大众学术：学术的第三范式
近年来，一场知识生产方式的变革正在人文社科与自然科学两个领域同时展开。
在人文社科领域，从耿同学学术打假，到蒋方舟、贾浅浅等引发的舆论风波，普通大众对学术问题的参与达到了前所未有的高度。《光明日报》关于昆仑刻石的讨论、围绕西方伪史与中国历史分期问题的争论，都吸引了大量非专业背景的朋友深度参与。
在自然科学领域，变革的形态更为技术化却同样深刻：Hugging Face 等开源社区上，大量非建制研究者微调、评测、复现前沿模型；arXiv 预印本与 OpenReview 公开评审打破了传统期刊的垄断；最具前沿性的人工智能研究，其重心正在离开高校，向工业界与开放社区转移。
复旦大学中国研究院副院长范勇鹏教授将人文社科领域的这一现象称为大众学术：具有较高文化素质的非专业民众，主动参与到深度的学术议题中，通过媒介平台形成思想交锋。
本文依据范勇鹏教授的系列论述，并借鉴人工智能领域的公开实践，以“正—反—合”的辩证脉络展开：第一、二范式——体制内学术与市场化学术——本质上同属建制学术，前者是改革开放之前形成、自上而下发展至今的中国特色学术，后者是在美西方标准化评价体系（以期刊影响因子等为代表）下建立起来的学术，我们先看它们各自的利与弊（正题及其内部否定）；再看非建制的大众学术凭借何种物质条件登场（合题的契机）；继而将大众学术与建制学术作结构性对照，呈现其优势（合题），直面其风险（再反题），讨论如何看待和发展大众学术（再合题），最后以知识平民化的展望收束（终极合题）。全文在人文社科与自然科学（AI 与 AI for Science）两条线索上并行举例、对比论证。
本文的社科部分整理自范勇鹏教授关于大众学术的系列视频笔记；AI 部分是结合该领域公开实践的延伸论证，用以印证和修正范教授的分析框架。相关主题的演讲整理，可参见此前的《从象牙塔到千家万户 “大众学术”正在改写知识生产规则》一文。
第一范式：体制内学术
辩证地看，任何范式都必须先承认其历史功绩，再审视其内在矛盾。体制内学术作为改革开放之前形成、自上而下发展至今的中国特色学术，同样如此：它的“利”曾经是开创性的，它的“弊”也恰恰是从这份“利”中生长出来的。
利：自上而下的学术大众化传统
人文社科方面，中国文明与绝大多数文明的一个根本不同在于：在西方或印度，知识长期被宗教特权阶层（如僧侣、贵族）所垄断，而中国从“学在王官”到“私学兴起”，从科举制度到近代革命，一直存在着知识扩散的倾向，高深学问与普通民众之间，始终没有形成一道不可逾越的铁幕。近代以来，艾思奇的《大众哲学》、费孝通的《乡土中国》、钱穆的《国史大纲》，这些优秀读物像桥梁一样连接了高深学术与普通读者，是学术大众化传统的典范。新中国成立后，通过扫盲和教育普及，一场“无声的革命”让工农群众开始编写历史小册子，参与“五朵金花”等重大史学问题的讨论；20 世纪 50 年代毛泽东主席提出“百花齐放，百家争鸣”，《历史研究》编辑部收到大量工农兵来信，讨论历史分期等重大问题。以“资本主义萌芽”讨论为例，过去我们纠结于其发生的时间，而今天反观，更有价值的问题也许是：什么样的文明能够有效制约资本主义的无序扩张？——问题的转换本身，就体现着自上而下的动员对学术视角的塑造。
自然科学方面，体制的功劳同样清晰：高校与科研院所培养了世界上规模最大的工程师与研究者梯队；在 GPT-4 之前，AI 的前沿贡献主要由高校实验室作出；举国体制集中力量办大事的传统，支撑了从超算到公开课的一系列知识基础设施。李沐的 B 站论文精读与《动手学深度学习》开源教材，某种意义上正是体制内学者主动“降维”进入大众场域——把最前沿的知识免费开放给了所有人。
