本文基于1990—2025年计算机科学领域的718万篇论文、73,089条同行评审记录和370万名研究者数据,发现Transformer之后研究注意力与引用分布显著集中,超过半数跨领域迁移者流入人工智能,同行评审信心也明显下降。 AlexNet、Transformer和大语言模型等突破虽然提高了思想生态的承载能力,却使后续思想更快进入饱和与衰竭周期;结构生物学中冷冻电镜和AlphaFold之后也呈现类似规律。 研究进一步通过主体仿真表明,按投稿量增加评审权重的互惠评审制度可能强化高产作者偏好、压缩议题多样性,因此应通过制度设计保护探索性和知识多样性。
报告标题为 《Stronger artificial intelligence breakthroughs hasten their own exhaustion》,可译为“更强的人工智能突破会加速自身耗竭”。作者包括清华大学公共管理学院的 Beichen Lu、芝加哥大学 Knowledge Lab 与 Data Science Institute 的 Honglin Bao、Qi Huang、James A. Evans,以及清华大学的 Qingguo Meng。作者分别来自清华大学、芝加哥大学和 Santa Fe Institute,Honglin Bao 与 James A. Evans为通讯作者,Beichen Lu与Honglin Bao共同贡献。原文摘录没有明确给出独立的发布日期,但数据使用了截至2025年12月的 OpenAlex快照,参考文献还包含2026年出版或在线发表的文献,因此报告很可能属于2025—2026年间的研究成果。
这不是传统意义上的上市公司或行业投资研究报告,而是一篇关于人工智能科研生态、知识生产和创新机制的学术研究论文,因此不存在股票评级、目标价、收入预测、盈利预测或投资建议。报告研究的核心对象是计算机科学,尤其是人工智能在2012年AlexNet、2017年Transformer以及2022年后大型语言模型兴起之后的知识生产与研究注意力变化。
报告的中心论点是:人工智能领域的进步并不只是研究人员数量、论文数量、计算资源和资本投入的函数;当整个领域过度集中于同一个成功范式时,突破本身会消耗未来突破所需的思想多样性,从而加速后续创新的枯竭。
作者认为,传统的创新增长理论通常假定,研发投入越多,创新到达率越高;即使承认“容易找到的想法已经被发现”,也往往把问题归因于想法空间本身越来越难搜索,而没有充分考虑搜索者群体内部的注意力多样性是否正在下降。 报告提出,10000名研究者如果都围绕同一个范式工作,并不等于他们在10000个不同方向上探索;从有效搜索空间看,这样的群体可能比人数较少但方向分散的群体更缺乏多样性。
论文使用36年的计算机科学数据,包括约718万篇论文、7.3万条同行评审记录、370万名研究人员以及约91.9万次主题迁移,试图从三个角度证明这一机制:第一,研究注意力和引用流向在2017年Transformer出现后明显集中;第二,大量研究人员尤其是中生涯研究人员转向AI;第三,同行评审者的信心明显下降,说明领域扩张已经超过了专业匹配和评价能力的承载范围。
作者首先回顾了熊彼特“创造性破坏”理论及其现代增长模型。传统模型把创新视为随机到达的过程,创新强度主要取决于研发投入,而较少取决于现有知识网络中还剩多少可供重新组合的思想。 在此框架下,成功创新会淘汰旧技术、获得市场支配地位和垄断租金,研发资源的增加应当持续推动新的技术进步。
然而,已有研究显示,研究生产率大约每13年减半,论文平均需要更多实验才能形成一个研究成果,论文和专利的颠覆性下降,研究团队越来越大且越来越专业化,注意力也越来越集中于根深蒂固的经典知识体系。 这些事实说明,创新不是简单的“投入—产出”关系,研究者面对的知识空间可能越来越拥挤,且真正具有突破潜力的方向可能越来越难被发现。
