每隔一段时间，科普行业就会迎来一次集体性的工具狂欢——短视频、直播、AIGC，每一次都伴随"科普迎来黄金时代"的欢呼。但工具的迭代并不能自动回答更深层的问题：公众是谁？知识如何流动？信任从何而来？这些问题不属于技术，属于思想。而思想，恰恰是我们这个行业最容易被忽略的底层资产。

本文梳理科学传播领域四十年来的范式演进、中国语境下的思想论战、媒介环境与信任机制的深刻变化，以及 AI 时刻带来的生产函数改写，最终落笔于五个可操作的从业命题。这不是一篇教程，而是一份思想地图——供正在路上的科普人定位自己。

现代科学传播的思想史，通常从 1985 年英国皇家学会《公众理解科学》报告（博德默报告）讲起。这份报告确立了一个影响深远的预设：公众对科学的怀疑，源于科学知识的缺失；解决方案因此是单向的知识灌输——专家讲述，公众聆听。这就是著名的「缺失模型」（Deficit Model）。在此之前，它的前身是更古老的「中心广播模型」：自上而下、命令式的单向传播[3]。

缺失模型在二十世纪后半叶占据主导，但它有一个致命的认知盲区：人不是等待填充的空容器。我们是追求意义、情感与身份认同的生物。同一个合成生物学议题，框定为「工程化生命」会引导风险-收益分析，框定为「扮演上帝」则会唤起科学数据无法回应的伦理恐惧[4]。框架的力量，常常大于事实本身。

上世纪九十年代，「对话模型」（Dialogue Model）兴起：科学传播必须是双向的，需要倾听公众的关切与价值观，而不仅是对他们说教。2000 年英国上议院报告将此概括为科学-社会关系中的「对话新气象」[5]。再往前一步，是特伦奇（Trench）2008 年系统表述的「参与模型」（Participation Model）：传播发生在多元群体之间，所有人都能贡献，所有人都在结果中持有利害——公民科学（citizen science）是其标志性实践[6]。

理论界并未止步于此。欧文（Irwin）提出的「三阶思维」进一步指出：第一阶思维以公众无知为前提做单向传播；第二阶思维追求对话、透明与信任；第三阶思维则强调社会技术情境对科学传播实践的决定性影响——科学从来不是在真空中被传播的，而是在特定的社会、文化、政治与经济背景中被建构和接受[3]。

值得警醒的是，2025 年的一篇哲学反思提醒我们：缺失模型是科学传播的「基本矩阵」——知识占有的不对称始终存在，这正是科学作为独立建制得以存在、以及与非学术界沟通成为必要的前提。对话与参与的具体机制可以被调用，但范式跃迁不意味着缺失视角的消亡[7]。对从业者而言，这意味着三种模型不是「新旧替换」关系，而是不同情境下调用不同工具的问题。

中国语境下的思想论战。2000 年前后，这场国际范式讨论被「翻译」进中国。吴国盛在《从科学普及到科学传播》中提出用「科学传播」替代「科学普及」，并给出三点区别：科普是单向传输，科学传播是双向互动；科普为科学共同体服务，科学传播以公民文化建设为目标；科普的学科基础是「科学+文学」，科学传播的学术基础是科学史与科学哲学[8]。刘华杰则提出著名的三阶段论：传统科普是政府立场，公众理解科学是科学共同体立场，科学传播应是公民立场[9]。2001 年北京大学科学传播中心成立，形成了中国科学传播研究的「批判学派」。

这场论战当时相当激烈——科普阵营明确反对「科学传播」替代「科普」的提法，批评立场分析「不符合历史事实」。但二十多年后回望，争论本身恰恰推动了思想深化：今天的新科普法确立「政府、社会、市场协同推进的大科普格局」[10]，实际上是三种立场的制度性综合。中科院院刊的综述判断：我国科学传播实践已完成从传统科普向公众理解科学的阶段性转变，正在迈向「有反思的科学传播」——但相关研究仍存在机械化与静态化困境[3]。

迁移尚未完成。用三模型检视我们的日常实践就会发现：大多数平台的科普内容生产，骨子里仍是缺失模型——选题、制作、投放、完播率，整条流水线里没有「公众」的位置，只有「流量」。范式的迁移不在论文里，而在每一个选题会的第一个问题上：我们是在「教育」受众，还是在「回应」受众？

