本文來自微信公眾號： TOP創(chuàng)新區(qū)研究院 ，作者：趨勢研究組，頭圖來自：AI生成
“科學(xué)的發(fā)展，是一次次葬禮送出來的。”
一個世紀前，物理學(xué)家馬克斯·普朗克曾留下這句名言，在今天，它正被賦予一種全新的解釋。
在很多人的直覺里，我們正處于一個科學(xué)大爆炸的黃金時代，翻開新聞看好了，基因編輯、量子計算、室溫超導(dǎo)的傳聞以及讓人應(yīng)接不暇的AI迭代，全球科學(xué)文獻總量大約每12年就會翻一倍，每年數(shù)以百萬計的新論文涌入數(shù)據(jù)庫——似乎人類的智慧正在以指數(shù)級速度超越自然。
但在這場繁榮的喧囂之下，科學(xué)界內(nèi)部正在經(jīng)歷一場“大減速”（The Great Deceleration）。
近幾年來，來自科學(xué)計量學(xué)、經(jīng)濟學(xué)和科技政策學(xué)的一系列硬核實證研究發(fā)現(xiàn)：
盡管我們投入了歷史上最龐大的研發(fā)資金、盡管培養(yǎng)了規(guī)?？涨暗目蒲腥丝?，但真正能夠改變?nèi)祟愓J知范式、開辟全新領(lǐng)域的“顛覆性成果”，在比例上卻越來越低了……
一、顛覆性指數(shù)
為了量化這種“變慢”的體感，明尼蘇達大學(xué)的拉塞爾·芬克（Russell J.Funk）團隊在2023年利用一項名為CD顛覆性指數(shù)（CD Index）的指標(biāo)，對過去大半個世紀的科學(xué)圖譜進行了診斷。
這項指標(biāo)的邏輯相當(dāng)直覺：
如果一篇論文發(fā)表后，后續(xù)的引用者在引用該論文時，不再引用該論文所基于的前人基礎(chǔ)研究（即新論文“完全替代”了舊共識），則CD值趨近于+1（高顛覆性），但如果后續(xù)引用者在引用該論文的同時，依然高度依賴并引用它所基于的前人工作，則CD值趨近于-1（漸進改良性）。
芬克團隊在分析了1945年至2010年間的4500萬篇論文和390萬項專利后，得出的結(jié)果是：在半個多世紀里，物理學(xué)、生物醫(yī)學(xué)、社會科學(xué)等幾乎所有主流學(xué)科的平均顛覆性得分，驟降了79%到100%。
這一結(jié)論隨后在學(xué)界引發(fā)了激烈的爭論。
2024年，多名統(tǒng)計學(xué)家和計量學(xué)家指出，這種驚人的跌幅在很大程度上受到了“文獻通脹”和數(shù)據(jù)截斷的數(shù)學(xué)干擾。
隨著參考文獻列表越來越長，CD指數(shù)在計算上會被機械性地稀釋。
但在這些細節(jié)的爭論之外，批評者和支持者的確是達成了一個共識：
高顛覆性成果的絕對數(shù)量，在過去幾十年里幾乎是一條冰冷的水平線。
這才是問題的關(guān)鍵。
我們并沒有陷入完全的荒漠，那些能夠像DNA雙螺旋結(jié)構(gòu)或廣義相對論一樣改寫人類思維的突破，依然在以極其緩慢的絕對頻率出現(xiàn)。
但是，它們已經(jīng)被海量增長的、亦步亦趨的漸進式改良工作，徹底淹沒在了汪洋大海之中。
這就如同在同一片池塘里，池塘的面積增大了上千倍，魚的總數(shù)變多了，但真正的大魚還是那么多。
但每一個身處其中的科研工作者，都不得不面對更加擁擠、卻愈發(fā)平庸的學(xué)術(shù)生態(tài)。
二、智力關(guān)隘
那科學(xué)為什么變慢了？
經(jīng)濟學(xué)家本杰明·瓊斯（Benjamin Jones）曾提出過一個優(yōu)雅的框架——“知識重擔(dān)”（Burden of Knowledge）。
科學(xué)知識就像一座不斷累加的寶塔。第一代的牛頓可以輕松站在巨人的肩膀上眺望，但到了今天，當(dāng)一個年輕的學(xué)子想要觸摸到科學(xué)前沿時，他必須先花二十年的時間把前人已經(jīng)建好的寶塔地基全部爬一遍。
這就形成了一種無形的、沉重的“認知稅”。
在20世紀早期，量子力學(xué)的奠基人們在二三十歲時就完成了他們一生中最偉大的工作；
而今天，一個人可能要到快四十歲，才能真正摸到自己領(lǐng)域的邊界。由于精力有限，他們不得不將研究方向裁剪得越來越窄，退縮到極細分的領(lǐng)域內(nèi)。
