分析了2.13亿篇论文后，科学家发现了一个反常的趋势

图片来源：unsplash+

来源：环球科学

撰文：迈克尔·艾伦（Michael Allen）

编辑：clefable

尽管论文发表的数量呈指数增长，但科学知识却只会保持线性增长。中美物理学家在开展的一项研究中获得了这一结论。他们认为，这个发现表明，科研的整体生产力似乎正在下降。虽然该研究与科研生产率和知识同步增长的看法相矛盾，却进一步支持了另一种观点：科学发现的速度可能正在放缓，也可能是因为“信息疲劳”和海量论文淹没了新发现。

科学进步正在放缓的观点，主要来自2023年发表于《自然》杂志的一篇论文。研究人员发现，一直以来，科学发现与发明通常被认为通过“内生过程”产生：既往积累的知识会为未来的科学进步奠定基础，正如牛顿所说，研究人员能够“站在巨人的肩膀上”。然而，近几十年来，论文和专利数量虽呈指数增长，但多个主要科学领域的进步速度都在放缓。

知识的增长方式

知识很难定义，但我们可以认为它是一个由相互关联的信念和信息构成的网络。为了测量知识，论文作者此前曾创建了一个知识量化指数（knowledge quantification index，KQI）。这一工具综合多种科研影响力指标，考察了论文及其引用关系构成的网络结构，并通过量化论文在多大程度上会降低网络的不确定性，以此来衡量知识。

图片来源：unsplash+

研究人员称，他们已通过多种方法验证这个工具的有效性，包括分析诺贝尔奖得主研究成果的影响力。

在一项2024年发布于预印本平台arXiv的研究中，一个研究团队分析了1800年至2020年发表的2.13亿篇科学论文，以及1976-2020年申请的760万项专利。研究人员利用这些数据逐年构建了论文和专利的引用网络快照，再用KQI加以考察，以观察知识如何随时间变化。

团队的研究人员分别来自上海交通大学、美国明尼苏达大学以及中国科学院地理科学与资源研究所。他们发现，论文发表量虽呈指数增长，知识却没有以相同的方式增长。

KQI反而显示，知识一直在呈线性增长，虽然不同科学学科的知识增长速度各不相同，但都遵循相同的线性增长模式。专利数量的增速远低于论文发表量的增速，但但其KQI同样呈线性增长。

图片来源：unsplash+

论文作者称，分析表明“人类获取知识的速度并没有显著变化”，说明我们对世界的理解一直稳步推进。如果把推动知识增长所需的论文数量作为科研生产率的衡量标准，那么这一结果也意味着科研生产率显著下降。

分析还发现了一些与新发现、重大突破和其他重要进展相关的拐点。在这些拐点前后，知识分别会以不同的线性速率增长。研究作者认为，这些拐点会突然改变知识的增长速率，制造出知识呈指数增长的假象。也可能正因如此，先前一些研究才得出了知识呈指数增长的结论。

AI带来的改变

“研究表明，近几十年来，单篇论文的颠覆性一直在下降。颠覆性是衡量知识增长的一个粗略指标。”美国西北大学物理学家的孟祥义（Xiangyi Meng，音译）从事网络科学研究，但未参与这项研究。他说，“这意味着，知识增长速度必然慢于论文数量的指数增长速度。”

不过，孟祥义补充说，线性增长这一发现“令人惊讶”且“有些悲观”。还需要进一步分析，才能确认知识增长是否确实呈线性，还是“考虑到人类文明在更大尺度上正在加速发展，它更可能遵循一种近似线性的多项式模式”。

孟祥义说，考虑到科学论文的质量差异很大，论文数量增长可能“不是衡量科研效率的可靠分母”。他建议，与其关注论文数量，不如分析科研经费，以及经费如何分配、如何随时间变化。

图片来源：unsplash+

随着人工智能（AI）日益深入地融入科研领域，其对科学发展的影响也受到广泛关注。如今，AI的应用已渗透至文献综述、代码开发、数据分析和论文写作等科研流程中。

近期，《自然》新闻报道的一项预印本研究显示，在生物医学领域，大语言模型参与论文写作的比例呈快速上升趋势：一家大型生物医学文献数据库中，2025年12月发表的论文近九成都显示出AI辅助写作的迹象。另一项涵盖多个学科的研究则估计，2025年约57%的论文可能受到了AI影响。

与此同时，《组织科学》（Organization Science）发表的一项研究显示，自ChatGPT发布以来，该期刊投稿量增长了42%，但论文质量却有所下降，而AI生成内容的增加几乎可以解释这一变化趋势。这意味着，AI在降低科研生产成本、提高论文产出效率的同时，并不必然会带来科学研究质量的同步提升。

除此之外，理解AI对科学进步的影响，还需要进一步区分一般科学发现与颠覆性创新。一般科学发现主要是在既有理论范式下产生新的知识、数据和规律，而颠覆性创新则意味着挑战甚至改写既有理论框架，进而开辟新的研究范式和问题领域。

根据另一项研究，对于前者，AI能够通过快速处理数据、识别模式和检验假设，加快新知识的产生，促进作用已经较为明显。但对于后者，AI的影响则更加复杂。论文作者认为，科研效率的提升并不会自动转化为更具突破性的科学成果，当研究人员过度强调速度和产出时，甚至可能挤压需要长期探索的颠覆性研究。

不过，论文作者对于AI是否会促进科学创造力，持较为乐观的态度。他们认为，AI对科学发展的真正意义，或许并不只是成为提高科研效率的工具，而在于其能否进一步转化为拓展科学家创新能力、推动变革性突破的“能力引擎”。

在《环球科学》8月刊中的文章《与AI共建未来实验室》，讲述了一群科学家正在试图将AI和机器人引入实验室。他们希望以此实现科研速度和规模的飞跃，但想要带来颠覆性的科学发现，不仅仅是拼速度和堆数量.......

这个大专题中还有更多文章，讲述了处于科学前沿的年轻科学家，他们正在带来更多的突破性发现，而另一方面，他们也在面临很多的挑战。

https://physicsworld.com/a/knowledge-grows-step-by-step-despite-the-exponential-growth-of-papers-finds-study/

https://www.nature.com/articles/s41586-022-05543-x.epdf

https://journals.aom.org/doi/abs/10.5465/AMPROC.2026.10069abstract

https://pubsonline.informs.org/doi/10.1287/orsc.2026.ed.v37.n3

https://www.nature.com/articles/d41586-026-02551-z

https://pmc.ncbi.nlm.nih.gov/articles/PMC13147985/