生成式人工智能正在快速进入科研工作流程。从文献梳理、研究思路整理，到论文语言修改、代码编写甚至科研绘图，越来越多研究人员开始借助ChatGPT、Claude、Gemini等AI工具提高效率。
2026年8月18日，Elsevier在官方博客发布文章，对其期刊生成式AI政策进行了进一步说明，明确强调在允许科研人员合理使用AI工具的同时，要维护学术出版最核心的几个原则——准确性、原创性、保密性和责任归属。
值得注意的是，这并不是简单地“放宽AI限制”。Elsevier此次更新实际上是在尝试建立一条更加清晰的边界：AI可以成为科研人员的辅助工具，但不能替代科研人员的判断、分析和责任。
Elsevier这次更新了什么？
Elsevier目前的期刊AI政策已经覆盖作者、审稿人和编辑三个主要角色。官方政策页面显示，现行政策于2026年6月更新，而8月18日发布的官方文章进一步对政策变化进行了面向作者的解释。
从科研人员最关心的角度来看，这次政策释放出的信号其实非常明确：Elsevier并没有禁止科研人员使用生成式AI，而是进一步明确了“可以使用什么、如何使用、什么时候必须披露，以及哪些事情不能交给AI”。
例如，作者可以使用AI帮助总结复杂文献、梳理研究领域、寻找潜在研究空白、生成研究思路、组织论文结构以及改善语言表达。与此同时，作者必须对AI产生的内容进行人工核查，并对最终提交的论文承担全部责任。
这意味着，未来投稿Elsevier旗下期刊时，“有没有使用AI”本身并不是最重要的问题，AI在论文中扮演了什么角色，以及作者是否进行了充分的人类监督，才是政策真正关注的重点。
AI可以用于论文写作，但作者必须对最终内容负责
对于论文作者来说，这是此次政策中最重要的一点。
Elsevier明确允许作者在稿件准备过程中使用AI工具。例如，可以使用AI总结文献、帮助组织文章内容、改善语言和可读性，也可以利用AI检查稿件是否完整、是否符合某些投稿要求。
但是，AI不能成为作者科学判断的替代品。
如果AI生成了一段关于某项研究的描述，作者不能因为这段文字“看起来很专业”就直接放进论文。作者需要自己核查事实、数据、逻辑以及参考文献，并判断AI生成的内容是否存在遗漏、偏差或者错误。
尤其需要注意的是，Elsevier特别提醒作者，AI生成的参考文献可能是错误的，甚至可能出现虚构文献。因此，AI可以帮助寻找和整理文献，但不能成为文献真实性的最终判断者。
这对科研人员实际上提出了一个很重要的要求：今后使用AI写论文时，不应该把“AI生成”理解成“AI负责写”，而应该理解为“AI辅助完成部分工作，人负责科学判断”。
哪些AI使用需要在论文中声明？
Elsevier此次进一步明确了AI披露的要求。如果作者在稿件准备过程中使用了生成式AI工具，需要在投稿时加入单独的AI声明。声明应说明使用了什么工具、用于什么目的，以及作者已经对AI生成内容进行了审核和修改，并对最终论文承担全部责任。该声明最终也会出现在发表后的文章中。
Elsevier给出的推荐表述为：
During the preparation of this work, the author(s) used [NAME OF TOOL / SERVICE] in order to [REASON]. After using this tool/service, the author(s) reviewed and edited the content as needed and take(s) full responsibility for the content of the published article.
例如，如果研究人员使用某个AI工具帮助改善论文语言，可以按照实际情况写明工具名称和使用目的。
这里有一个容易被忽略的细节：并不是所有AI相关功能都必须声明。
如果只是进行基础的拼写、语法和标点检查，则不需要进行AI声明。但如果AI已经对句子结构、文章组织或者内容进行了实质性修改，就属于需要披露的情况。
因此，“我只是让AI润色了一下”并不能自动意味着“不需要声明”。真正需要判断的是，AI究竟进行了多大程度的修改。
AI参与科研方法时，应该怎么处理？
还有一个非常重要的区别：论文写作中的AI使用，与研究过程中的AI使用，并不是一回事。
如果AI只是帮助作者整理语言、总结文献或者组织文章内容，通常按照Elsevier规定，在稿件中加入AI声明即可。
但如果AI本身参与了研究方法，例如用于研究设计、数据分析、代码开发、数据处理、预测模型或者其他科研流程，那么就应该按照科研方法进行描述，并在Methods部分提供足够的信息。
例如，研究人员使用AI辅助开发分析代码，那么AI的参与就不应该简单地隐藏在“论文写作AI声明”里，而应该根据实际情况在Methods中说明。
这背后的逻辑其实与传统科研方法报告是一致的：只要某项技术会影响研究过程和研究结果，就需要让读者能够理解它是如何参与研究的，并尽可能保证研究具有可重复性。
Elsevier还明确提出，如果AI参与研究方法，应提供工具或模型名称、版本以及开发者或制造商等信息。
AI生成图片的规定发生了什么变化？
此次政策中，AI图片是非常值得科研人员关注的一部分。Elsevier没有简单地规定“AI图片全部禁止”，而是根据图片在科研论文中的不同作用进行了区分。
对于解释性图片，例如流程图、决策树、时间线、概念示意图以及实验流程图等，作者可以在符合相关要求的情况下使用AI辅助制作。