弊：脱离土壤的异化
然而，正如辩证法所揭示的，每一范式的长处之中都孕育着自我否定的种子。过去数十年，中国大学与科研机构在追求“规范化”的过程中，悄然滑向精英化与封闭化的极端。
一种类似“经院哲学”的氛围正在体制内学术圈蔓延：部分学者热衷于制造晦涩难懂的新概念，坚决不用老百姓能听懂的话交流，以此营造虚假的“高级感”。这种术语拜物教的危害有三：一是掩盖平庸，将简单问题复杂化，用繁琐的话语体系忽悠群众；二是割裂现实，当理论与现实冲突时，不认为理论有错，反而认为是现实错了；三是秘传知识，学术成果沦为圈内人的“秘语”，严重阻碍知识的公共传播。我们好不容易通过白话文运动打破了语言壁垒，如今却被体制内学术圈的黑话重新建构了起来。更深一层是学术行会化：学术界形成封闭的利益小圈子，像行会匠人一样批量生产标准化、空转的成果，构成一种无法回答现实问题的“内循环”。
自然科学以更“硬”的方式呈现出同样的异化。算力的体制性短板：前沿大模型的训练成本急剧攀升，高校受算力制约，在 GPT-4 之后的前沿贡献度明显下降；课题制与前沿节律的脱节：AI 领域一个研究范式的生命周期往往只有几个月，而课题申报、评审、结项的周期以年计，高校又因考核周期与前沿研究节律脱节而留不住人；人才的单向虹吸：算力、数据与薪酬优势使人才持续向工业界集中，体制内学术体系留下的，恰恰是一个不断扩大的真空。传统“从文献到文献”的空对空研究，在人工智能面前已然宣告破产：AI 能够以前所未有的效率处理文献综述和逻辑推演——未来要么成为提供原创思想的一流思想家，要么只能沦为给 AI 打工的“跑腿”。技术冲击正在加速体制内学术僵化闭环的崩塌。
第二范式：市场化学术
改革开放之后，中国学术经历了从“过度政治化”到“学术市场化”的转变，市场化学术在美西方标准化评价体系下建立起来。同样需要辩证地看：它既注入了活力，也埋下了新的病灶。
利：规范化与竞争带来的活力
人文社科方面，市场化改革恢复和重建了学科体系，引入了国际通行的同行评议、量化方法与学术规范，使中国学者得以进入国际对话——汪晖教授曾概括中国学术的双重趋势：一是全球化/西方化趋势，二是探索自主性的趋势，前者正是市场化学术的功劳。竞争性的评价机制也在一定程度上打破了单一的行政评价，为学术创新提供了激励。
自然科学方面，市场化学术的功劳更为直观：正是工业实验室把 AI 研究变成规模化工程，Transformer 到 GPT 系列的突破几乎全部来自企业；商业力量也在反哺开放生态——Llama、Qwen、DeepSeek 相继开源权重，把前沿能力交到社区手中；benchmark 竞争与顶会机制以“赛马”的方式加速了技术迭代。可以说，没有市场化学术，就没有 AI 的今天。
弊：指标化生存与资本逻辑
但市场化学术的“利”同样正在走向自己的反面，其弊集中体现为**“指标化生存”**：
- 唯 SCI/SSCI 论：学者为了评职称、过考核，不得不迎合国际期刊的选题与口味，对真正具有现实意义的中国问题视而不见；
- 西方话语渗透：西方利用学术资助和国际评价标准，将“身份政治”等意识形态毒素渗透进中国的学术界。一些学者受西方“学术指挥棒”的鼓励，刻意搞碎片化研究，甚至在基础教育领域推动身份政治式的内容。范勇鹏教授认为，这已经上升到国家安全和意识形态安全的高度，应当认真考虑出台“外国资助法案”，斩断学术领域的隐形黑手——学术若持续受西方指挥棒摆布，丧失的不仅是研究活力，更是国家的文化主权。
