科学研究是社会进步的核心动力，但如今科学与公众的距离愈发遥远。科学论文原本是学者间的交流工具，如今却变成了一种追求发表数量和影响力的竞技场，忽视了知识普惠的初衷。

当前，全球科研论文年产量超过1000万篇，总量达2.27亿篇。随着人工智能科学家系统的崛起，论文的生产与阅读将更多由机器完成，这对现有出版体系提出了严峻挑战。我们需要重新思考“面向机器的出版”模式，构建一个更高效、开放的科研传播机制。

科学文献引用机制曾是一项伟大的发明，其意义堪比文字书写。通过引用，科学知识被编织成一张庞大的网络，记录了数百年的科学对话。然而，这一系统对机器学习的支持并不理想。论文结构僵化，数据与叙事分离，且多以PDF格式呈现，难以解析。此外，现行论文往往只报告成功结果，掩盖了真实的科研过程。

未来的论文应具备以下特质：低延迟发布、明确的研究假设、原始化数据与方法描述、置信度评估的结果清单，以及真实讨论研究对领域认知的影响。这些要素无需同时满足，可根据论文类型灵活调整。例如，无结果的论文可视为数据报告，仅有假设的则可归为观点论述。

同行评审仍是科学辩论的重要环节，但自动化评审可以承担初步筛选任务，如检查最佳实践、引用正确性和格式规范。真正的科学辩论应公开进行，而非隐藏在私密通信中。此外，虚拟期刊或AI策展平台可能成为未来内容筛选的主要方式，帮助人类读者更好地应对海量机器生成的论文。

总之，我们必须尽快建立适应机器时代的科学出版体系，否则科学共同体可能面临知识孤岛化的风险。过去的一些尝试虽未完全成功，但也提供了宝贵经验。或许，解耦“出版”与“策展”将是关键一步。