人工智能（AI）的快速发展，正悄然改变科研世界最隐蔽却最深刻的一道门槛——语言。长期以来，英语非母语的科学家在撰写高质量论文时，往往须要耗费大量精力在语言修正、术语润色上。这导致许多具有创新性但语言表达欠佳的科研成果被埋没。

专业的《科学》期刊近期一篇研究指出，大语言模型（LLM）对科研生产力的推动作用，特别是在科研流程的自动化、数据分析及知识生成方面表现突出，可提升科研生产效率。然而，比效率提升更值得关注的，是更深层的问题：当语言不再成为限制，谁将拥有定义知识的权力？

长期以来，现代科学体系在无形中被建立在以英语表述之上。论文撰写、审稿沟通、学术表达乃至研究叙事方式，几乎都以英语表达。这是一种“隐性筛选机制”，对于大量英语非母语的研究者而言，科研能力与表达能力之间，始终存在一道难以跨越的鸿沟，直接影响研究能否被正确理解、被接受，甚至被看见。在这一意义上，语言本身就构成进入主流科研体系的壁垒。AI正在打破这一鸿沟，借助大语言模型，研究者可以更高效地组织论证、润色表达，甚至在一定程度上优化论文结构。这意味着，过去因语言能力受限而被低估或忽视的研究，正在获得重新表达和重视的机会。

如果说过去的科研竞争是“谁的想法更好，同时英语更好”，未来的竞争正转变为“谁更能与AI协同思考”。因此，一个引人关注的问题浮现出来：亚洲研究者是否会迎来“逆袭”？从直觉上看，答案似乎是肯定的。亚洲拥有庞大的科研人才基础与快速增长的研究投入，如果语言壁垒消除，潜在产出与影响力将获得释放。

然而，现实可能没有那么简单。首先，AI不会自动消除不平等，它也可能重构新的不平等。例如，高质量模型的获取、算力资源、数据训练基础等，仍然集中在少数科技巨头公司和国家手中。语言壁垒的降低，未必意味着知识权力真正去中心化。其次，作为主流的人为学术评价体系，尚未发生根本改变。顶级期刊的审稿标准、理论偏好以及研究范式，依然具有明显的主观偏见。即使表达能力被AI强化，研究能否被主流体系认可，仍取决于更深层的现有制度逻辑。

另一个值得警惕的趋势是，当越来越多研究依赖AI生产、组织与表达时，科研本身可能出现趋同化，表达变得更加标准化、规范化，而削弱个体风格与原创叙事特色。这种变化是否会影响知识的多样性，仍有待观察。因此，与其简单地将AI视为赋能工具，不如将它理解为一场关于知识生产方式的变革，以及对原创性与多元化科研的挑战。

对于新加坡乃至整个亚洲而言，这既是机会，也是考验。一方面，可以利用AI提升科研表达与国际传播能力；另一方面，如何在新的技术环境中不被大语言模型趋同化，维护具有东方社会与亚洲特色的研究议题与理论框架来解决本区域的问題，才是更长期的挑战所在。

当语言不再是门槛，真正的挑战将回到维护科研初心和原创思想本身。AI所带来的最大变化，或许不是让更多人“写得更好”，而是让更多科研成果有机会被看见，而且为更多社会、更多人群解决问题。

作者白士泮是南洋大学校友学术会顾问与新加坡社科大学客座教授

石建政是新加坡社科大学客座讲师与特许金融科技分析师