近期，人工智能生成科学图像的现象引发广泛关注。随着生成式AI技术普及，科研人员广泛利用该工具制作插图、合成数据及科普材料，但技术滥用导致图像边界日益模糊，引发科学信任危机。2024年及2026年4月，多篇论文因刊登AI伪造或篡改的生物结构与临床图像被权威期刊撤稿，此类事件或为冰山一角。传统科学图像因依赖高昂设备与专业门槛而具备天然权威。然而，AI仅需文字提示即可生成高度逼真的科学视觉内容，公众评估图像真实性的原有认知捷径随之失效。当视觉证据难以溯源，受众易转向依赖既有立场进行判断，加剧证实偏见，致使真实科学发现遭质疑，而虚构内容反易被采信。面对生成算法持续迭代，AI图像检测工具始终处于滞后状态。学术界指出，破局关键在于建立严格的图像溯源与透明披露规范。科研界应将图像来源、处理流程及验证方式纳入学术发表标准，与资金、方法学披露同等对待。清晰标注AI参与程度可提供必要上下文，有助于公众理性评估科学证据。在生成式AI时代，科学传播必须转向透明化治理，通过确立可追溯的视觉证据标准，重塑并维护科学图像在公共认知中的公信力。