引言：科影融合里的“真”问题，为什么在AIGC时代变得紧迫

科影融合并不是新话题。科学纪录片早就在用动画加实拍的办法，把那些看不见的过程——板块运动、分子交互、地质时间——变成能感知的影像叙事。在这个传统里，虚拟画面被接纳的前提很清楚：它是对已知科学结论的“翻译”，不是对未知的“发现”；它服务于解释，不冒充证据。Sora这类视频生成模型出现之后，格局变了。生成影像不再由创作者逐帧“装配”，而是由模型根据数据分布“涌现”；影像与所指对象之间的索引链接，被数据驱动的生成机制取代，“知觉真实”开始取代“索引真实”，成为影像可信度的来源。当一段从未被拍摄、甚至从未在现实中发生过的“科学场景”可以被生成为视觉上无可挑剔的视频时，科影融合所依赖的那个朴素契约——“虚拟画面是对真实的解释，而非对真实的替代”——便不再不言自明。正是在这个节点上，“边疆”成了一个恰当的概念。它不意味着AIGC在科影融合中“不行”，而意味着它的能力在某个位置发生了性质的变化：从助力变为替代，从解释变为建构，从工具变为准主体。下面三个“真”，试图描画的就是这一性质变化发生的三条界线。

▲王立祥教授出席第39届中国电影金鸡奖·2026金鸡未来影像颁奖现场合影

一、求真：再现的边疆——AIGC能“给出”何种真实

“求真”在科影融合中的第一层含义是：影像是否忠实于科学上已知的事实与机制。AIGC在这一维度上的能力已经不容低估。中国科学院昆明动物研究所的科普作品《如果动物也有诺亚方舟，那一定是在青藏高原》，综合运用AI图像生成与动物特征建模，再现了青藏高原极端环境下三个物种的适应性特征及其背后的科学发现。作品“清晰传达了相关研究的科学内涵”，也“融入了科研工作的时间跨度和团队攻关的历程”。南方日报“灵动湾区AI科普系列视频”的实践同样表明，生成式AI在“弥补生物多样性记录缺失”方面有独特价值——那些因观测条件所限而未被影像记录的物种与场景，可以通过模型基于科学描述生成可理解的视觉呈现。在这些案例中，AIGC承担的是解释性再现的功能：它把文字形态的科学知识转换为视觉形态，其真实性标准不在于“这段影像拍到了什么”，而在于“这段影像是否准确传达了已知的科学内容”。

然而，“求真”的边疆恰恰在这一功能看似最稳固的地方开始显露。生成式AI的架构决定了它的输出是对训练数据中统计规律的拟合，而非对物理世界的指涉。一项发表于 Learned Publishing 的研究将学术出版中的AI辅助图像按其“证据功能”区分为解释性、分析性、模拟性与证据性四类，指出不同类型的图像承载着截然不同的诚信风险，而现行的AI图像政策远未提供足够的区分精度。解释性图像的风险在于“过度美化”可能扭曲科学判断；模拟性图像的风险在于模型可能生成“想象中的分子”或“异化的解剖结构”，因为其架构“从根本上限制了所描绘信息的准确性和可信度”。生物医学可视化领域的研究者用一句直白的判断概括了这一困境：“它看起来很性感，但它是错的。”

更深层的问题在于“求真”的标准本身。庄子论“真”，指向的是“真性”“真宰”，是事物本然的存在状态，而非人对它的表象。王充在《论衡》中以“疾虚妄”为宗旨，所“疾”者不仅是事实层面的错误，更是那些“虚妄无据”却因其表面完整性而被信以为真的言说。AIGC生成的科学影像恰恰容易落入这一传统所警惕的境地：它不“看见”错误的世界，而是对真伪本身无动于衷，只为生成“像真的”画面。当一段AI生成的地震废墟影像在社交媒体上被广泛转发，尽管平台标注了“AI生成”，仍有大量用户相信其为真实时，受损的已不是某一个具体事实的准确性，而是“通过影像认识世界”这一认知方式本身的可靠性。求真的边疆，因此不在于AIGC能否生成“看起来对”的科学画面，而在于它是否能够被信任为一种“给出真实”的认识装置。在解释性再现的范围内，答案可以是肯定的；一旦越出这一范围，朝向证据性再现移动，AIGC的能力便从“求真”滑向了“造真”。

二、较真：理解的边疆——视觉逼真与因果把握之间的断裂

如果“求真”追问的是影像与科学事实的关系，“较真”追问的则是更根本的问题：生成影像的智能体本身，是否“理解”它所呈现的东西。这一问题在科影融合中具有特殊的分量，因为科学影像的独特价值恰恰在于它不只展示“看起来如何”，更承载着“为什么如此”的因果结构。

