五大出版商最新AI配图政策：你以为的"美化"，可能是学术不端！

导师催图，投稿在即。

打开Gemini或者nano banana，一张"顶刊风"配图立刻出炉。

你以为的"美化"，极有可能给投稿埋下学术不端的雷。

这不是吓唬人：已有论文因AI配图，发表仅3天就被撤稿。

看看下面的真实案例：

Cellular functions of spermatogonial stem cells in relation to JAK/STAT signaling pathway

DOI：10.3389/fcell.2023.1339390

一张JAK/STAT信号通路图，配色鲜艳，箭头密集，乍一看很像那么回事。

这些图出现在一篇正式发表的综述里。

三天后，文章就被撤稿。

实验做了几个月，论文改了好几轮，到了画机制图这一步，谁不想快一点？

一张催化机制图、一幅纳米药物递送示意图，看起来只是论文里的一张配图，却要把研究中最关键的过程讲清楚。

交给AI，画面很快就有了.

可其中每一处结构、每一个箭头，最后都得由你来解释。

"图画得像那么回事"

和"准确表达你的研究"，

中间还有不少细节要核对。

满屏乱码的通路图，发表三天直接撤稿

不行。

科研诚信专家 Elisabeth Bik 指出：

"披露工具，不等于免除内容责任"。

更值得警惕的是：这张图的错误足够明显，一眼就能看穿。

如果是错误更隐蔽的呢？

比如催化机制里电荷迁移方向画反了，比如配位结构的连接关系和你的模型不符，比如通路图把抑制画成了激活……

这些错误藏在漂亮的画面里，可能直到审稿、甚至发表后才会爆发。

它们提醒正在玩转AI的众多科研党：

科研配图的准确性，要检查到具体关系，

决不能仅停留在整体观感。

世界出版集团巨头纷纷下场制定“规则”

这件事，顶刊大佬也在认真讨论，并且正在制定更加公平和安全的“游戏规则”。

你可能觉得：这是低分期刊才会踩的坑，顶刊不管这么细。

那你可能低估了问题的严重性。

2025 年 9 月，Nature Nanotechnology连发两篇重磅文章，直接提出一个材料研究者无法绕开的问题：

简单的提示词，就可能生成几乎难以与真实图像区分的纳米材料显微假图。

同月刊出的另一篇评论文章，专门讨论AI生成图像对纳米材料科学的威胁，展示了真实实验图像与AI伪造图像的对照，并提醒读者：这类图像甚至可能让专业人士难辨真假。

这两篇是讨论图像风险的社论与评论，并非撤稿案例。

它们的分量在于：越来越多的重量级期刊，已经把图像的严谨性当作需要正面应对的问题。

DOI：10.1038/s41565-025-02025-9

当图片看起来越来越可信，仅凭"我看着没问题"，显然不够。

这不是某本期刊的单独规定，也不是针对某一起事件的处理。

这意味着：

再抱着"没人会仔细看"的侥幸投稿，

风险只会越来越高。

撤稿是后果，规则是前提。

我们整理了Nature、Science、Elsevier、RSC、Wiley五大出版集团2026年最新的AI配图政策，每一条都对应你日常可能做的操作。

投稿前对照自查，真的能省很多麻烦。

Science：

未经编辑明确许可，不得使用AI生成图片。

其编辑政策明确规定，AI生成的图片及其他多媒体内容，未经编辑明确许可，不得用于Science系列期刊。"图已经生成好了"并不意味着它可以直接进入投稿文件。

Nature：

不能把科学判断和责任交给AI。

其现行AI政策将编造数据、引文或结果，以及制作深度伪造图像等列入"Red—Not permitted"。作者仍须对内容的原创性、准确性和完整性负责。

Elsevier：

通用生成式AI图像工具不得用于制作图形摘要。

这条规定与材料、化学研究者常做的Graphical Abstract直接相关。现行政策明确写出，通用生成式AI图像工具不得用于制作图形摘要。需要特别注意，这里规定的是图形摘要，不能把它与正文图片或期刊封面混为一谈。

