论文拼多多：大二学生批量炮制的科研垃圾

► 文 观察者网心智观察所

一篇论文竟可以像手机壳一样被拆解、分包和组装，学术工作恐怕正在加速滑向知识流水线的时代。

WhatsApp 里的科研车间

最近，尼泊尔医学院大二学生拉加本德拉·库马尔·马哈托（ Raghabendra Kumar Mahato） 的 Google Scholar 页面令不少资深学者深感错愕。不到两年工夫，这个2024 年底才入学的学生名下已积累了近 120 篇之多的论文及学术成果，涵盖系统综述、Meta分析、数据库研究以及病例报告，他的研究成果出现在Wiley、Springer 等大型出版集团的旗下期刊，多篇摘要被国际医学会议接收，其中包括美国心脏协会（AHA）和欧洲肿瘤医学会（ESMO）等全球医学领域里极具分量的会议。按照常规培养节奏，这个阶段的医学生本该埋头于基础课程与初级科研训练，距离成为医生还有很长的一段路要走，而这个大二学生的学术成果竟达惊人的120篇，实在令人纳罕。

答案就藏在一款软件里。马哈托本人搭起了一个名为“全球临床研究联盟”的网络，通过 WhatsApp聚集了来自尼泊尔、巴基斯坦、印度、埃及、美国、英国和尼日利亚等国的近千名成员，这群人利用即时通讯软件搭起了一条跨国科研流水线。

马哈托

更令人心惊的是，这个松散而高效的组织已将触角伸入国际顶级医学会议，这条流水线的成品已经叩开了国际权威医学组织的大门。在美国心脏协会和欧洲肿瘤医学会的学术摘要集中，陆续出现由马哈托及其合作者署名的研究摘要。

乍看之下，这个故事很像是一位年轻学子凭借数字工具促成跨国协作的励志故事，不过现实并非如此。2026年7月21日，《撤稿观察》（Retraction Watch）的追踪报道撕开了事情的面纱。

分工明确，科研初衷却模糊了

聊天记录显示，这个千人网络更像一座按需运转的微型工厂。选题、撰写、数据分析、投稿、会议展示等各个环节被拆解为独立工位，由不同成员认领。有人负责从公开数据库中挖掘疾病趋势，有人专门撰写方法学段落，还有人专攻语言润色和格式调整。更值得玩味的是，会议现场展示的资格居然能与论文作者身份相互交换：马哈托曾在群内询问谁能亲自赴美做报告，并明确承诺“提供作者署名”作为回报。

虽然现有证据不足以认定他正在直接贩卖作者位置，也无法给所有参与者贴上造假标签，但这个模式本身暴露出了更深层次的危机：研究被拆成标准零件，作者身份沦为筹码，论文与真实学术贡献之间的纽带变得脆弱不堪。

流水线与知识生产的分野

其实现代科学并不排斥合作。大型物理实验动辄需要上千位作者，跨国医学项目更是家常便饭。所以，多人合著本身并不值得大惊小怪。真正的分水岭在于出发点。

传统合作由明确的研究难题驱动，团队为了攻克瓶颈而招募对口人才；而这样的论文工厂流水线模式却完全围绕发表目标运转，先定下产出指标，再反向填补流程空缺。前者追求知识增量，后者专注于制造符合评价体系的合格“产品”。

马哈托团队偏爱的研究类型，恰恰是医学界最易标准化、最适复制的品类：系统综述、Meta 分析、公共数据库挖掘以及病例报告。这些工作不依赖昂贵的实验室，也不需要庞大的实验团队，核心能力在于信息检索、统计处理和写作，理论上讲，一个人就能完成，门槛不高。低门槛与高规范性叠加起来，导致这种模式天然适合被切割、复制和规模化扩张。

以美国疾控中心的 CDC WONDER 开放数据库为例，近年来，基于该数据库所发表的论文呈井喷之势。研究者只需更换疾病种类，调整时间窗口或变换变量组合，就能快速产出多篇同构论文，同样的方法可以像套模板一样反复使用，换一种疾病、换一个性别变量、换一段观察期，一篇“新”论文便宣告诞生。如今，生成式 AI的诞生进一步压缩了文本与数据处理成本，同一套分析模板可以在一天之内被套用数十次。

这些批量产出的工作分析的是不同疾病的流行趋势、人群死亡率差异或某种风险因素的关联程度，工作本身并不是没有价值，可当人工智能和标准化流程将生产成本压到极低，科研也就变得越来越像一个“内容农场”，制造大量看似合理、实则贡献单薄的文本。它们挤占期刊版面，消耗审稿人精力，却罕有真正拓宽知识边界的内容。