在自然科学中，这些弊端以更赤裸的形态出现：传统出版机制的失效——AI 研究范式几个月一换，而传统期刊 6–12 个月的评审周期意味着学术出版机制在事实层面已经失灵，知识生产被迫转移到 arXiv、GitHub、技术博客和社交平台上进行；算力的资本化壁垒——训练前沿模型的门票只有工业巨头买得起，知识生产的入口被资本圈定；指标被资本操纵——排行榜刷分、benchmark 过拟合、为融资服务的标题党论文，使市场化学术引以为傲的竞争性评价本身沦为可购买的表演；闭源垄断——最强模型的能力被封闭在 API 付费墙之后，知识与评价权重新集中到少数资本手中。
于是，辩证运动推进到这里：一、二范式同属建制学术，一个自上而下却日益脱离土壤，一个充满活力却臣服于资本与西方指标；两把利刃都卷了刃。谁来接续？历史给出的答案是：那个被教育普及、开源精神和平台媒介武装起来的大众。
大众学术产生的物质条件
新范式的出现从来不是单纯的观念批判，而必须有物质条件的支撑。大众学术之所以可能在今天登场，正是因为两个领域各自准备了土壤——而且颇具辩证意味的是，这些土壤恰恰是前两个范式的遗产：体制内学术留下的教育普及与人才储备，市场化学术留下的开源生态与平台基础设施，共同孕育了它们自身的扬弃者。
历史土壤：人文社科的可能性
大众学术的萌芽出现在清末民初。民族危机的加深激发了“天下兴亡，匹夫有责”的责任感，白话文运动打破了语言壁垒，使民间参与学术辩论第一次成为可能。新中国成立后的扫盲与教育普及，造就了一批“有文化的大众”；互联网平台的普及，则第一次让亿万人的思想交锋在技术上成为可能。历史的可能性，就此齐备。
技术条件：AI 的三块基石
如果说人文社科的大众学术靠的是历史传统与现实需求的积累，那么 AI 领域的大众学术则拥有三个更“硬”的物质条件：
- 研究载体天然可复制：AI 的成果形态是代码、权重、数据集，而不是论文话语。代码 fork 一下就能复现，开源权重一发社区就能微调——这使学术垄断在技术上难以维持，是人文社科不具备的条件；
- 参与门槛的坍塌：开源权重、消费级 GPU、量化技术与 AI 编程助手 Vibe Coding 的组合，使个人开发者能做五年前只有大实验室才能做的事——这是“知识平权”逻辑的技术版本；
- AI 的自我指涉：AI 工具本身降低了大众参与的门槛，“AI for Science”让其他学科的研究者乃至普通用户都能借助 AI 进入原本封闭的专业领域；而且 AI 恰好是唯一一个外行观察可以直接成为有效证据的硬科学领域——用户体验、伦理判断、能力边界评测，外行的参与就是研究本身，这构成了大众学术在 AI 领域最独特的开放性。
需求倒逼：供需错配的现实必要性
在供给端异化的同时，需求端却在蓬勃生长，且两个领域呈现出同构的压力。人文社科方面，老百姓关心的“996”、算法困局、养老少子化等问题，在体制内学术界往往得不到有效回应；自然科学方面，全社会都需要理解 AI 带来的生产力变革与国际竞争格局，而建制学术的供给同样滞后。需求与供给的严重错配，迫使大众自己拿起话语权。
至此，辩证运动的三个环节已经齐备：旧范式的异化（必要性）、新的物质条件（可能性）、大众的现实需求（迫切性）。大众学术由此登场。
大众学术与建制学术的结构对照
谁是“大众”：位置与行为的判据