作者借用了文化进化中的“人口规模与知识复杂度”问题来说明有效多样性的重要性。塔斯马尼亚与澳大利亚大陆隔离后,人口和知识传承网络缩小,导致骨器、捕鱼和御寒服装等技术逐渐消失;对应到AI领域,问题并不是研究群体规模太小,而是规模很大的群体是否正在集体收敛到同一范式。
报告将现代AI的主要进展概括为三个连续阶段:
作者强调,每次突破都比上一次能力更强,也都吸引了更多研究者、论文和资源,但每次突破之后都出现了更强的范式收敛和“即将停滞”的讨论。 这形成报告所谓的“四阶段技术革命螺旋”:新范式启动、研究快速增长、思想空间饱和并衰退、下一次不可预测的突破抬升新的承载能力。
图1a使用TF-IDF从每篇论文摘要中提取前十个关键词,并对每年关键词出现频次计算Gini系数。Gini系数为0时表示关键词分布完全均匀,越接近1则表示注意力越集中在少数关键词上。 图中显示,1990年至2016年间研究注意力的Gini系数大致在0.24—0.27范围内波动,没有明显趋势;2017年之后则快速上升,到2025年约达到0.33。 这意味着Transformer之后,少数主题在整个计算机科学研究中的相对权重显著提高。
从相对变化看,Gini系数从0.26上升至0.33,八年内提高约27%;作者认为这是一个明显的结构性断点,而且此前的AI寒冬、互联网兴起、智能手机普及以及2012年深度学习兴起都没有造成同样幅度的注意力集中。
补充图1进一步测试了每篇论文提取5个、10个或15个关键词的不同设定。虽然不同设定下Gini系数的绝对水平不同,但2017年之后上升的结论保持不变,因此主要结论不完全依赖“每篇论文取十个关键词”这一技术选择。
图1b显示,年度引用流的Gini系数在2012年约为0.60,2017年以前基本稳定,随后上升至约0.69的峰值,之后略有回落至约0.65—0.67。 这说明引用资源也越来越集中于少数论文或少数主题,但引用不平等在峰值之后出现轻微回落,表明“注意力持续集中”和“引用集中度短期回落”并不是完全相同的过程。
方法上,作者使用年度引用分布构造Lorenz曲线,再计算引用Gini系数。需要注意的是,引用数据在2012年以前受到限制,因此引用不平等图的观察窗口明显短于注意力图。
图1c将计算机科学论文划分为AI、Systems和Theory三大类。2017年至2025年,AI论文占比从约40%上升到超过55%;Systems研究在长期增长后明显退潮,Theory所占比例进一步下降。 这说明注意力集中不仅是关键词层面的统计现象,也体现为学科结构中资源和论文主题向AI迁移。
该分类基于OpenAlex主题标识符与CSrankings分类之间的人工映射,覆盖184个OpenAlex主题。 因此图1c反映的是广义研究结构变化,而不是单纯把标题中出现“AI”或“machine learning”的论文机械计数。
图1d显示,作者将每位研究人员每年的主要子领域定义为AI、Systems或Theory,并把相邻活跃年份之间的标签变化视为一次迁移。在91.8862万次观察到的主题迁移中,53.81%最终进入AI;AI每年都获得净流入,而Systems和Theory持续流失研究人员。
这项结果需要准确理解:53.81%指的是被识别出的主题转移事件中流向AI的比例,并不意味着53.81%的全部计算机科学研究人员都改变了方向。
右侧回归图给出了迁移者的典型画像。迁入AI的概率与学术年龄呈倒U型,在学术年龄31.8岁左右达到最高;与既有学术地位也呈倒U型,在发表量排名第82百分位左右达到最高。 这说明最可能转向AI的并不是刚入行的研究人员,也不是已经接近职业末期的资深学者,而是处于中生涯、已有一定地位但仍具有调整空间的研究人员。
补充表1和表2分别使用发表量百分位和引用量百分位衡量既有地位。两种方法均得到类似结论:年龄和既有地位的平方项显著为负,当前年度发表量越高、在当前领域停留时间越长,越不容易转向AI;发表间隔越长,则转向AI的可能性越高。 这意味着迁移决策同时受到职业阶段、既有身份沉淀、当前产出和职业空窗期的影响。
