人工智能正显著提升科学家的个人成就，却可能正在削弱科学的整体发展。一项发表于《自然》杂志的最新研究显示，使用AI工具的科研人员在论文产出、引用量和职业晋升方面远超同行，但其研究趋势也导致科学领域日益集中，创新活力下降。 该研究分析了1980年至2025年间超过4100万篇自然科学论文，涵盖生物、医学、化学、物理、材料科学和地质学等领域。研究团队利用AI模型识别出约31万篇使用AI的论文，准确率接近人工审阅。结果显示，AI使用者的论文平均每年被引用次数是未使用者的近两倍，职业生涯中发表论文数量多出3.02倍，获得的引用量高达4.84倍。年轻科研人员若使用AI，更可能留在学术界，并提前约1.5年成为研究带头人。 然而，个体的收益背后是科学生态的代价。AI驱动的研究覆盖的科学主题比传统研究少4.6%，呈现出明显的“扎堆”现象。研究者指出，热门领域因积累大量数据而吸引AI应用，AI带来的突破又吸引更多人涌入同一问题，形成“反馈循环”，导致大量研究集中在少数“明星课题”上，如AlphaFold等突破性成果。结果是，超过80%的引用集中在不到四分之一的论文中，科学文献之间的连接性显著减弱，跨领域协作减少。 研究者警告，这种趋势正在破坏科学作为集体探索的本质。正如耶鲁大学人类学家丽莎·梅西所说：“科学是集体事业，若工具只惠及个人却损害整体，就必须深刻反思。” 北京大学学者王 dashun 指出，生成式AI的爆发式发展正加速这一变革，科学界亟需应对。 但问题并非不可逆转。研究建议，应扩大在尚未广泛应用AI的领域构建高质量数据集，让科学探索更均衡。未来AI也应从“数据处理工具”进化为具备科学创造力的自主代理，推动新领域的诞生。研究合作者詹姆斯·埃文斯强调：“我们不希望AI只是让旧问题变得更高效，而应催生全新的科学疆域。”