判断大众学术的标准，与其说是参与者的身份，不如说是他们在知识生产中所处的位置和行为方式。行业大牛做科普，形式上是大众化，但当李沐的论文精读包含对领域的原创性综合判断、Karpathy 的长文实录实际是在对整个行业的方向做公开论断时，就越过了“翻译”的层次，带上了议题设定的色彩；反过来，在校大学生、硕博生、自学 AI 的文科生做传播，看似与大牛同属“讲 AI”，结构位置却完全不同——硕博生是“准专业的大众”：受过专业训练，却尚未进入学术建制、不掌握课题和评价权，这恰恰对应范教授定义里“具有较高文化素质的非专业民众”，也对应五六十年代给《历史研究》写信讨论历史分期的工农兵：相对学术建制而言是大众，相对知识门槛而言有素养。
但仅按身份划分还不够。同一个小博主，行为模式不同，性质就不同：只做论文转述、知识点科普，仍是大众化；主动复现论文、揭露 benchmark 污染、对模型能力边界提出与厂商及机构说法相左的判断、在评论区与专业者辩论，才是大众学术。范教授定义里几个常被忽略的关键词——“主动参与”深度学术议题、通过媒介平台形成“思想交锋”——正是判据所在：单向传播再热闹也不是大众学术，有质疑、复现、辩论、公开检验，才是。
传送带：不是对立，而是流动
由此观之，大众化与大众学术不是互斥的两类人，而更像一条传送带：大牛的科普降低了门槛，把大众“抬进”学术话语空间；其中一部分准专业者从消费者变成参与者，开始设定议题、发起交锋；少数人从大众学术中长出原创能力，反过来成为新的源头——Karpathy 本人就是从“学生博主”走过来的。这正好呼应范教授说的“不应存在天生的‘学阀’与‘民科’之分”：大众化与大众学术的边界是流动的，身份是起点，行为和功能才是性质。这正是辩证法对“非此即彼”式对立的超越。
三角演义：三种范式的生态格局
大众学术的入场恰逢其时——它与体制内学术（第一范式）、市场化学术（第二范式）——这两支同属建制学术的力量——形成一个稳固的“三角关系”：
- 倒逼改革：促使体制内学术走出教条，进行创新；
- 对冲制约：抵消市场化学术的资本化和西方化倾向；
- 群众发声：以新形式实现党与群众在学术领域的新结合。
这正是“第三范式”的含义所在：大众学术不是对前两种范式的简单否定，而是一种扬弃——在与它们的张力与互动中，重构整个学术生态。三种范式的结构性差异可以概括如下：
| 维度 | 体制内学术（第一范式） | 市场化学术（第二范式） | 大众学术（第三范式） |
|---|---|---|---|
| 建制属性 | 建制学术（体制内） | 建制学术（市场化） | 非建制学术 |
| 参与主体 | 高校与科研机构的专业研究者 | 受资本与国际评价体系支配的研究者 | 非专业民众与“准专业的大众” |
| 动力机制 | 课题、职称、行政考核 | 经费、影响因子、商业回报 | 兴趣、责任与真理追求 |
| 评价机制 | 行政评价与课题结项 | 期刊影响因子、顶刊顶会 | 公开辩论与“大同行评议” |
| 与现实的关系 | 自上而下，易脱离土壤 | 迎合指标，易脱离现实 | 自下而上，直面真问题 |
| 主要载体 | 期刊、专著、课题报告 | 顶刊顶会、专利、产品 | 平台讨论、开源社区、预印本、视频 |
但 AI 领域的实践同时揭示了这个三角的变形：在人文社科中三足鼎立的关系，到了 AI 领域，市场化学术（工业实验室）与大众学术（开源社区）高度重叠、互相渗透——企业既是最大的市场化学术主体，也是最大的开源贡献者；而体制内学术（高校）反而成了最弱的一足。这意味着大众学术对体制内学术的“倒逼改革”功能，在自然科学领域被工业界部分接管了。三角关系因领域而异，但第三范式的对冲与平衡功能始终在场。