图1e左侧显示,2017年至2025年间,来自45个会议、26731篇投稿的73089份同行评审中,评审者信心从5分制、按会议标准化后的3.9下降到2.9,下降幅度约为1分。 下降并非只发生在AI会议,也发生在非AI会议,因此作者将其解释为研究领域扩张后“论文与评审者专业知识匹配困难”的结构性问题,而不是某一个会议管理不善。
作者提出了三个可能机制:AI吸引了大量新研究者,评审者池因此扩张但平均专业经验可能下降;论文越来越多地嵌入AI方法,超出评审者原有专长;投稿规模增加使真正匹配的专家评审难以找到。 在这种情况下,录用与否可能越来越像一次高噪声的判断,而不是稳定的质量识别。
图1e右侧显示,毒性评论在2017年后整体上升,但2021年出现明显下降,随后重新反弹。作者将2021年的短期改善与NeurIPS转入OpenReview、评审意见可见度提高联系起来,认为公开性可能暂时约束了评审语言,但这种效果并未持续。 毒性使用ParaDetox分类器识别;长文本被分割为重叠窗口,并以任一窗口的最高毒性概率代表整条评论的毒性,因此这一指标对局部攻击性语言可能较敏感。
图2a把摘要中每一个稳定出现的名词视为一个“思想”。一个思想必须在某年及下一年分别出现在至少10篇论文中,才被视为稳定思想;如果连续三年不再达到稳定标准,则被判定为死亡;之后再次出现可以重新激活。 这种定义的目的,是排除偶然出现的术语、拼写噪声和一次性表达。
由此可以构建三个指标:
这个方法把科学进步类比为生态系统:思想会诞生、扩张、衰亡和重新激活。补充图2分别使用NLTK、spaCy和名词短语而不是单个名词进行提取,均观察到类似的周期模式,说明结论并非完全依赖某个自然语言处理工具。
图2b显示,AlexNet和Transformer出现时,新思想比例都明显上升,之后又逐渐下降。 AI领域的新思想曲线在两次突破之后都高于非AI领域,且Transformer之后的上升更强;但这并不意味着新思想会无限增加,因为每次突破后都出现了新的回落。
图中还显示,2017年之后,非AI领域的新思想比例跌破2012年前的旧基线,说明AI的快速扩张可能不仅是自身增长,也伴随着其他计算机科学子领域的创新活力被吸走。
图2c显示,突破不仅带来新思想,也会以一定滞后效应加速旧思想死亡。非AI领域的死亡思想比例在若干阶段明显高于AI,而AI在突破后往往表现为较多新思想和较少死亡思想。 这体现出一个重要的相对关系:主导范式在自身扩张阶段可能拥有更强的思想生成能力,但它对整个学科的影响仍可能表现为“吸走注意力、压缩其他方向”。
因此,“AI新思想更多”和“AI正在面临耗竭”并不矛盾。前者是AI相对于非AI的局部增长优势,后者则是每个突破周期内部的边际创新活力在达到峰值后下降。
图2d追踪AlexNet和Transformer原始论文的引用份额。两篇论文在各自突破后迅速获得大量关注,随后引用份额下降。 这说明突破并不会永远维持最高边际影响力;它们本身也遵循“注意力峰值—扩散—衰退”的周期。
作者将活跃思想数量拟合为带有指数衰减尾部的Logistic承载能力模型。Logistic曲线表示思想数量先加速增长,再逐步接近一个由环境条件决定的上限;作者把这个上限解释为特定范式所能支持的“思想承载能力”。
图2e中,AlexNet、Transformer和LLM分别对应三段曲线。每次突破都把理论承载能力抬高:AlexNet之后活跃思想数量上升,Transformer之后再次上升,LLM之后继续提高。然而,每个周期的实际曲线在达到理论上限后都出现向下偏离。
这种偏离在AlexNet之后较轻,在Transformer之后明显加剧;更值得注意的是,LLM研究的活跃思想存量甚至在新的承载能力完全建立之前就开始出现弯曲向下的迹象。 不过,作者也明确承认,2022年后的观察窗口太短,尚不足以对LLM周期作出最终判断,这一结果仍需更多年份的数据验证。