Google DeepMind发布的Physics-IQ基准，为这一追问提供了迄今为止最清晰的实证回答。该基准测试视频生成模型能否在物体下落、液体飞溅、光线反射等场景中预测“接下来会发生什么”，覆盖力学、流体、光学、热力学与磁学。结果显示，包括Sora和VideoPoet在内的顶尖模型仅达到真实世界基准分数的20%至30%。更具揭示性的是研究者所称的“Sora悖论”：Sora在视觉上最难与真实视频区分，却在物理理解测试中同样失败——“逼真性与理解不是一回事”。症结在于这些模型是“模式匹配器，而非思考者”：它们基于训练数据中的统计规律预测下一帧，而不是通过把握因果关系来生成画面。

这一发现在科影融合的语境中意味着什么？它意味着AIGC能够出色地完成“外观的再现”，却无法独立承担“机制的阐释”。当科学纪录片需要展示一个天体物理过程、一段分子相互作用或一种生态关系的因果链条时，生成模型可以产出视觉上令人信服的画面，但这些画面的组织原则是“什么看起来像真的”，而非“什么在因果上是正确的”。在生物医学可视化中，研究者已经观察到，使用生成式AI“消除了许多人类做出反思性选择的机会，转而交由机器决策”，而空间关系与纠缠变量恰恰需要精细的理性化才能被视为可信。在科学教育中，这意味着一种隐蔽的风险：学生从AI生成的“完美画面”中获得的，可能是一种关于自然如何运作的错误直觉——画面的每一个像素都“对”，底层的因果结构却可能是错的。

较真的边疆因此可以表述为：AIGC在科影融合中的有效半径，止于“因果可被悬置”的再现任务。在解释已知机制的科普影像中，因果结构由人类创作者注入，AIGC是执行工具；在模拟假说性场景（如“如果……会怎样”）中，因果结构的正确性本身就不是要求。但一旦任务要求影像独立承载因果解释——要求它不只是“看起来对”，而是“在机制上对”——AIGC便抵达了它的理解边界。这条边界无法通过更大的数据或更强的算力简单跨越，因为它涉及的是一种与统计拟合不同的能力：对“为什么”的把握，而非对“什么样”的复制。

三、率真：责任的边疆——当“真”不再由索引担保，谁来说真话

“率真”在通常用法中指向坦率与不掩饰。在科影融合的伦理语境中，它可以被赋予一个更严格的含义：在影像的真实性不再由光学索引自动担保的条件下，参与影像生产的各方是否诚实地承担起“说真话”的责任。这是三个“真”中最具制度性与伦理紧迫性的一条边疆。

AIGC恰恰在这一维度上制造了一种结构性困境。大模型“对真伪无动于衷”——它不为生成“真话”而生成，只为生成“像人写的话”或“像真实画面的影像”而生成。一个对真伪本身缺乏取向的系统，既不会主动为真实性把关，也无法在失实时承担问责意义上的责任。GPT-5“攻克未解数学难题”的乌龙事件提供了一个精确的注脚：机器检索到的答案条条属实，把“检索”讲述为“破解”的是人；但当追溯责任时，传统科普中可以定位到作者、专家与原始文献的问责链条，在模型黑箱的重组中变得无处落脚。Grok生成大规模未经同意的性化深度伪造图像的事件则表明，当生成能力被开放给所有人而把关机制缺位时，损害的发生不需要“恶意造假”作为前提——设计取向上的安全弱化与把关机制缺位，本身就构成风险。

鲍德里亚的拟像理论在这一问题上提供了超越具体案例的诊断框架。他指出拟真经历了从“符号反映真实”到“符号掩盖真实”再到“符号替代真实”的演化；在第三阶段，“原本真实的原型反而显得不够真实”，拟真符号反过来成为人们判断真实的锚点。AIGC影像将这一哲学预言转化为可操作的现实力量：西藏定日地震期间，一张AI生成的“被压男孩”图片被网民与地震信息关联传播，涉案人员被行政拘留——影像的感官说服力先于理性核实而发挥作用，并非因为用户缺乏判断力。更深远的影响在于认知标准的偏移：当拟真符号成为判断真实的锚点，受损的已不是对某一具体事实的正确认知，而是“真实本身作为标准”的地位。