合题之二：大众学术的优势
与建制学术相比，大众学术带来了一股清流。它的优势不是抽象宣称的，而是在两个领域与建制学术的对照中具体显现的。
人文社科：直面现实的三重优势
- 直面现实：它跳出了思想窠臼，直接回应社会大众关心的真问题。昆仑刻石讨论、历史分期争论之所以吸引大量非专业者，正因为现实问题是不分科的；大众学术能够跳出狭隘的学科视角，用更全面的维度审视社会；
- 非功利化：许多参与者并非为了职称或经费，而是出于纯粹的兴趣与对真理的追求，这反而催生了更具爆发力的创新——对照体制内的课题导向与市场化的指标导向，这恰恰是对两者动力机制缺陷的双重矫正；
- 评价体系重构：互联网平台的公开讨论，形成了一种跨领域、跨学科的“大同行评议”，让学术优劣在阳光下接受检验——耿同学学术打假正是这种公开检验力量的体现，它所撬动的，是行会化评价与指标化评价都无法完成的清理门户。
在这股浪潮中，**“分布式史学”和“工业党”**思维尤为引人注目：研究不再依赖个别权威，而是由大量具备理工科、系统论或工程背景的知识群体共同参与，利用统计数据、产业逻辑和系统思维对历史和社会现象进行“重构”。这种宏观观察力与跨界整合能力，往往对传统人文研究形成某种程度的“降维打击”。
自然科学：大众学术的前沿形态
AI 领域将上述优势推到了极致，也展示了大众学术在自然科学中的成熟形态——每一项都与人文社科形成精确的对应：
- 分布式研究：Hugging Face 已不只是模型仓库，而是事实上的新型学术基础设施——模型卡、数据集卡、社区排行榜等自发形成的规范，承担了传统“期刊+学会+同行评议”的复合功能；llama.cpp 这样由个人开发者写就的量化推理框架，配上 Ollama 等工具，把前沿模型推到消费级硬件上，催生了“本地模型”运动。Llama、Qwen、DeepSeek 开源权重后的社区微调、量化、蒸馏生态，大量高质量贡献来自无机构依附的个人开发者——这是“分布式史学”在自然科学中的精确对应物；
- 公开评审与打假文化：arXiv 预印本把知识发布周期从“年”压缩到“天”；OpenReview 的公开评审把同行评议从黑箱变成阳光下的辩论，三大顶会（ICLR、ICML、NeurIPS）的含金量事实上由公开评审质量与社区共识背书，而非刊名。社区还自发形成了复现与打假文化：benchmark 污染、排行榜刷分、论文无法复现等问题，很多首先由独立研究者和博主揭露——这几乎就是耿同学学术打假在 AI 领域的镜像；
- 大众成为评审主体：Chatbot Arena 用大规模盲测加 Elo 排名，让亿万普通用户直接为模型评测打分——这是“大同行评议”最彻底的形态：评审主体不再是同行，而是所有用户；
- 知识传播者的崛起：李沐在 B 站的论文精读系列与《动手学深度学习》开源教材、Karpathy 的 Zero to Hero 系列与 nanoGPT、3Blue1Brown 的神经网络可视化，其教学质量、影响力和引用量超过绝大多数高校课程和综述论文——一次教学视频的“学术影响因子”超过一篇顶刊论文，这在传统范式下不可想象。大众在这里不只是消费者，精读视频的评论区本身就是公开研讨班；
