2026 年春天，国内学术圈被一场"打假风暴"搅得不得安宁。

事情的起点并不复杂：4 月开始，一位退学博士出身的科普打假博主，在视频平台连续公开举报多所"双一流"高校学者的论文涉嫌数据造假。短短一个多月，被点名的就有同济大学、南开大学、中山大学、上海大学等校的多位顶尖学者，他们头上顶着"国家杰青""长江学者"这样含金量极高的帽子，论文也大多发表在《自然》（Nature）正刊及其子刊上。

校方反应很快。5 月初，同济大学认定相关论文存在学术不端，免去某团队负责人的学院院长职务，降低专业技术岗位等级两级，并取消其岗位聘用、职务晋升、项目申报、评奖评优等资格 24 个月，论文第一作者被解聘。5 月底，南开、中山等校也相继公布调查结果，多名院长、副院长、实验室负责人被免职降级，部分论文被责令撤稿或勘误。

一时间，"这会不会是又一个“翟事件”时刻"，成了无数硕博生心里最不安的疑问。

一、和“翟事件”，到底哪里不一样？

要回答这个问题，得先弄清两件事的"病灶"在哪儿。

2019 年的“翟事件”，核心是文字抄袭和明星特权。当时当事人的硕士论文被扒出重复率超过 36%，一句"不知知网"更是引爆全网。它暴露的，主要是文科、艺术类学位授予过程中"程序把关不严"的问题。事件之后，各高校查重标准应声收紧——硕士论文重复率从过去的 20%、30% 一路压到 10%—15%，博士论文更是卡到 5%—10%，教育部的论文抽检与第三方盲审也全面铺开。可以说，是这场风波"催生"了全员查重的时代。

而这一次的"病灶"完全不同，关键词换成了数据造假和图像篡改：一整列数据的末尾数字清一色是 5，两列数据之间精准相差 0.3，多组数值呈现"完美等差数列"，还有 Western Blot 等实验胶图被重复使用、张冠李戴。

这种作假，直接命中了理工科、医学、生命科学这些实证科学的命门。如果说"翟事件"考验的是"会不会抄别人的话"，那这一波考验的是"实验到底有没有真做、数据到底是不是真测"。性质，更严重了。

二、如果坐实，硕博毕业会怎么变？

按照"翟事件"的"剧本"推演，这很可能成为硕博毕业的"翟事件 2.0 时刻"。

"翟事件"催生了全员查重，这一次大概率会催生全员查原始数据。

事实上，国际顶刊近年已在收紧政策，要求作者投稿时提供未经任何后期处理的原始图像、源代码和数据集（尽管从这次事件看，效果仍然有限）。国内也已经有迹象：不少高校的生命科学院系，本就对实验"原始记录本"有规范要求，未来很可能把这一关前移到答辩之前。

对正在读研、读博的同学来说，可能意味着这些变化：

• 提交学位论文时，要同步提交原始数据包——测序结果、代码库、带时间戳的手写实验记录本等。溯源数据不连贯、补不齐，或许就进不了答辩环节。
• 盲审阶段"论文+数据"一起送，评审专家要逐一核对二者是否严格对应，存疑的直接打回学校细查，甚至一票否决。
• 导师作为"第一责任人"连坐——通讯作者未尽到对数据真实性的核查义务，同样要担责。

三、再深一层：我们是不是把"科学"当成了"工程"在管？

热闹之外，更值得琢磨的是制度层面的反思。

科学和工程，本是两回事。科学是"原理未明"，需要多样化的探索路线，发现带有很强的随机性，因此越分散、越多元越好，这恰恰适合高校去做。工程是"原理已知"下寻找可行路径，随机性小，可以集中力量、大团队攻坚，更适合企业和院所。

可现实中，二者常被混为一谈。当资源被高度集中到少数"明星团队""明星路线"上，看似"集中力量办大事"，结果却可能是作坊式的论文灌水——发得多、引用多，唯独真正的原创突破寥寥。一旦"帽子"和经费、考核深度绑定，造假的诱惑和压力也就随之水涨船高。这次被举报的，恰恰多是手握大量经费的资深学者，这并非巧合。

中国科技这些年的长足进步，很大一部分来自工程领域、来自企业院所、来自海量工程师的日夜攻关。把工程上的成就，简单挪用为"有组织科研"的政绩注脚，对真正的基础原创，未必是好事。

四、别忘了夹在中间的学生

风暴之中，最该被心疼的，其实是普通学生。

如今的毕业要求本就一年比一年高：动辄"一区两篇"，有的课题组甚至要求发出"10 分以上"的高影响因子文章——三五年时间，谈何容易。而真实的科研里，阴性结果（实验没得到预期效果）同样是有价值的发现，却往往发不出来、不算数。

要求越堆越高，出口却越收越窄，这本身就是一种结构性的逼迫。可以预见，未来的核查会更严，"低级造假"会减少；但若不同步给学生松绑——比如认可阴性结果、给基础研究更长的耐心周期——只是单纯加码，反而可能把更多人逼向更隐蔽的造假。

五、AI 造假 vs AI 打假：一场刚开始的军备竞赛

还有一个绕不开的变量：AI。

这次打假之所以高效，离不开图像查重工具的成熟——像 ImageTwin 这类专为生命科学打造的 AI 软件，背靠数千万张图片的数据库，几秒钟就能比对出图像的重复与拼接，国际知名的学术"侦探"们早已把它当作标配。

但硬币是有两面的。当造假者也开始用 AI 生成以假乱真的实验图、编造看似随机的数据，未来很可能演变成一场"魔法对轰"：学生用 AI 造假，审查用 AI 验真，最后比拼的，是"辅助"的 AI 更聪明，还是"裁判"的 AI 更厉害。

想想，确实有点魔幻。

写在最后

这场风暴会不会真的成为"翟事件 2.0"，眼下还无法盖棺定论。但它至少撕开了一道口子，让公众看清：学术诚信的防线，不能只靠事后举报和运动式整顿。

真正的解法，或许不在于把毕业的门槛再抬高一寸，而在于回到常识——让科学回归多元探索，让评价不再唯"帽子"和数字论英雄，也让每一个认真做实验的学生，不必在"真做不出来"和"假装做出来"之间被迫做选择。

毕竟，一个健康的学术生态，从来不是靠"查"出来的，而是靠"养"出来的。