但如果使用AI制作这些图片，则需要在图片caption中进行披露，同时在论文整体的AI声明中说明相关AI使用情况。图片说明中还需要提供具体工具、版本以及AI参与方式等信息。
这与科研数据图片是完全不同的。
对于数据可视化，例如统计图、柱状图、散点图、热图等，AI可以辅助制作，但最终图形必须直接来源于真实的底层数据，并且生成过程必须能够通过可重复的分析、计算或统计方法进行说明。
换句话说，AI可以帮助你“画图”，但不能替你“制造结果”。
而对于显微镜图像、组织学图片、Western blot、放射影像以及患者图片等原始科研图像，Elsevier明确禁止使用AI生成或修改这些代表真实实验或观察结果的图片。
这实际上是一条非常重要的科研诚信底线：AI可以帮助解释研究结果，但不能改变研究证据本身。
Graphical Abstract不能随便用ChatGPT等AI生成
对于很多科研人员经常使用的Graphical Abstract，Elsevier的规定尤其值得注意。
官方政策明确指出，通用型生成式AI工具不能用于制作Graphical Abstract。
Elsevier建议作者使用专业的科学绘图工具，例如BioRender、Mind the Graph等，因为这些专业工具通常具有更加明确的素材来源和授权规则。
因此，如果科研人员准备投稿Elsevier期刊，不建议简单地使用ChatGPT、Gemini或其他通用AI图片生成工具制作Graphical Abstract，然后直接提交。
这并不是说“Graphical Abstract不能使用任何AI”，而是需要区分通用生成式AI与专业科学插图工具，同时考虑版权、授权、科学准确性和期刊具体要求。
至于期刊封面图，AI生成图片在部分情况下可以使用，但需要提前获得期刊编辑和出版方的许可。
审稿人：不能把投稿论文直接上传给AI
Elsevier此次政策不仅针对作者，也进一步明确了审稿人的AI使用边界。
审稿人在同行评审过程中获得的稿件属于机密文件。因此，审稿人不能把作者提交的论文或者其中任何部分直接上传到AI工具中。
原因并不复杂：很多AI工具可能会处理、保存、复用用户输入的数据，部分服务甚至可能将用户输入用于模型训练。将尚未发表的科研成果上传给第三方AI系统，可能涉及作者的保密权、知识产权和数据隐私问题。
这意味着，审稿人不能简单地把一篇几十页的论文复制到ChatGPT中，然后让AI“帮我完成同行评审”。
不过，Elsevier并没有完全禁止审稿人在工作中使用AI。AI可以用于一些辅助性任务，例如帮助改善审稿意见的语言和结构，或者辅助进行背景文献检索，但前提是不能泄露稿件中的机密信息，而且审稿人仍然必须自己完成科学判断。
如果审稿人使用了AI辅助撰写审稿意见，同样需要进行披露。
编辑也不能把稿件上传给AI
对于期刊编辑，Elsevier的原则与审稿人基本一致。
编辑负责稿件的学术评价和最终编辑决策，因此不能把作者提交的稿件或其中内容上传到AI工具中。AI可以用于辅助性的工作，例如改善决定信的语言和结构，或者进行背景文献检索，但不能替代编辑的独立判断。
值得注意的是，Elsevier自身已经在出版流程中使用AI，例如用于寻找潜在审稿人、稿件范围匹配、重复投稿检测、技术检查、科研诚信检查，以及出版后的校样和文字编辑等环节。
但Elsevier强调，这些AI工具仍然处于人工监督之下，最终的判断和决策仍由人负责。这其实形成了一个很有意思的对照：出版社可以使用AI提高出版效率，但不能让AI成为学术责任的最终承担者。
对科研人来说，真正需要记住的是这几条
如果你准备向Elsevier旗下期刊投稿，没有必要因为新政策而完全放弃AI工具。相反，更合理的做法是建立一套规范的AI使用流程。
首先，AI可以用于辅助工作，例如文献总结、研究思路整理、论文结构调整和语言改善，但不要把AI当成科研判断者。尤其是涉及事实、数据、参考文献和科学结论时，一定要自己核查。
其次，如果AI对论文进行了实质性的文字生成或修改，应当按照Elsevier要求进行AI声明。单纯的基础拼写、语法和标点检查则不需要声明。
再次，如果AI参与了研究方法、数据分析、代码开发等科研过程，就需要在Methods中按照可重复性原则说明AI的具体作用，而不是仅仅在论文末尾增加一句笼统的AI声明。
另外，对于论文图片一定要格外谨慎。**概念图、流程图等解释性图片可以在规定范围内使用AI；真实科研数据、显微镜图片、Western blot、患者影像等不能使用AI进行伪造或修改。**数据可视化则必须能够追溯到底层数据和可重复的方法。
最后，也是最容易被忽略的一点：不要随意把未发表论文、原始数据、患者信息或其他敏感科研材料上传到公共AI工具。
Elsevier要求作者在使用AI工具之前查看其隐私政策和服务条款，确认上传的数据不会被不当保留、共享或用于模型训练，同时还需要关注AI工具对输入材料和输出内容的知识产权限制。
官方政策资源
Elsevier已经在官网公布了完整的《Generative AI Policies for Journals》，其中包含作者、审稿人、编辑以及图片和AI使用相关的详细规定。由于不同Elsevier期刊可能还存在具体的Guide for Authors要求，投稿前仍建议研究人员同时查看目标期刊的最新作者指南。
Elsevier：Generative AI policies for journals
Elsevier Researcher Academy：Generative AI相关课程与资源