- AI for Science 的外溢：AlphaFold 之后社区复现出 OpenFold，开源生物模型使前沿生命科学工具平民化；数学领域有 Lean/mathlib 社区、Polymath 大规模合作项目，以及陶哲轩等一流数学家借助形式化证明与 AI 开展的公开协作——数学这门最“经院”的学科也在被开源协作改造，并与更早的公民科学传统（Folding@home、Galaxy Zoo）合流。
再反题：大众学术的风险——莫让新范式沦为新学阀
辩证思维要求我们不能只看到大众学术的进步性。硬币都有两面：大众学术在获得生命力的同时，也正在被互联网的底层逻辑所侵蚀。范勇鹏提醒，必须警惕三大倾向：
- 流量裹挟：当学术讨论被算法控制，为了追求点击量，部分创作者会刻意制造社会矛盾，导致动作变形；
- 饭圈化与组织化：娱乐圈的“饭圈文化”正在渗入知识空间。拉帮结派、党同伐异、只问立场不问是非——这种新“学阀”的危害，甚至可能超过传统学阀；
- 过度商业化：当商业驱动模糊了学术与娱乐的边界，知识的严肃性便荡然无存，最终可能沦为披着学术外衣的“后真理”闹剧。
这三大倾向在两个领域都有印证，且在 AI 领域更为尖锐：
- 新学阀 = 算力学阀：大众学术的“大众”性正被算力垄断侵蚀。社区能微调和量化开源模型，但训练前沿模型的门票只有巨头买得起——开源社区实际上在给工业实验室“打工”（反馈、生态、人才筛选），这与“要么成为原创思想家，要么给 AI 打工”的判断形成了奇特的同构；人文社科的对应物则是流量向少数头部账号集中，新的话语权垄断正在形成；
- 刷榜与“推特科学”：排行榜刷分、benchmark 过拟合、为流量服务的标题党论文，使学术评价的新指标本身可以被操纵；模型信仰之争（开源阵营与闭源阵营的骂战）则是饭圈化的直接翻版——只问立场，不问是非；人文社科中，历史类自媒体为流量制造对立叙事、以立场划线的骂战，同样是饭圈化的翻版；
- 草根传播者的双重脆弱：在校生与自学者的知识传播没有建制内同行评议兜底，却拥有比教授更大的触达量——半理解的解读会被指数级放大，标题党解读往往比论文本身传播得更快。这批大众学术的新鲜血液，恰恰是风险最集中的地带。
可见，大众学术若不自我约束，就会重现它本想克服的东西：建制学术的封闭与市场化学术的逐利，会以更隐蔽的方式在新范式中借尸还魂。这正是“再反题”的辩证含义。
再合题：如何看待和发展大众学术
正视风险不是为了否定新范式，而是为了引导它健康发展。这需要底线自律、平台治理、技术治理与理论引领四个层面的合力。
守住底线：学术的生命线始终是真理与逻辑
大众学术要实现可持续发展，不能只靠“热度”，必须回归科学严谨的本质：
- 重证据、讲逻辑：无论观点多么新颖，都必须经得起实践和时间的反复推敲——AI 社区的“复现文化”与人文社科的“论从史出”，在这一原则上是完全一致的；
- 对事不对人：在网络交流中保持理性对话，尊重不同观点，避免人身攻击和情绪化宣泄；
- 警惕傲慢：拥有影响力的学术参与者应保持谦逊，防止因粉丝的簇拥而产生“真理代言人”的幻觉。
大众学术的未来，不在于彻底取代体制内学术，而在于三者的良性互动与自我约束。要坚决反对将学术作为谋取私利或政治站队的工具——学术价值应当始终置于个人的政治偏好和商业利益之上。同时，建立规范的自觉也至关重要：在开放共享的同时尊重知识产权，平衡好引用与原创的关系——开源社区中模型蒸馏的授权争议、科普内容的洗稿问题，都是这一原则在新时代的具体形态。
平台治理：私权与公器的博弈
大众学术的土壤是网络平台和论坛，但这些基础设施本质上是商业主体。这就带来一个严峻的挑战：**私权在掌控着大众学术这一“社会公器”的生存空间。**不能让资本控制的平台，捏住老百姓发声的喉咙。