范式讨论的默认舞台是「科学家-公众」关系，但中国科学传播研究长期指出的一个盲区是：中间的媒介环节被忽略了[11]。传统科学传播遵循「科学家-记者-公众」的线性路径，记者是关键守门人，负责将复杂研究转化为通俗叙事。而今天，布罗萨德与舍费勒（Brossard & Scheufele）的判断已成现实：社交媒体正在成为科学信息的第一守门人[12]。

守门人的更替带来三重结构性变化。其一，科学家被推上前台。绕过传统媒体中介，科学家直接进入「在线公共场域」——他们不再只是知识的生产者，更成为被观看、被评判、被期待的「公共人物」[11]。其二，算法重塑传播逻辑：点赞、转发、评论不仅决定哪些科学内容被看见，更悄然改写传播的规律——情绪比证据更易传播，立场比严谨更具吸引力。其三，语境坍塌：期刊推文里谨慎的「某项研究初步显示 A 与 B 可能存在相关性」，被截取后演绎为热搜上的「科学家实锤 A 导致 B」——同一则成果在专业场域是突破，在大众场域沦为立场攻防的弹药[11]。

平台数据勾勒出这个新生态的规模。截至 2025 年，抖音医疗认证创作者达 7.1 万至 7.8 万人，其中超五成来自三甲医院；平台新增医疗科普内容超 400 万条，累计观看次数突破 5000 亿次，收藏数 24 亿、同比增长 63%[2]。《中国网络视听发展研究报告（2025）》显示，全国 10.74 亿网络视听观众中，92.1% 曾通过短视频接触健康科普内容，63% 已养成定期关注科普账号的习惯[13]。

硬币的另一面同样醒目。流量诱惑下，部分账号打着科普旗号传播不科学内容，名为科普实为带货；更极端的案例中，诈骗团伙虚构「国家一级保健医师」头衔直播「科普」，将成本 18 元的胶囊以 499 元卖出[13]。监管在快速跟进：2025 年 8 月，中央网信办、国家卫健委等四部门联合印发《关于规范「自媒体」医疗科普行为的通知》，要求分类核查认证资质、严禁无资质账号发布专业内容、严格标注信息来源[14]；新修订科普法也明确规定，对传播范围广、社会危害大的虚假错误信息，主管部门应及时予以澄清和纠正[15]。

对从业者而言，媒介之变的核心启示在于：算法不是中性管道，而是一个有自身利益逻辑的传播主体。科普内容的分发规则、呈现形态、甚至叙事节奏，都在被平台的推荐机制重新定义。否认这一点，等于把传播效果的裁决权拱手让给一个不理解科学、也不在乎科学的系统。

如果说范式演进回答「如何传播」，媒介之变回答「在哪传播」，那么信任研究回答的是最根本的问题：传播为什么有效，或者为什么失效。

过去二十年的实证研究揭示了一系列令人不安的发现。其一是知识-态度悖论：美国的研究显示，科学素养越高的群体，在气候变化等议题上的党派极化反而越严重——更多知识不是分歧的解药[16]。其二是身份保护认知（Kahan）：拒绝科学信息往往不是理解失败，而是一种社会自保——当科学结论威胁到群体认同时，相信「错」的科学反而是忠于社群的理性选择。误信息在很多时候不是逻辑的失误，而是忠诚的行为[17]。其三是逆火效应（Nyhan & Reifler）：当真相与身份认同相撞，辟谣不仅可能无效，还可能强化它试图纠正的信念[18]。

这些发现共同指向一个结论：科学传播的核心问题从来不是信息的稀缺，而是信任的稀缺。在一个假信息比同行评审事实传播更快的年代（Vosoughi 等人 2018 年发表于《科学》的研究早已证明这一点），我们面对的与其说是误信息危机，不如说是「连接的危机」——误信息之所以流行，是因为真相在抵达时常常像一种威胁：对身份的威胁、对归属的威胁[17]。

信任如何建立？理论界给出了两条路径。

第一条路径：基于知情的信任。科学史学者奥雷斯克斯（Naomi Oreskes）在《为什么信任科学》中提出：科学知识的可靠性不来自个体科学家的无误，而来自科学共同体长期严格协商形成的共识。公众信任科学，本质上是信任这套产生共识的社会机制——因此科普的任务之一，是把「科学如何自我纠错」的过程本身讲给公众听，而非只呈现纠错后的成品[11]。展示不确定性，反而可能增强可信度。

第二条路径：叙事框架的力量。叙事政策框架研究表明，有效的科学叙事由人物、环境、情节与道德四个要素构成，它必须与受众的价值观共鸣——因为公众接受科学信息时，依据的不只是证据，还有个人信仰与情感理解[19]。经典案例是卡尔·萨根的《宇宙》：他以严谨科学方法为地基，将科学家塑造为「兼具好奇心与严谨性的宇宙探索英雄」，把科学探索描绘成崇高追求——准确性与吸引力并非天然对立[19]。

