,是 7 月试点启动时目标的两倍;
  • 11 月 23 日开放申请,新一轮放出 5 万个名额,按先到先得分配,不再抽签;
  • 每个名额覆盖 3 个人:获批者本人加最多两位合作者,本轮最多覆盖 15 万人;
  • 默认不拿参与者的数据训练模型,这是写进公告里的承诺;
  • 参与者能用 OpenAI 的前沿模型,并获得科研场景的使用培训。

但有一个变化值得注意:试点参与者拿到的是最贵的 ChatGPT Pro,新一轮改成了 ChatGPT Plus。OpenAI 的解释很实在——复盘试点用量后发现,大多数参与者根本用不到 Pro 的额度,换成 Plus 能把名额分给更多团队,用「降一档」换「多覆盖」。

除此之外,大学可通过 ChatGPT Edu 给全校师生开通权限;做生物学的实验室可用 GPT-Rosalind,美国高校符合条件的实验室还能免费拿最多 30 个席位、最长 12 个月。整个科研支持承诺到 2027 年超过 2.5 亿美元。

试点研究发现了什么:省时间是真的,自动做研究是假的

配套研究由 OpenAI 经济研究团队完成,分析了 2026 年 8 月 20 日到 9 月 22 日之间 1819 名试点科学家的 580186 条科学相关消息,并对其中 251 人做了问卷调查。出于隐私考虑,研究团队只用自动分类器给消息打活动类型标签,没有直接阅读消息原文。

四个数字值得看:

科学家怎么用 ChatGPT:OpenAI 试点研究的四个数字

**第一,1.9 倍。**受访科学家估计,如果没有 AI,完成同样的工作、达到同样的质量,平均要花 1.9 倍的时间。这是整份研究里传播最广的一个数字,但要注意它的性质:这是科学家的自我估计,不是计时器测出来的。

**第二,98%。**在回答「发现时间线」问题的 250 人里,98% 期待 AI 加速自己所在领域的发现。问到为什么时,52% 说「把研究做得更快」,23% 说「找到更有前景的问题」,14% 说「探索更广泛的问题」。省时间只是表层,真正让科学家兴奋的是能问出更好的问题。

**第三,68%。**68% 的科学家用 ChatGPT 来构思研究想法:35% 的时间是带着具体问题来让模型推进,36% 是带着初步想法来一起打磨,23% 是直接请模型提研究问题。想法的主导权大多还在人手里,模型更像一个随时在线的讨论对象。

**第四,0.4%。**端到端的全自动研究——让 AI 一口气统筹文献综述、想点子和后续分析——只占科学家科学消息平均的 0.4%。不过 15.3% 的科学家至少发过一次这类请求,大家在试,但还没当成日常用法。

四个数字拼在一起,画像很清楚:科学家把 ChatGPT 当成提速和启发思路的工具,而不是一个可以撒手不管的研究员。

科学家拿它做了什么:从结核病新药到会变色的蝴蝶

公告里给了两个例子:布莱根妇女医院和哈佛医学院的研究员 Shuqi Li 在探索用 ChatGPT 连接实验室数据和病人数据,加速结核病抗生素研发;佛罗里达自然历史博物馆的 Arthur Porto 团队用 AI 把标本照片变成可检索的数据库,还做了一只翅膀会随角度变色的蝴蝶 3D 模型。

抗菌药物研究者 César de la Fuente 的一句话被放在文末:「ChatGPT 这样的工具正在帮我们加速科学发现,对我这样的科学家来说,它真的像一个游乐场。」

OpenAI 还向西蒙斯基金会的新项目捐了 500 万美元,帮助数学家检验、理解并推进 AI 生成的数学结果。AI 证明了定理之后,人怎么验证它,是另一个战场。

冷静一点:这组数字的边界在哪里

好消息要看,边界也要看。OpenAI 自己在研究里把话说得很直白,这份研究的结论有几道硬边界:

首先,样本是自我选择的。参与者是主动申请扩大 AI 使用权限的研究者,回答问卷的又是其中愿意配合的一批人,这样的人天然更可能从 AI 里受益,数字不能直接推广到所有科学家身上。

其次,1.9 倍是估计,不是测量。它来自科学家的主观判断,没有计时对照,也不能证明因果关系。研究明确写了:这些发现描述的是 AI 如何融入科研工作,而不是证明 AI 让发现变得更快。

最后,真正的瓶颈不在模型。科学家想把 AI 帮着想出来的点子变成真正的发现,还要过经费、人员和实验能力这几关。想法可以一晚上冒出十个,验证一个假设可能要排队等三个月的实验机时。免费的 ChatGPT 解决的是「想」和「写」的成本,解决不了「做实验」的成本。

小杜点评

这条新闻最有意思的不是「免费 20 万人」这个标题数字,而是 0.4% 和 98% 的反差:一边是几乎所有科学家都相信 AI 会加速发现,另一边是全自动研究在真实使用里几乎不存在。

这说明科研场景里的 AI 落地和很多人的想象正好相反:不是模型一夜之间接管科研,而是人把模型嵌进工作的缝隙里——查文献快一点、写代码顺一点、卡住时多一个能随时讨论的对象。省下来的时间被拿去问更多、更难的问题。

对算法工程师来说,这份研究是用 58 万条真实消息做的「AI 助手使用行为分析」,比常见问卷扎实。以后再有人争论「AI 会不会替代研究员」,直接把 0.4% 摆出来就行——替代还早得很,提速已经是进行时。

Pro 换 Plus 也值得记一笔:连 OpenAI 自己的数据都显示,大多数重度用户用不满顶配额度。做产品和 infra 的人,下次面对「要不要上最贵那档」时,这就是现成的参照。

参考来源

  • OpenAI《Broadening access to AI for scientists》,2026 年 11 月 16 日:https://openai.com/index/expanding-chatgpt-for-academic-researchers
  • OpenAI《Science at the Frontier: How Scientists Use ChatGPT》,2026 年 11 月 16 日:https://openai.com/index/science-at-the-frontier
  • Unite.AI《OpenAI to Award 50,000 ChatGPT Plus Grants to Researchers》,2026 年 11 月 16 日:https://www.unite.ai/openai-to-award-50-000-chatgpt-plus-grants-to-researchers/
  • Neowin《OpenAI doubles free ChatGPT access to 200,000 scientists, but there's a catch》,2026 年 11 月 16 日:https://www.neowin.net/news/openai-doubles-free-chatgpt-access-to-200000-scientists-but-theres-a-catch/

评论

正在确认登录状态…