率真的边疆因此不是一条技术边界，而是一条制度与伦理的边界。2025年9月1日起施行的《人工智能生成合成内容标识办法》，以生成端标识与传播端管理为核心构建治理框架，标志着“率真”开始从个体德性转变为制度要求。但标识只能解决“知道这是生成的”问题，不能解决“生成的内容是否被允许冒充真实”的问题。在科影融合中，“率真”意味着一个更具体的承诺：AIGC生成的科学影像必须在生产流程的某个节点上，由一个有姓名、有专业资质、愿意为画面中的因果断言负责的人，完成“终审”。这条责任链不能委托给模型，因为模型没有“真”的概念；也不能仅仅委托给标识制度，因为标识告知的是来源，而非正确性。

结语：三条边疆之间

三个“真”各自划出的边疆，在性质上并不相同。求真的边疆是再现性的：AIGC能在解释的意义上生成“对”的科学影像，却不能在证据的意义上生成“真”的科学影像。较真的边疆是认知性的：模型可以在像素层面模拟世界的“外观”，却尚未在因果层面把握世界的“运作”。率真的边疆是规范性的：当索引担保退场，真实性必须由人的判断、制度的约束和职业伦理来重新接住。

这三条边疆之间存在一种值得警惕的错位：AIGC在求真与较真两条边疆上的能力越强——生成的画面越逼真、越“像真的”——率真边疆上的风险就越大。视觉逼真性并不通向理解，却通向信任；而信任一旦被系统性地透支，损害的将是科影融合赖以成立的根基：公众之所以愿意从科学影像中学习，是因为相信影像的背后有一个为“真”负责的人。AIGC可以成为这个人手中更强大的工具，但不能成为这个人的替身。边疆的意义不在于标记“不能做什么”，而在于提醒：在越过某条线之后，必须有人重新站到“真”的位置上。

▲王立祥教授于人民日报健康客户端及科普中国平台影评文章：《南京照相馆》三底片断想（左）与《戏台》三笑三血（右）

作者：王立祥

【参考文献】

[1]王立祥. AI时代做好生命健康科普“需知”. 科普中国, 2025-11-19.

https://cloud.kepuchina.cn/newSearch/imgText?id=7390853526512963584#1

[2]王立祥.绘制人类碳基生物智慧与AI硅基生命智能“德智体”蓝图.科普中国,2025-12-02

https://cloud.kepuchina.cn/h5/detail?id=7395177208332247040

[3]王立祥. 智知·智觉·智行：构建人机共生的认知革命三元范式. 科普中国, 2026-01-11.

https://cloud.kepuchina.cn/h5/detail?id=7410017536313823232#1

[4]王立祥. 立题·破题·解题：基于“九题法则”构建健康科普标题创作体系. 科普中国, 2026-02-04.

https://cloud.kepuchina.cn/h5/detail?id=7418805701058011136#1

[5]血洗的胶片：一位军医的《南京照相馆》三底片断想

https://www.kepuchina.cn/article/articleinfo?business_type=100&classify=0&ar_id=623920

[6]《戏台》三笑三血：陈佩斯以荒诞为刀解剖艺术与权力的血色博弈

https://cloud.kepuchina.cn/newSearch/imgText?id=7348534998397587456

作者简介：

王立祥教授，解放军总医院第三医学中心原急诊科主任、教授、博士生导师，国家健康科普专家、全国学校急救教育专家、全军十二五心肺复苏重点项目首席专家、国家工信部卫健委5G+心脏猝死防治救系统项目首席专家；获医学科学家奖、国家、军队科技进步二等奖、军队优秀人才一类岗位津贴，获全国优秀科技工作者终身荣誉称号。兼任中华医学会第十届科学普及分会主任委员、中国研究型医院学会中国心肺复苏学专业委员会主任委员、曾任中国健康管理协会健康文化委员会主任委员、中华医学会灾难医学分会创始副主任委员兼秘书长、北京医学会灾难医学与心肺复苏分会创始主任委员、北京医师协会心肺复苏专业委员会名誉主任委员，“科创中国”50先导技术腹部提压心肺复苏发明者，“科普中国”年度科普作品《“救”在身边的5G+生命急救平安站“惠民工程建设》荣誉获得者；中国心肺复苏专家共识系列指南、中华精准健康传播专家共识系列指南领衔制定者；灾难医学救援环、心肺复苏生存环、生命健康传播环“三环”理论的首创者；三色文化、三向文明、三生文脉“三文”理论的开拓者；中国科技核心期刊《健康世界杂志》副总编、医学参考报心肺复苏学专刊主编等。医学著作十余部、获得专利百余项、发表论文千余篇、救死扶伤万余例、科普传播亿余次………