对中国从业者来说，信任议题还有一层特殊含义。我国公民科学素质从 1992 年的 0.2% 增长到 2025 年的 16.74%，三十年间增长逾 80 倍，增速远超发达国家同期水平[1]——这是举国科普体制的巨大成就。但量的跃升之后是质的要求：科普服务的评价标准正在从「触达了多少人」转向「被多少人信任」。信任是无法用行政指令或算法投放制造的慢变量，它只能在一次次诚实、透明、尊重受众的传播实践中累积。

范式与媒介的讨论最终要落到「谁来做」的问题上。科学传播的主力军理应是科学家，但现实是：大多数科学家在这场变革中陷入深刻的角色焦虑。

皮尔克（Pielke）的经典区分给出了四种理想型角色：纯粹科学家（只做研究，不问公共）、科学仲裁者（应询提供事实）、议题倡导者（推动特定立场）、诚实中间人（如实呈现各选项的科学与代价）[11]。这些角色本无高下之分，但在算法的放大镜下，界限极易模糊：纯粹科学家可能因沉默而被舆论淹没；议题倡导者容易被贴上「偏激」标签；诚实中间人则在非黑即白的流量战争中遭遇语境坍塌，被简化为某一方代言人[11]。

更现实的约束来自制度与考核。科学家常面临多重角色冲突：机构要求谨慎发声，公众期待果断表态；专业规范强调不确定性，算法偏好确定性断言；考核体系专注论文产出，传播贡献不被计入[11]。一位气候科学家若以倡导者身份呼吁减排，其科学结论可能被贴上「政治化」标签；若坚持纯粹科学家姿态回避公共讨论，又被批评「脱离社会责任」。其结果是：或过度迎合流量而简化科学，或因恐惧误读干脆退出传播战场。

中国的制度回应正在展开。2024 年 12 月新修订的科普法——这部世界上唯一的科普专门法律，时隔 22 年首次修订——首次以专章规定「科普人员」，明确科研机构、高等学校、企业等创新主体的科普责任，要求建立专业化科普工作人员队伍[15]。这对从业者是一个明确信号：科普正在从「科学家的副业」变成「一种被制度承认的职业」。但队伍的现实仍然单薄：全国科普统计显示，专职从事科普创作与研发的人员仅两万余量级，与 221 万的专兼职科普人员总数形成刺眼对照——大量的科普活动，缺少专业的创作内核[20]。

角色问题的另一面是能力问题。学者所受的训练中几乎不存在「把科学发现转化为通俗叙事」这一科目[19]；语境敏感性——在专业平台保持严谨、在大众平台注重共情、警惕算法对传播逻辑的扭曲——是一种需要刻意练习的复合能力，而非科学素养的自然延伸。这为科普行业留下了一个结构性生态位：专业科普创作者，是科学家与公众之间不可替代的「翻译层」。

如果说前述变化用「深刻」形容，AI 带来的则是「存在性」的：它动摇的不是传播的某个环节，而是「科普创作者」这个角色存在的理由。

中国科普研究所 2025 年发表的实证研究，给出了一个必须直视的数据：让评价者甄别生成式 AI 创作的科普作品与人类作品，甄别正确率均低于 55%；ChatGPT 深度提示版本能「欺骗」63.04% 的评价者，且在易读性上显著优于人类版本；DeepSeek 深度提示版本在趣味性和传播效果两个维度上得分显著高于人类[21]。换言之：在读者的直接体验中，AI 已经具备与人类近似的科普写作能力。

但这个结论需要立刻加上三个限定。其一，大语言模型的原理是统计关联的预测，不是对科学概念的真正理解——如果训练数据中「量子力学」与「平行宇宙」经常共现，模型就会生成「量子力学证明了平行宇宙的存在」这类科学上不准确的流畅表述[21]。其二，人类创作者的价值维度——情感共鸣、伦理判断、对读者需求的把握——仍是 AI 的短板；在涉及社会价值议题时，人类创作整体仍优于 AI[21]。其三，AI 的「幻觉」风险在科学领域尤其危险：美国科学作家协会（NASW）记录的案例中，让 ChatGPT 检索科学文献引用，它生成了凭空捏造的「幻觉引用」——而科学传播恰恰是最经不起虚假引用的领域[22]。