普林斯頓大學(xué)的布魯姆（Nicholas Bloom）等人在《想法是不是越來越難找？》一文中，用詳實的工業(yè)數(shù)據(jù)揭示了這一認知稅對社會經(jīng)濟的拖累。
以維持摩爾定律為例。
在20世紀70年代，讓芯片上的晶體管密度翻番只需要屈指可數(shù)的工程天才；而到了今天，為了維持同樣的翻番速度，半導(dǎo)體行業(yè)投入的研發(fā)人員數(shù)量是當(dāng)年的18倍以上。
在生物制藥領(lǐng)域，這一現(xiàn)象更加嚴酷：每10億美元研發(fā)預(yù)算所能產(chǎn)生的新藥數(shù)量正在經(jīng)歷雪崩式的下滑。在抗擊癌癥的戰(zhàn)場上，臨床試驗付出的資金和人力呈指數(shù)級上升，但每次試驗?zāi)転榛颊咄炀鹊纳鞌?shù)卻在不斷縮水。
人類為了在科學(xué)邊界上前進微小的一步，正在支付越來越昂貴的“買路錢”。
三、老齡化的“懷舊病”
上面我們說到了知識負擔(dān)，這只是故事的第一部分，現(xiàn)代學(xué)術(shù)界的人口結(jié)構(gòu)系統(tǒng)性地讓科學(xué)之路變得更加保守。
2026年5月，《Science》發(fā)表了一項追蹤了1250萬名科學(xué)家學(xué)術(shù)生涯的重磅研究——《老齡化與科學(xué)創(chuàng)新的收窄》。
這項由芝加哥大學(xué)詹姆斯·埃文斯（James Evans）團隊主導(dǎo)的研究，用清晰的消歧數(shù)據(jù)揭示了人類大腦在變老過程中的“智力錨定”現(xiàn)象。
研究表明，科學(xué)家引用的文獻存在著顯著的“老齡化趨勢”。
學(xué)者在學(xué)術(shù)界每多工作一年，他們論文里的參考文獻平均年齡就會增加大約一個月。尤其在數(shù)學(xué)和物理學(xué)等領(lǐng)域，資深學(xué)者往往高度依戀他們年輕時接受訓(xùn)練的那套知識框架。
這帶來了一種有趣的代際分工：年輕學(xué)者產(chǎn)出高顛覆性研究的概率更高，因為他們最沒有包袱，最渴望推翻既有的范式；而年長學(xué)者則隨著經(jīng)驗積累，在跨學(xué)科的“重組與雜交”上表現(xiàn)更佳。
然而，現(xiàn)代學(xué)術(shù)資源的分配機制，卻更多地向年長的群體傾斜。
在20世紀80年代，一個年輕的美國生物學(xué)家在35歲左右就能拿到人生的第一筆核心研究經(jīng)費（NIH R01）；而到了2021至2023年間，這個中位數(shù)年齡已經(jīng)攀升并死死凍結(jié)在了42歲。
不僅如此，10%的頭部資深PI拿走了將近四成的公共研究資金，而半數(shù)以上的資金流向了極少數(shù)頂尖機構(gòu)。
這里有一樁歷史的自然實驗：
1994年，美國廢除了大學(xué)教授的強制退休制度。埃文斯團隊利用“雙重差分法”對比了美國與仍保留退休限制的英國，結(jié)果發(fā)現(xiàn)：
自退休限制取消后，美國大學(xué)教授的平均年齡迅速走高，其引用文獻的年齡也隨之大幅上升。
老一代學(xué)者牢牢占據(jù)著資金、編制和評審委員會的生態(tài)位。
他們像一條巨大的船錨，將整個科學(xué)界的探索范圍，死死地系留在他們年輕時的那個時代。
四、共識機器
學(xué)術(shù)體制的日常運轉(zhuǎn)，也在不斷淘汰那些可能帶來突破的“異端邪說”。
怎么說呢？
科研活動有點像“指標(biāo)游戲”，在“不發(fā)表就出局”（Publish or Perish）的KPI鞭策下，論文數(shù)量呈爆炸式增長。
但問題是，當(dāng)一個學(xué)術(shù)領(lǐng)域的論文發(fā)表量大到一定閾值后，新入行的學(xué)者根本沒有精力篩選文獻，他們只能依賴算法推薦和既有經(jīng)典。這導(dǎo)致整個領(lǐng)域的關(guān)注力迅速向少數(shù)幾篇“權(quán)威文獻”收斂，新的、非主流的思想在襁褓中就失去了被看見的機會。
與此同時，同行評審正在淪為“保守主義的看門狗”。