补充图3将这一模式概括为四阶段螺旋:Initiation(新范式启动)、Growth(思想数量高速增长)、Saturation(思想空间饱和和衰退)以及Breakthrough(新的突破抬升承载能力)。 该模型的价值在于提供了一种解释框架,但它不是对下一次突破时间的预测模型。
ICLR、ICML、AISTATS和ARR等会议采用了不同程度的互惠评审机制,即投稿越多的作者,需要承担的评审任务越多。 该制度的政策目标是缓解评审负担、抑制无节制投稿,并使投稿者为评审体系提供相应的劳动。
作者认为,制度设计的初衷是合理的,但其潜在副作用是:如果评审权重与投稿数量正相关,那么高产研究者会在评审池中获得更大存在感;如果评审者又倾向于认可接近自身研究兴趣的论文,最终被接收的主题可能逐渐围绕少数高产研究者的偏好集中。
图2f来自一个100名研究人员、120轮投稿和评审的代理人模型。模型设置5名高产研究者和95名普通研究者,高产研究者平均每轮投稿数量约为普通研究者的10倍;论文主题位于二维连续空间,评审者会同时考虑论文自身质量和论文与自身研究兴趣的距离。
互惠强度ρ设置为0、3和15:
图中纵轴是被接收论文主题与高产研究者群体偏好中心之间的平均距离,距离越低,代表被接收主题越接近既有核心群体。结果显示,ρ越大,距离下降越快,且最终维持在更低水平;高互惠制度下,接收主题明显向高产、已建立研究者的兴趣聚集。 模型不是对现实会议结果的直接预测,而是一个“机制存在证明”,即只要评审权力因产出而集中,再叠加评审中的偏好匹配,思想集中就可能内生地产生。
作者将同样的新思想和活跃思想指标应用到2010—2025年的结构生物学论文,以检验该现象是否只是AI和计算机科学受产业资本影响的特殊结果。
补充图4左图显示,结构生物学的新思想数量在cryo-EM成熟前后形成第一个倒U型周期,且新思想的下降早于2015年cryo-EM被评为“年度方法”的正式认可。 这说明正式荣誉和学术共识可能更多标志着范式开始固化,而不是思想生成能力达到最高点。
AlphaFold在2018年CASP13中出现后,带来了第二轮新思想上升,但峰值明显弱于cryo-EM。 作者认为,cryo-EM改变了整个结构生物学界的实验实践,而AlphaFold早期影响更多集中在计算子领域,因此其思想创造范围较窄。
补充图4右图显示,活跃思想存量在cryo-EM后先增长、后下降,在AlphaFold之后重新上升并继续扩展。 这揭示了新思想数量和活跃思想存量之间的区别:AlphaFold虽然没有产生同样多的新概念,但它重新激活了许多此前接近休眠的研究问题,例如过去难以解析的蛋白质结构。
2024年之后新思想出现第三次上升,但作者表示目前没有确定解释,只是推测生成式AI和LLM的扩散可能为结构生物学及其他科学领域注入了新的研究活力。 因此这一部分属于合理但尚未验证的解释,而不是已经建立的因果结论。
主数据库来自2025年12月的OpenAlex快照,原始记录约4.63亿条;经过计算机科学、英文、1990—2025年、有摘要等筛选后,得到7180635篇论文。 共有5299148名作者出现在筛选后的计算机科学数据中,其中至少发表两篇论文的3707765名作者用于主题迁移分析。
作者身份消歧通过人工抽取100名作者进行检查,报告的准确率为96%。 这一结果支持大规模作者追踪,但100人的人工样本相对于370万名作者仍然较小,尤其当研究包含大量中文姓名和跨机构作者时,少量错误合并或拆分可能影响迁移统计。
注意力集中结论在TF-IDF提取5、10、15个关键词时均成立。 思想生命周期结论在NLTK、spaCy及名词短语表示法下也保持一致。 作者还使用发表量和引用量两种既有地位指标分析研究人员迁移,倒U型关系保持稳定。
这些稳健性检验增强了主结论的可信度,但不能消除指标本身的理论限制。把名词视为思想是一种可操作化处理,名词的出现频率不一定等于真正的思想多样性;同一个术语可能代表不同概念,不同研究者也可能用不同术语描述相近思想。
本报告没有企业估值、市场规模测算、DCF、可比公司分析、P/E、EV/EBITDA、目标价或买入/卖出评级。其“承载能力”是生态学意义上的思想承载上限,不是企业估值中的现金流承载能力,也不能直接转换为AI公司的盈利预测。
