分析：AI 正在重新轉動科學創新與生產力的停滯齒輪

兜裡揣著能連線全世界所有資訊的智慧手機，很多人可能會以為，人類正處在科學與技術飛速狂飆的黃金時代。

現實卻潑了一盆冷水。近幾十年來，推動人類社會財富增長的兩大核心引擎——生產力提升與科學創新，實際上都陷入了神秘的減速甚至停滯狀態。

不過，隨著生成式 AI 的出現，這兩臺沉重的生鏽齒輪，似乎終於又聽到了重新轉動的咯吱聲。

科學創新正在被「知識的重擔」拖垮

一項令人沮喪的研究發現，從農業育種到癌症治療，人類發明的速度正在全面放緩，幾乎每 13 年就會暴跌 50%。

如果美國想維持人均 GDP 的恆定增長，就必須每 13 年把科研投入和人力翻上一倍，才能勉強抵消尋找新想法的難度。

問題到底出在哪？答案可能反直覺：學術論文實在太多了，科研人員快被知識壓垮了。

現在一個年輕人要走到學科前沿、開始做原創研究，必須先消化極其龐大的既有文獻。這也導致頂尖科學家做出代表性貢獻的年齡越來越大，如今有一半的開創性突破發生在 40 歲以後。

在過去 20 年裡，STEM 領域的博士創業率更是直接下降了 38%。因為如今的科研過於複雜，需要龐大的團隊和行政支援，名校博士們最後只能選擇投奔大公司。

科研產出越多，大家反而越沒精力讀新研究，只能扎堆去引用那些被引了幾萬次的老經典，真正有價值的新思想反而被淹沒了。

生成式 AI 正在成為破局的槓桿。最近的實驗顯示，AI 能夠通過分析過往論文來預測最有希望的科研方向，也能接管令人頭疼的文獻綜述，甚至能幫學者寫好煩人的論文摘要初稿。

幾十年沒變的白領工作，終於迎來了生產力拐點

除了科研，生產力增長的停滯同樣讓人頭疼。

在 1865 年，一名普通的英國工人一輩子要幹 12.4 萬小時；到了 1980 年，雖然壽命變長、生活水平大幅提升，但一生工作時間降到了 6.9 萬小時，工作占人生的比例從 50% 降到了 20%。

但從 1980 年之後，生產力增速急劇放緩，過去十年儘管移動網際網路和軟體徹底普及，生產力曲線卻幾乎走平，沒有人能給出一個讓人信服的解釋。

大多數白領和管理層的工作，幾十年來幾乎沒有本質改變，依然是日復一日在 Word、Excel、PowerPoint 之間倒騰資料、彙報和文件。

生成式 AI 提供了一種直接跳過繁瑣中間步驟的可能。寫報告、做排版、做方案原型，以往需要幾天的時間，現在只需幾句提示詞。

最確鑿的訊號來自軟體開發。微軟針對 GitHub Copilot 開展的隨機對照實驗顯示，在 AI 程式設計助手的幫助下，程式設計師完成任務所需的時間直接縮短了一半。

為什麼重要

對普通人和打工人來說，AI 的價值遠不止於聊天解悶，它本質上是在消除知識吸收和日常雜活的重負。

如果你是文字工作者、分析師或者程式設計師，現在已經完全值得把 AI 深度接入日常流程；哪怕它只是幫你寫完開頭、理清長篇資料，省下的時間也足夠讓你從低價值的內耗裡解脫出來。

對整個行業而言，過去幾十年科技公司靠著消費網際網路和軟體工具賺得盆滿缽滿，但宏觀經濟的實際生產力並沒有水漲船高，這也是很多人質疑科技行業陷入內捲的原因。如果生成式 AI 能在科研突破和辦公室效率上坐實這 50% 甚至更高的提速，它就真正打通了從「虛擬玩具」到「實體生產力」的商業閉環，迫使所有企業重新評估員工的組織形態。

我們認為，AI 眼下最聰明的打法不是急著取代科學家或高管，而是老老實實扮演「減負助手」。當然，隱患也擺在眼前：如果 AI 讓論文和報告的生成門檻變得極低，導致低質學術垃圾和垃圾文件成倍暴增，那人類最終可能不僅沒有擺脫「知識的重擔」，反而陷入更深的垃圾資訊泥潭。如何用 AI 過濾垃圾，而不是製造更多垃圾，是這場生產力革命能否成功的關鍵。