哈佛大學(xué)的卡里姆·拉哈尼通過對科研基金評審過程的實證實驗發(fā)現(xiàn)，當(dāng)評審委員聚在一起討論時，他們的注意力會不可避免地集中在項目方案里的潛在“瑕疵”和“風(fēng)險”上，而對潛在的巨大收益視而不見。
越是新穎、顛覆性的方案，越容易因為不符合評委既有的認知范式而被無情槍斃。
在科研資助的源頭上，我們就已經(jīng)在篩選最不容易出錯的“安全牌”。
最后，小團隊的消亡與大兵團的興起，徹底改變了科學(xué)產(chǎn)出的性格。
物理學(xué)家和生物學(xué)家現(xiàn)在是幾百人甚至上千人項目組里的“一顆螺絲釘”。2019年王大順團隊在《Nature》發(fā)表的研究深刻指明：
小團隊往往傾向于顛覆，因為他們決策快、試錯成本低，輸?shù)闷穑?/p>
而由幾十個學(xué)術(shù)權(quán)威和層級化PI管理的大團隊，其研究本質(zhì)上是“共識驅(qū)動”的。大團隊的工作，往往是在已有發(fā)現(xiàn)上進行昂貴的開發(fā)和證實，而非開路。
遺憾的是，今天的學(xué)術(shù)晉升和經(jīng)費傾斜，正在用源源不斷的資源鼓勵臃腫的大兵團，而小團隊則在逼仄的生態(tài)中日漸凋零。
五、AI的角色是什么
在這個背景下，人工智能成了所有人眼中最合理的拯救者。
如果人類大腦的記憶帶寬跟不上知識膨脹的速度，那么讓沒有物理壽命和疲勞極限的硅基大腦代勞，豈不完美？
畢竟，AlphaFold解決了曾經(jīng)困擾了人類半個世紀的蛋白質(zhì)三維結(jié)構(gòu)預(yù)測難題，從2021年數(shù)據(jù)庫上線時的數(shù)十萬個結(jié)構(gòu)，到如今預(yù)測出兩億多個結(jié)構(gòu)，AI幾乎在三年內(nèi)窮盡了地球上已知生物的所有蛋白質(zhì)空間，將結(jié)構(gòu)預(yù)測的準(zhǔn)確度提升到了實驗級別。
更具象征意義的是，2024年的諾貝爾化學(xué)獎在極短時間內(nèi)便頒給了這一成就。在傳統(tǒng)物理學(xué)或化學(xué)界，一項發(fā)現(xiàn)往往需要等待二十甚至三十年的歷史檢驗才會被授予諾獎。
AlphaFold的光速獲獎，證明了AI解決傳統(tǒng)硬科學(xué)難題的恐怖效率。
然而，AI真的能自動產(chǎn)出“顛覆性”的科學(xué)新洞察嗎？
在材料學(xué)、化學(xué)和制藥領(lǐng)域，人們正試圖將AI與自動化合成實驗室結(jié)合，打造無人值守的“科研自動駕駛”。
2024年11月，麻省理工學(xué)院(MIT)經(jīng)濟系一名博士生在arXiv發(fā)布了一篇預(yù)印本論文——《Artificial Intelligence,Scientific Discovery,and Product Innovation》。
它說的是，某大型材料實驗室在引入AI工具后，材料發(fā)現(xiàn)數(shù)量和專利申請顯著增加。論文一度被奉為"AI改變科研"的實證力作，連諾獎經(jīng)濟學(xué)家Daron Acemoglu和David Autor都公開盛贊，《華爾街日報》等主流媒體廣泛報道。
然而僅僅半年后，MIT公開表態(tài)，對該論文數(shù)據(jù)的來源、可靠性與真實性"毫無信心"，正式要求arXiv撤下預(yù)印本。因為這項研究的核心數(shù)據(jù)涉嫌系統(tǒng)性造假：
論文所描述的那個“上千名科學(xué)家參與的實驗室”及其對照實驗數(shù)據(jù)，MIT經(jīng)內(nèi)部審查后認定其真實性無法證實。
換言之，AI在科學(xué)發(fā)現(xiàn)中產(chǎn)生了“高智商幻覺”，它為了迎合優(yōu)化目標(biāo)，編造了違反基本化學(xué)常識的結(jié)構(gòu)。
這樁風(fēng)波暴露了當(dāng)前“AI+科學(xué)”（AI for Science）的核心軟肋：AI模型非常擅長于插值和重組，卻極難跨越人類未知的邏輯真空。