RSC：

不得使用生成式AI或AI辅助工具修改投稿图片。

英国皇家化学会在作者责任规定中，明确列出不得借助上述工具在图像中添加、删除、移动或遮蔽特征。那些为了"更干净""更整齐"而做的局部改动，也在需要审视的范围内。

Wiley：

禁止AI编辑的照片，以及AI生成的事实性、证据性图像。

其作者指南明确禁止AI编辑的照片，并对用于支撑具体科学、临床或技术主张的事实性、证据性图像划出限制。研究结果、实验数据和诊断图像，都不能因为追求视觉效果而被生成内容替代。

两个最容易忽略的坑，很多人正在踩

看完上面的规则，很多人会松一口气：

"实验原图我不动，画个框架图、示意图总没事吧？"

"我就微调一下位置，又没改内容，能有什么问题？"

这两个想法，恰恰是最高发的风险点。

1

框架图不是 "随便画画"，错了一样撤稿

2025年，Scientific Reports发表了一篇利用TabPFNMix与SHAP讨论自闭症诊断及家长支持的文章。同年12月5日，期刊发布撤稿说明。

声明指出，文章中用于展示研究框架的AI生成图片包含无意义内容，同时还存在方法描述方面的问题。编辑因此不再信任文章的完整性或结论。

Scientific Reports官网撤稿声明页面截图

这起撤稿涉及多项问题，不能归结为单独一张图。但它打破了一个常见的侥幸想法：只要不是实验数据，配图就可以宽松一些。

在材料研究中，一张合成路线图要交代原料如何转变、处理步骤如何衔接；在生化研究中，一张实验流程图要说明样品怎样处理、检测怎样展开。

框架图承担着说明研究过程的任务，不能用"只是示意"把错误带过去。

2

只是挪了把尺子，一样也能撤稿

2026年，NEJM一篇有关支气管管型的病例图文被撤稿。作者在撤稿信中说明，他们使用AI工具，把照片中的尺子移到了图像顶部，并表示此前不了解期刊的图像处理规定，申请撤回图片和病例报告。编辑随附说明强调，应披露AI工具的使用及图像修改。

PubMed收录的NEJM撤稿记录截图

这份声明反映的是图像修改问题，不能据此认定病例本身为虚构。但一个看似普通的局部调整，确实进入了正式撤稿记录。

对经常处理显微图、材料形貌图或生物实验图的研究者，这个案例提示了一个需要认真对待的问题：画面中的位置、比例和背景，有时本身就是观察记录的一部分。

为了让图片整齐一些而移动元素，为了让画面干净一些而补齐背景，究竟改变了什么？

动手之前，必须先回答这个问题。

AI时代科研人作图真正的核心能力

分析了这么多风险，不是说 AI 完全不能用。

AI 可以帮你找灵感、搭框架、做初版，但核心前提是：你能看懂它、改对它、为它负责。

很多人真正的困境，是出图之后才发现：

导师让改一条反应路径，除了重画别无他法；

审稿人让区分证据和推测，不知道怎么调整箭头和标注；

同一套结构要放论文、答辩、封面，每次都要从头再来……

AI 能一键生成一张图，但没法帮你精准修改一个细节。

而科研绘图的核心能力，

恰恰是对每一个元素的精确控制。

所以，科研人仍然需要掌握做图的基本功。

科研绘图训练的价值，就藏在这些具体任务里：

把研究逻辑梳理清楚，知道图中哪些关系必须准确表达；

让结构、标注与版式可以分别调整；

保存源文件与修改记录，为返修留出余地。

不必先成为画家，但要逐渐具备把自己研究画清楚的能力。

#中科幻彩科研绘图 #封面插图制作 #SCI论文 #中科幻彩科学动画 #生物医学科研 #论文示意图 #流程图 #顶刊封面