2026年7月15日，知网发布声明称部分学术期刊将DeepSeek、Gemini等AI模型列为论文作者的行为不符合著作权法规定，已对相关论文做下架处理。知网明确要求所有作者须为自然人、法人或非法人组织，并需要在论文中明确披露AI的使用情况。这一声明迅速在学术界和AI行业引发了广泛讨论。AI到底能不能当论文作者，学术伦理与AI署名权的边界在哪里，这些问题正在成为AI深入渗透学术研究领域后不可回避的核心议题。
将AI列为论文作者的现象在2026年上半年集中爆发并非偶然。随着大语言模型在学术写作和科研辅助方面的能力大幅提升，越来越多的研究人员开始在生产学术论文的过程中深度使用AI工具。一些研究人员认为既然AI对论文的实质性贡献已经达到甚至超过了部分合著者的水平，那么在理论上将其列为作者似乎合情合理。这种逻辑背后反映了AI在科研中角色的根本性变化。过去AI只是数据分析的工具，研究假设和论文写作完全由人类完成。但今天的大语言模型已经能够自主生成研究假设、设计实验方案、分析实验数据并撰写论文初稿。在这种背景下AI的贡献从工具层面上升到了创作层面，署名问题就变得尖锐起来。然而从法律和学术伦理的角度来看，将AI列为作者面临着不可逾越的障碍。著作权法保护的核心是人类的智力创作成果。AI不具备法律人格，无法享有权利也无法承担责任。如果一篇论文出现数据造假或结论错误，AI无法被追究责任。学术界对研究成果的追责和质疑机制是基于人类作者的负责任原则构建的，AI的加入从根本上动摇了这一机制的根基。
知网的声明并非孤例，全球学术界正在对AI署名问题采取越来越明确的监管立场。在国际层面，国际医学期刊编辑委员会早已明确规定AI不能列为作者。作为全球最具影响力的学术出版机构之一，其政策对数千种医学期刊具有约束力。国际出版伦理委员会同样禁止将AI列为作者，并强调作者必须对论文内容的完整性和准确性承担最终责任。自然出版集团和施普林格等全球顶级学术出版商也出台了类似政策。在国内，中国科学院和国家自然科学基金委员会已经发布了多项关于AI辅助科研的指导原则，明确要求研究人员在使用AI辅助时必须如实披露。国家自然科学基金委员会2026年上半年修订的科研诚信规定中新增了AI使用披露的相关条款。中国科协等多个学术机构也正在研究更加细化的AI使用规范。从全球趋势来看学术出版界正在达成一个基本共识：AI可以是一把好工具但绝对不能成为署名作者。这一立场的核心逻辑在于学术责任的不可转移性，无论AI在研究中发挥了多大作用，最终对研究成果负责任的必须是有法律行为能力的人类。
虽然AI不能作为论文作者，但并不意味着AI在学术研究中没有用武之地。学术界正在努力探索AI在科研各环节的合理使用边界。知网的下架声明也强调了作者需要在论文中明确披露AI的使用情况。这一要求反映了学术界对AI使用的主流态度：使用可以但必须透明。在哪些环节使用AI需要披露的问题上学术界正在形成一些基本共识。AI用于数据分析和统计计算属于常规的工具使用，一般不需要特别披露。AI用于辅助论文撰写和语言润色只需要在致谢中简要说明即可。但如果AI深度参与了研究假设的生成、实验方案的设计以及核心论点的构建，则需要在论文正文中专门说明并详细描述AI在研究中发挥的具体作用。学术界和出版界正在推动建立统一的AI使用披露标准。一些国际期刊已经在投稿系统中设置了专门的AI披露选项，要求作者在投稿时声明是否在研究中使用了AI以及使用的具体环节和程度。这种机制既保证了学术透明度又不至于对AI的正常使用造成过度限制。
知网的下架行动表明中国在AI学术伦理治理方面已经走在了前列。通过从学术出版这个关键环节入手，中国正在为AI与学术研究的规范化融合探索可行路径。但这一治理过程也面临着诸多挑战。首先是制度落地问题。虽然知网等平台已经对AI署名论文进行了下架处理，但如何从投稿端进行前置审核仍然是一个技术难题。当前的AI内容检测工具准确率有限，难以在投稿阶段有效识别AI生成内容。其次是国际协调问题。不同国家和地区的学术机构对AI署名问题的政策存在差异，在全球化学术出版的背景下需要更高层次的国际合作来建立统一标准。第三是动态调整问题。随着AI技术的快速发展，AI在学术研究中的角色和能力边界在持续变化，监管政策需要有足够的灵活性来适应这种变化。知网的声明标志着中国AI学术伦理治理进入了一个新阶段。从简单的禁止到系统性的规范构建，学术界和监管机构正在共同努力找到一条既能充分利用AI提高科研效率又能确保学术诚信和科研质量的道路。
展望未来，AI与学术研究的融合将越来越深入，学术界需要建立更加精细、灵活且可执行的AI使用规范。知网的下架声明只是一个开始，更完善的AI学术伦理体系正在构建之中。与此同时国内主要高校和科研机构也在制定内部AI使用规范，清华大学、北京大学和中国科学院大学等已陆续发布了适用于本校师生的AI辅助科研指引，从学术道德层面明确了AI使用的边界和要求。这些机构层面的规范与国家层面的政策法规相互补充，形成了从顶层设计到底层执行的多层次AI学术伦理治理体系。
值得注意的是，AI学术伦理治理的边界并不仅限于论文署名问题。AI在研究数据生成中的角色同样需要明确界定。当AI被用于模拟生成实验数据或扩增样本量时，研究者必须清楚标注哪些数据是真实实验得到的，哪些是AI模拟生成的。这种数据来源的透明性是确保研究可重复性的基本前提。中国学术界需要在AI治理问题上形成统一的声音和行动方案，确保中国在AI学术伦理规范制定方面的话语权和领导力。这不仅是技术治理的问题，更关系到中国学术成果在国际上的公信力和影响力。