全球化竞争浇灌的代写土壤

马哈托现象绝非凭空炸出来的的孤例，其根系深植于一条生长十余年的全球学术服务产业链。早些年间，肯尼亚的“写作庄园”、印度和菲律宾的代写作坊大量涌现，专门服务于急于交作业的大学生或充实申请材料的留学生。欧美高校对论文发表和研究经历的强制要求，与发展中国家高素质、低成本的英语劳动力形成供需对位，催生出庞大的跨国外包市场。

从查资料、写初稿，到语言修改和格式排版，论文被流水线拆解，由不同人员接力完成。眼下，这条产业链正在升级，从单纯的“接单代写”演变为“组网孵化”，从写一篇文章升级为论文生产体系。比如，马哈托的网络提供了寻找选题、组织人员、分配任务、制造成果、安排署名的一条龙生态，将代写服务延展为完整的科研供应链。

AI 的介入则进一步削减了这一产业的人力成本。过去，在论文生产中，最大的成本是人，一个论文代写团队需要大量具备专业能力的写作者、研究助理和语言编辑，负责寻找文献、阅读资料、整理观点、撰写文本、修改语言、制作图表。如今，这些工作可以全部由AI代劳，比人更快。有了AI的帮助，一个小规模团队即可拥有过去的大型论文工厂才具备的生产能力。

可以说，AI并没有摧毁论文工厂，反而使之升级了。科研工业化正在进入新的阶段，从劳动密集型转向AI增强型。

科研垃圾化：比造假更隐蔽的威胁

论文数量激增引发了学术界对“科研垃圾化”的深切警惕。这里的“垃圾”不是指捏造数据或伪造结论，而是指那些程序完全合规、没有明显错误，却既不回答实质问题、也不拓展知识边际的“空心论文”。据《Nature》统计，2023 年，全球撤稿论文数量突破一万篇，创历史新高，而大量未被撤稿的平庸论文正造成更大的资源浪费。它们不仅消耗审稿人和读者的精力，更迫使科学共同体花费巨大的注意力成本去筛除噪声。

这一点让我们想起互联网早期的信息困境：信息爆炸并没有带来等量的智慧，筛选有效信源反而成了沉重负担。未来科学界最棘手的难题，或许不再是“如何生产更多论文”，而是“如何从海量文本中打捞出真正值得深究的发现”。

游戏背后不是好奇心

可是，如果仅仅将矛头指向马哈托 本人，恐怕有失公允。要想理解他们为何趋之若鹜，必须正视一个现实：论文已成为全球学术职业竞赛中最重要的硬通货。比如，对于许多发展中国家的年轻医学生和医生而言，进入欧美医学体系意味着职业轨迹的跃升。以美国住院医师匹配系统（NRMP）为例，国际医学毕业生（IMG）在面临激烈竞争时，科研发表数量往往是简历中最直观的硬指标。

当一个年轻人感知到“十篇短平快论文比深耕一个方向更容易在筛选中脱颖而出”时，市场就会自发供应相应的生产工具。从肯尼亚的代写写手，到巴基斯坦的医学论文中介，再到尼泊尔的 WhatsApp 协作群，其实统统不过是同一套评价指挥棒下的不同产物。

中国的镜鉴：数量竞赛正在进入贬值通道

对于中国而言，这一事件不止是别国的学术丑闻，也可以成为一面提前照见自身未来的镜子。过去几十年，中国科研以惊人的速度追上论文发表总量的前列，以 SCI 和影响因子为导向的评价体系在追赶阶段发挥了激励作用。然而，当 AI 让论文生产成本急剧下滑，发表一百篇和发表十篇的差距可能仅仅取决于算力和人力配置，而不再反映思想深度。

近年来国内推行“破五唯”改革，不少高校与科研院所开始试行“代表作制度”，正是对论文通胀的破局之举。未来，真正稀缺的资源，不再是文本撰写和编排的能力，而是提出好问题的眼光、发现非常规规律的直觉，以及挑战传统范式的勇气。如果评价系统仍痴迷于计数，科研人员便会被诱导，朝着“用 AI 批量制造合规废纸”的方向倾斜过去。

中国学术界需要借此契机，将考核重心彻底从“发表了多少”转向“解决了什么、突破了什么、指引了什么”。毕竟，基础科学的长期探索与关键技术的原创攻关，才是真正的标靶。

当知识成为工业品，科学如何守住灵魂？

从尼泊尔医学生的千人群组，到非洲的代写作坊，再到 AI 加持下的自动化产出，知识生产的工业化趋势已不可回避。从前，工业时代教会人类如何制造更多廉价商品，如今，AI 时代却向科学界抛出一个反向命题：在论文泛滥的洪流中，人们怎样重新辨识那些足以改变世界的问题？对于中国而言，技术变革的最大红利，不在于加速论文的写作进度，而在于借机甩掉对于数量的迷恋，将科学重新锚定在它最原始的使命上，也就是对于未知、对于真理的探索，而不是统计表格的填充。

参考文献

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

来源|心智观察所

禁止转载