2026 年 11 月 16 日,OpenAI 发布两篇科研生态相关公告:一篇宣布对其自 2026 年 7 月 29 日启动的「ChatGPT for Academic Researchers」学术研究者计划进行规模扩容(Broadening access to AI for scientists),另一篇由 OpenAI 经济研究团队(OpenAI Economic Research team)刊出配套研究报告《Science at the Frontier: How Scientists Use ChatGPT》。此次更新聚焦科研资助名额、订阅档位与选拔机制调整及试点研究数据披露,并非新的基础模型发布。

计划扩容细则:目标翻倍至 20 万人、11 月 23 日开放 5 万份先到先得名额

在 2026 年 7 月启动试点时,该计划原定在 2027 年前向 10 万名科学家、数学家与工程师提供免费前沿模型工具,截至目前已有来自 33 个国家或地区的 2 万名研究者加入试点(等候名单地图截至 2026 年 11 月 12 日按对数色阶展示全球报名分布)。本次扩容调整了以下核心规则:

整体目标与多处官方规模表述:扩容公告正文写明计划将向全球最多 20 万名研究者(up to 200,000 researchers)提供免费 ChatGPT 访问权限,整体目标达到 20 万人(较 7 月试点目标翻倍),而同期研究报告展望段落中则将其表述为面向全球超过 20 万名研究者(more than 200,000 researchers)提供免费访问。

下一轮申请时间与先到先得机制:新一轮申请将于 2026 年 11 月 23 日(周一)正式开放。基于研究者反馈,OpenAI 决定取消原有的抽签(lottery)选拔模式,改为向符合资格要求的申请者按先到先得(first-come, first-served)原则发放 5 万份新资助(即前 5 万份符合资格的申请;已在等候名单上且符合资格者将在申请开放前收到账号激活指引邮件,完整资格细则以申请页面与研究者访问指南为准)。

合作者名额与新资助档位由 Pro 调整为 ChatGPT Plus:每份新资助将覆盖申请者本人及最多两名合作者(较 7 月试点时的最多四名合作者有所调整),按每份最多 3 人计算,本轮 5 万份资助最多可支持 15 万名研究者。同时,新发放的资助统一提供免费 ChatGPT Plus 订阅(而 7 月试点阶段提供的是 ChatGPT Pro;OpenAI 解释称复盘试点用量后发现绝大多数参与者均处于 ChatGPT Plus 用量限额内,改用 Plus 可让更多科研团队获得支持)。默认情况下,通过该计划共享的数据不会用于训练 OpenAI 模型。

既有学术生态渠道:公告中同时提及面向高校校园规模部署的 ChatGPT Edu、面向美国高校合格实验室提供最多 30 个席位与最长 12 个月免费访问(需经审批)的 GPT-Rosalind 与 Rosalind Academic Plan,以及向 Simons Foundation 数学与科学倡议提供的 500 万美元资助等既有项目。

《Science at the Frontier》报告:1,819 名科学家试点数据与 1.9 倍耗时自评

在同日发布的《Science at the Frontier》报告中,OpenAI 经济研究团队在严格遵守默认关闭模型训练的前提下,利用隐私保护分类器(仅读取活动类别而不阅读底层对话原文)分析了 2026 年 8 月 20 日至 9 月 22 日期间 1,819 名试点科学家发送的 580,186 条科学相关消息,并结合 2026 年 9 月 30 日至 10 月 7 日对 251 名科学家的问卷调查结果(各题作答人数略有差异):

受访者自评耗时节省(1.9 倍):在横跨八项科研活动的问卷评估中(每项包含 249 至 251 名受访者,未在该活动使用 AI 的受访者按耗时不变计入),受访科学家估算在保证同等质量的前提下,不使用 AI 完成相同工作平均需要 1.9 倍的时间(即借助 AI 工作 1 小时相当于无 AI 状态下约 1.9 小时的工作量)。

研究构思采纳与科研发现加速预期:数据显示,68% 的科学家在研究期间使用 ChatGPT 发展研究想法(定义为至少发送三条相关消息),在构思类消息份额上,科学家主导占 35%、人机共同发展占 36%、由 ChatGPT 建议占 23%、其他占 6%;同时科学家在委派任务后仍频繁在七日内跟进澄清、核对或修改。在回答发现时间线问题的 250 名受访者中,98% 预期 AI 将加快其所在领域的科学发现;在 224 条书面原因(共识别 367 个理由)中,主要原因包括把研究执行得更快(52%)、发现更有希望的研究问题(23%)以及追问更广泛的问题(14%)。

必须保留的方法与因果边界:报告明确指出,上述使用统计反映的是向 AI 发出的请求,效率提升来自受访者自我报告,科研发现加速属于预期判断,这些发现并不构成因果效应证明(do not establish causal effects),且科学家同时指出了人员配备、科研经费与实验能力方面的现实限制。