如果从产业分析角度理解,报告隐含的判断是:单纯增加算力、资本和研究人数未必能够持续提高创新效率;长期竞争优势可能取决于能否保留足够多元的研究方向,以及组织是否能够支持尚未被主流范式验证的探索。 但这属于论文对科研制度的启示,不是对某家公司的投资建议。
作者明确承认,无法从观察数据中直接识别互惠评审政策的因果效应,因为政策实施后的时间窗口太短,而且与LLM爆发同时发生,LLM本身会压倒政策信号。 因此图2f是机制模拟,不是现实世界政策效果的因果估计。
同样,2017年注意力集中上升与Transformer在时间上重合,但论文主要提供的是时间断点和多种统计伴随证据,并未完全排除产业投资、硬件进步、会议扩张、平台算法、数据规模增长或大型科技企业招聘等共同因素。
AI、Systems和Theory三分法是由人工整理的184个主题映射而来。 许多现代研究本身跨越机器学习、系统、理论、数据库和硬件,强制归入单一主导子领域可能会把跨学科研究的实际结构压缩成一个标签。
评审数据主要来自OpenReview,且2017年以前数据非常有限;样本虽然覆盖45个会议和26731篇投稿,但并不等于所有期刊、闭门会议、公司内部评审或非英语学术共同体。 评审信心的跨会议标准化有助于比较,但也可能受到会议评分文化、投稿类型和样本组成变化影响。
作者多次强调,LLM后的观察期太短,活跃思想存量提前下降的迹象尚不能形成最终结论。 因此“突破越强,耗竭越快”目前在AlexNet和Transformer周期上证据更充分,而对LLM周期仍应保持谨慎。
代理人模型固定使用二维思想空间、5名高产研究者、95名普通研究者、固定投稿率、固定接收率25%、特定的质量与偏好权重以及25个随机种子。 这些设置便于隔离互惠评审机制,但现实中的研究能力、评审标准、研究身份、机构声誉和投稿策略远比模型复杂。因此模型说明的是“该机制可以导致集中”,而不是“现实一定按照该幅度集中”。
作者James A. Evans与Google存在关联,其余作者声明无竞争利益。 这并不意味着研究结论必然存在偏差,但由于论文讨论AI研究集中、产业影响和学术制度,读者应在解释其立场时注意这一披露。
这份研究最重要的发现不是“AI研究增长太快”,而是:AI的成功可能正在改变研究生态,使更多人、更多论文和更多资源围绕更少的方向集中。 Transformer之后,研究注意力Gini系数由约0.26升至约0.33,引用不平等也显著上升;AI在计算机科学论文中的占比从约40%升至超过55%;超过一半的被观察主题迁移最终进入AI;同行评审信心则由3.9下降至2.9。
图2进一步显示,每次突破都会提高思想空间的理论承载能力,但随后实际活跃思想数量逐渐低于这条上限曲线,而且这种偏离在Transformer之后比AlexNet之后更严重。由此,作者提出一个具有政策含义的判断:创新突破不是无成本地扩大未来机会,它也可能通过吸走注意力、淘汰替代路线和强化评价偏好,消耗未来突破所需的思想多样性。
结构生物学中cryo-EM和AlphaFold之后出现的相似周期,为这一结论提供了跨学科支持,但新思想与活跃思想之间的差异也说明,突破有时不仅创造新概念,还能重新激活旧问题。 论文最终并未主张停止发展主流AI,而是主张在推进主流范式的同时,保护非主流、跨学科和尚未获得验证的研究方向,并避免让高产作者在评审、招聘、晋升和资源分配中获得无限大的制度性权重。
总体而言,报告的立场是:创造性破坏只有在破坏之后仍然保留足够多样的思想材料时,才能持续推动增长;如果一个范式吸收了几乎全部注意力,形成“单一化奇点”,那么它可能没有足够多样的继承者来产生下一次突破。 这一结论具有较强的理论解释力和政策启发意义,但其中关于LLM周期、互惠评审现实影响以及“思想耗竭”的因果机制,仍需要更长时间序列、更多学科数据和更严格的准实验设计加以验证。
2610.27296.pdf