在中国两千年的历史传统中，一贯强调“私权绝对不能凌驾于公器之上”。面对商业平台背后复杂的股权结构及潜在的国际资本影响，国家有必要考虑规范、改造，甚至建设具有竞争性的公共基础设施，从而形成更健康、更具包容性的生态。AI 领域把这一挑战推向了极致：Hugging Face 的政策、arXiv 的审核、社交平台的算法，都由私人主体决定着公共知识空间的规则——比人文社科的论文发表更彻底地依赖商业基础设施；而算力垄断，则是比期刊垄断更赤裸的“私权掌控公器”。建设公共算力平台、开放数据集等公器化基础设施，因而成为大众学术能否维持其人民性的关键。
技术治理：警惕算法背后的“源代码”
必须直面一个现实：**任何平台、规则和技术工具都不是中性的。**无论是人工智能、搜索引擎，还是日常使用的输入法，其背后都隐藏着创造者的意识形态和特定立场——某些词汇的联想识别、语料库的污染，本质上都是“非中性”的体现。因此，国家需要对学术数据库、搜索算法以及 AI 内置的意识形态进行精细化治理，打破学术资源的封闭状态，确保数字空间的清洁。
理论引领：当“学生”也要当“先生”
面对泥沙俱下的大众学术，主流理论界不能自诩清高、躲在“象牙塔”里寻章摘句：
- 深入内部：专家学者要主动参与网络讨论，从舆论思潮的“内部”进行引导，而不是站在外围指手画脚——李沐的 B 站精读正是体制内学者“深入内部”的范例；
- 回应现实：理论必须能够解释当下年轻人面临的实际问题（如生产力变革、国际局势），才具有说服力；
- 平衡民意与民心：要尊重人民长期的、根本的“民心”，而非盲目迎合即时的、波动的“民意”。
制度互补：在新旧范式的张力中生成秩序
从制度层面看，大众学术与体制内学术并非零和关系：通过规范管理（如动态负面清单制度），大众学术可以与体制内学术形成互补——体制内学术提供深度、规范与传承，大众学术提供敏感度、活力与检验。三角关系的稳态，不在于任何一方消灭另一方，而在于三方的张力保持平衡。
终极合题：总结与展望——知识平民化与人的全面发展
把视野再拉远一步：人类知识发展的历史，本质上是一部知识不断扩散、平民化与民主化的历史。从第一范式到第二范式再到第三范式，每一次范式更替都不是简单的替换，而是在扬弃中把前者的合理成果收纳进更高的综合：大众学术继承了体制内学术的教育遗产与市场化学术的开源生态，又以公开检验克服前者的封闭与后者的逐利。马克思在《德意志意识形态》中曾描绘过一个理想社会：人可以上午打猎、下午捕鱼、晚饭后从事批判，而不被任何职业所定义。
随着 AI 与技术的发展，我们正接近这样一个“打破脑力劳动与体力劳动界限”的时代。AI for Science 的跨学科赋能正在瓦解学科间的专业壁垒，开源社区正在瓦解机构间的资源壁垒，公开评审正在瓦解评价权的话语壁垒——在那个图景中：
- 不应存在天生的“学阀”与“民科”之分；
- 通过规范管理（如动态负面清单制度），大众学术将与体制内学术形成互补。
大众学术从人民中来，其初心应当是探寻真理、反映真相、凝聚共识。当学术不再是少数人的经院哲学，当它能够真正回应大众的困惑与国家的命运，我们才能真正斩断学术买办的利益链条、破除“五唯”标准，夺回中国的文化主权，建立起属于中国人自己的学术自信——这种自信，既属于阐释历史与现实的人文社科，也属于站在世界前沿的 AI 与自然科学。
我们期待那一天的到来：学术不再是少数人的专利，而是每个人自由全面发展的自觉活动——让每一个人都能在真理的海洋中自由发声。