国际业界的回应是谨慎的。NASW 明确承诺不使用生成式 AI 替代人类写作与编辑，不使用 AI 生成的图像，并要求对 AI 系统的使用保持透明[23]。德国研究联合会（DFG）的规则更为精细：研究者可以使用 AI 工具辅助分析与写作，但必须说明具体用途，且不得让 AI 成为署名作者[24]。

更深层的冲击在传播环境层面。科普中国网的分析指出，AI 时代科普面临三重新困境：算法推荐的「认知囚笼」（信息茧房使科学共识被撕裂为相互隔离的回音室）、深度伪造的「认知入侵」（AI 生成的假科学家、假实验、假自然现象视频在科普社区引发大规模误解）、以及 科普平台的责任真空（AI 审核对深度伪造内容的识别率仅六至七成）[25]。新科普法对此已有制度回应——明确网络服务提供者发现虚假错误信息的处置义务[15]——但制度的落地永远滞后于技术的迭代。

那么，人类科普创作者的不可替代性究竟在哪里？科普研究所那项研究给出的答案值得每个从业者抄在案头：

这句话实际上是整个 AI 时刻的思想总结：当知识的生产与重组可以被机器完成，人的价值就从「信息的加工者」迁移到「意义的赋予者」——判断什么值得讲、对谁讲、以何种价值立场讲、讲到什么分寸。这不是降级，恰恰是回归科普的思想本质。

理论的梳理最终要回到操作层面。以下五个命题，是从上述四十年思想史中提炼的坐标，供同行检验与批评。

命题一：从「内容供给」到「关系营造」。把受众当公民而非容器。选题的起点不是「我们要讲什么」，而是「他们在担忧什么、争论什么、需要参与什么决定」。对话与参与模型的机制（评论回应、共创征集、公民科学项目）应成为内容运营的标准配置，而非运营事故后的公关手段。缺失模型的工具（权威讲解、系统课程）依然有效——但只在受众已建立信任的关系中有效。

命题二：从「对抗谬误」到「理解谬误」。辟谣之前先做归因。逆火效应与身份保护认知研究的一致结论是：用证据正面攻击身份认同，通常适得其反。更有效的路径是叙事性的——通过贴近生活的人物与场景、与受众价值观兼容的框架去呈现证据。实操上，这意味着每一个辟谣选题都应先回答：这个错误信念满足了受众的什么需求？我们能否用一个不威胁身份的方式，提供同样满足感的科学叙事？

命题三：从「流量逻辑」到「信任复利」。把每一次传播视为信任账户的存取。算法奖励情绪与立场，但情绪与立场是信任的负债项。行业需要建立自己的评价观：一条爆款可能透支信任（标题党、过度简化、贩卖焦虑），一条小流量的严谨内容可能在积累信任（标注不确定性、说明证据强度、坦承知识边界）。长期主义者的复利来自后者。

命题四：从「知识搬运」到「意义赋予」。在 AI 能够以假乱真地重组知识的时代，人类创作者的护城河是：伦理判断（这条内容会不会伤害弱势受众）、情感共鸣（真实经验与真实的人）、语境智慧（同一结论在不同平台、不同群体中的分寸拿捏）、以及对「科学如何知道」的元知识传播——把科学共同体的共识形成机制本身讲给公众，恰是 AI 最难胜任、也最能建立信任的工作。

命题五：从「个体英雄」到「共同体建设」。新科普法确立的「政府、社会、市场协同推进的大科普格局」[10]，本质上是承认科普是一项社会基础设施，而非个体善举。从业者共同体的任务包括：建立内容的事实核查与引用规范、推动传播贡献进入职业评价体系、在平台上集体博弈算法规则的透明度。单个创作者无法对抗结构性问题——这正是「共同体」而非「同行」的含义。

回望这四十年：科学传播的思想史，是一部不断把「公众」请回中心的历史。缺失模型把公众放在阶梯的底端，对话模型请公众坐上谈判桌，参与模型让公众进入实验室；媒介之变让公众第一次拥有了与科学家对称的发声通道；信任研究则揭示了公众从来不是理性的缺失者，而是意义的主动建构者；AI 时刻最终把问题还原为：当知识和声音都不再稀缺，人与人之间的信任与理解，成了科学传播最后的、也是最坚固的稀缺品。

「科普传播的思想」因此不悬浮于实践之上——它决定你下一个选题的第一问，决定你面对评论区质疑时的第一反应，决定你在流量与严谨之间的每一次取舍。工具会继续迭代，范式会继续演进，但行业的成熟，始终以思想自觉为前提。

与同行共勉。