分析：AI 正在重新转动科学创新与生产力的停滞齿轮

兜里揣着能连接全世界所有信息的智能手机，很多人可能会以为，人类正处在科学与技术飞速狂飙的黄金时代。

现实却泼了一盆冷水。近几十年来，推动人类社会财富增长的两大核心引擎——生产力提升与科学创新，实际上都陷入了神秘的减速甚至停滞状态。

不过，随着生成式 AI 的出现，这两台沉重的生锈齿轮，似乎终于又听到了重新转动的咯吱声。

科学创新正在被「知识的重担」拖垮

一项令人沮丧的研究发现，从农业育种到癌症治疗，人类发明的速度正在全面放缓，几乎每 13 年就会暴跌 50%。

如果美国想维持人均 GDP 的恒定增长，就必须每 13 年把科研投入和人力翻上一倍，才能勉强抵消寻找新想法的难度。

问题到底出在哪？答案可能反直觉：学术论文实在太多了，科研人员快被知识压垮了。

现在一个年轻人要走到学科前沿、开始做原创研究，必须先消化极其庞大的既有文献。这也导致顶尖科学家做出代表性贡献的年龄越来越大，如今有一半的开创性突破发生在 40 岁以后。

在过去 20 年里，STEM 领域的博士创业率更是直接下降了 38%。因为如今的科研过于复杂，需要庞大的团队和行政支持，名校博士们最后只能选择投奔大公司。

科研产出越多，大家反而越没精力读新研究，只能扎堆去引用那些被引了几万次的老经典，真正有价值的新思想反而被淹没了。

生成式 AI 正在成为破局的杠杆。最近的实验显示，AI 能够通过分析过往论文来预测最有希望的科研方向，也能接管令人头疼的文献综述，甚至能帮学者写好烦人的论文摘要初稿。

几十年没变的白领工作，终于迎来了生产力拐点

除了科研，生产力增长的停滞同样让人头疼。

在 1865 年，一名普通的英国工人一辈子要干 12.4 万小时；到了 1980 年，虽然寿命变长、生活水平大幅提升，但一生工作时间降到了 6.9 万小时，工作占人生的比例从 50% 降到了 20%。

但从 1980 年之后，生产力增速急剧放缓，过去十年尽管移动互联网和软件彻底普及，生产力曲线却几乎走平，没有人能给出一个让人信服的解释。

大多数白领和管理层的工作，几十年来几乎没有本质改变，依然是日复一日在 Word、Excel、PowerPoint 之间倒腾数据、汇报和文档。

生成式 AI 提供了一种直接跳过繁琐中间步骤的可能。写报告、做排版、做方案原型，以往需要几天的时间，现在只需几句提示词。

最确凿的信号来自软件开发。微软针对 GitHub Copilot 开展的随机对照实验显示，在 AI 编程助手的帮助下，程序员完成任务所需的时间直接缩短了一半。

为什么重要

对普通人和打工人来说，AI 的价值远不止于聊天解闷，它本质上是在消除知识吸收和日常杂活的重负。

如果你是文字工作者、分析师或者程序员，现在已经完全值得把 AI 深度接入日常流程；哪怕它只是帮你写完开头、理清长篇资料，省下的时间也足够让你从低价值的内耗里解脱出来。

对整个行业而言，过去几十年科技公司靠着消费互联网和软件工具赚得盆满钵满，但宏观经济的实际生产力并没有水涨船高，这也是很多人质疑科技行业陷入内卷的原因。如果生成式 AI 能在科研突破和办公室效率上坐实这 50% 甚至更高的提速，它就真正打通了从「虚拟玩具」到「实体生产力」的商业闭环，迫使所有企业重新评估员工的组织形态。

我们认为，AI 眼下最聪明的打法不是急着取代科学家或高管，而是老老实实扮演「减负助手」。当然，隐患也摆在眼前：如果 AI 让论文和报告的生成门槛变得极低，导致低质学术垃圾和垃圾文档成倍暴增，那人类最终可能不仅没有摆脱「知识的重担」，反而陷入更深的垃圾信息泥潭。如何用 AI 过滤垃圾，而不是制造更多垃圾，是这场生产力革命能否成功的关键。