而且，如果我們進一步剖析大語言模型的本質(zhì)，會發(fā)現(xiàn)它可能是一個更高級的“平庸放大器”：LLM的訓(xùn)練數(shù)據(jù)源自人類既有文獻的概率共識。當(dāng)科研人員開始大規(guī)模使用AI來搜索文獻、生成假設(shè)甚至撰寫論文草稿時，算法輸出的永遠是人類知識庫中最主流、最符合統(tǒng)計分布的那部分觀點。
這會導(dǎo)致那些真正狂野、離經(jīng)叛道、在概率分布極邊緣的靈感，會在AI文獻整理的過程中被當(dāng)作“噪聲”無情過濾?？茖W(xué)界如果過度依賴AI，其引用的“懷舊病”和共識傾向不僅不會減輕，反而會被算法徹底固化。
六、中美反差
在這場關(guān)于科學(xué)速度的競逐中，中美兩國的處境是一組非常有趣的對照。
2024年，中國的自然指數(shù)超越美國，專利申請數(shù)達到美國的數(shù)倍。
那為什么中國能在如此短的時間內(nèi)實現(xiàn)學(xué)術(shù)大爆發(fā)呢？
一個有趣的解釋角度來自于崔浩川等人的《Science》論文：中國科學(xué)產(chǎn)出的高成長性，與其極具人口紅利（相對年輕化）的科研隊伍密切相關(guān)。
過去二十年里，中國通過大規(guī)模的高等教育擴張和人才引進，建立起了一支年輕、高產(chǎn)且尚未被資助門檻完全規(guī)訓(xùn)的第一線科研主力，在人工智能、材料化學(xué)等對“認知歲數(shù)”要求相對年輕的領(lǐng)域，中國進展神速。
然而，雖然年輕的科研隊伍往往在范式的“細分跟進”上展現(xiàn)出驚人的體力與爆發(fā)力，但在開辟全新科學(xué)賽道的“零到一”突破上，依然面臨體制性慣性的掣肘。
此外，近年來政治摩擦導(dǎo)致的全球?qū)W術(shù)脫鉤，正在人為地給這場“科學(xué)減速”踩油門。
科學(xué)從本質(zhì)上是一項跨越國界的合作游戲。
Roberts等學(xué)者在2024年研究追蹤了11.3萬名科學(xué)家,發(fā)現(xiàn)那些此前與中國同行有合作史的美國生物醫(yī)學(xué)研究者，在調(diào)查之后論文引用出現(xiàn)了可觀測的下滑——總引用下降約10.5%，且這種損失很難靠轉(zhuǎn)向其他國家的合作來彌補。
這是一記打在自己身上的政策回旋鏢：意在防范風(fēng)險的審查，削弱的恰恰是美國科學(xué)界原本最高產(chǎn)的那部分人。
面對這場系統(tǒng)性的“大減速”，依靠科學(xué)家自發(fā)的道德呼吁已經(jīng)無法挽回頹勢。
我們可能需要系統(tǒng)性地做出改變：比如，把“探路燈”還給年輕人。
資助機構(gòu)不應(yīng)再縱容“40歲拿首個資助”的畸形常態(tài)。必須建立獨立于老一輩學(xué)者的青年P(guān)I保障基金，將科研資金的使用權(quán)強制性地向35歲以下、有野心顛覆既有范式的頭腦傾斜。
退休制度的廢除讓象牙塔內(nèi)充滿了不愿離場的守門人。我們需要通過建立純粹的“榮譽退休”和非全職導(dǎo)師機制，在保護資深學(xué)者尊嚴與經(jīng)驗的同時，騰出核心的編制和資助帶寬。
此外，我們不能讓科學(xué)AI底座淪為私有巨頭的搖錢樹或論文作坊的生產(chǎn)工具。政府與科學(xué)共同體應(yīng)當(dāng)聯(lián)合投資建設(shè)完全開源、透明、帶有物理常識約束的科學(xué)大模型，將其作為全人類共享的認知減負工具，去打破“知識負擔(dān)”對個體的智力鉗制。
并且給“小而美”留出試錯的自留地：停止對大團隊、大工程盲目的唯GDP式崇拜?？茖W(xué)基金應(yīng)當(dāng)明確劃分出一定比例的預(yù)算，專門用于資助那些只有一到兩名成員、方向古怪、甚至無法預(yù)測成果的“孤勇者”項目。
科學(xué)的發(fā)展從來不是一條平穩(wěn)向前的直線，它往往在漫長的冬眠和整合期后，迎來電閃雷鳴般的量子躍遷。
在這個“大減速”的隆冬里，我們相信，最唯有直面人類智力的極限、承認體制的板結(jié)，并勇敢地把話語權(quán)重新交回那些一無所有、卻渴望改變世界的年輕人手中，科學(xué)這臺已經(jīng)運轉(zhuǎn)了數(shù)百年的偉大發(fā)動機，才有可能在下一個彎道重新發(fā)出一聲轟鳴。