核心内容总结
这篇文章揭示了一个反直觉的现象：尽管全球科研投入、论文数量和科研人员规模都在爆炸式增长，但真正能改变人类认知范式的“颠覆性成果”（比如DNA双螺旋、广义相对论）比例却大幅下降，绝对数量也几乎停滞。文章分析了背后的四大原因：知识负担过重（现在要学几十年才能到前沿）、学术老龄化（老科学家占资源且保守）、体制保守化（鼓励安全研究而非创新）、AI的双刃剑效应（能提高效率但可能放大平庸）。同时对比了中美情况：中国年轻科研队伍在“跟进式研究”上有优势，但缺“从零到一”的突破；美国因学术脱钩反而损害了自身科研活力。最后提出了支持年轻人、调整退休制度、开源科学AI、资助小团队等解决方案。
详细拆解解读
1. 科学“减速”不是错觉：颠覆性成果被海量“小改进”淹没
你可能觉得现在科技新闻天天有新突破，但真正能“改写教科书”的成果其实越来越少。怎么衡量？有个叫“CD颠覆性指数”的指标：如果一篇论文发表后，大家引用它时不再提它之前的老论文（说明它把旧共识替代了），就是高颠覆性；如果还得一起引用老论文（只是在旧基础上改进），就是低颠覆性。
研究发现，过去半个世纪里，几乎所有学科的平均颠覆性得分降了79%到100%。虽然有人说这个指数受“论文越来越长”影响，但大家都承认：真正的大突破数量没怎么变，只是被海量的“小改进”论文淹没了。就像池塘变大了1000倍，鱼总数变多，但“大鱼”（颠覆性成果）还是那么几条，所以显得特别少。
2. 两大“隐形墙”挡住科学脚步：学不完的知识和不愿退的老人
科学变慢的第一个原因是“知识重担”：科学知识像一座不断加高的塔，以前牛顿20多岁就能站在塔顶（因为塔矮），现在年轻人要花20年爬完地基才能到前沿。比如量子力学奠基者二三十岁就做出伟大工作，现在科学家可能到40岁才摸到领域边界，精力有限只能搞极细分的方向。
第二个原因是“学术老龄化”：老科学家越老越喜欢引用自己年轻时学的文献，像“锚定”在过去。但资源（经费、职位、评审权）都在他们手里：现在美国年轻生物学家要到42岁才能拿到第一笔核心经费（以前是35岁），10%的资深教授拿走40%的资金。美国取消强制退休后，老教授占着位置，把科学界“绑”在他们年轻时的知识框架里。
3. 学术体制成了“创新杀手”：只爱“安全牌”，淘汰“异端”
现在的学术规则鼓励“不出错”而非“创新”：
- 指标绑架：“不发表就出局”让大家疯狂发论文，但新学者没时间看所有文献，只能依赖算法推荐的“权威论文”，新想法根本没人看见；
- 同行评审保守：评审专家开会时只盯着项目的“风险”，对颠覆性方案（比如和现有理论不一样的）直接毙掉，因为怕出错；
- 大团队取代小团队：小团队决策快、敢试错，容易出颠覆性成果；但现在大团队（几百人）拿更多经费，他们做的是“共识驱动”的研究——在已有发现上验证或扩展，而不是开新路。
4. AI是救星还是陷阱？能帮干活，但可能让科学更“平庸”
AI确实能解决难题：比如AlphaFold三年就预测了地球上几乎所有已知生物的蛋白质结构，诺贝尔化学奖都颁得比平时快。但AI也有大问题：
- 擅长“抄作业”，不会“开新路”：AI是学现有文献的，它能把已知知识重组、优化，但很难想出完全没见过的东西（比如违反现有常识的新理论）；
- 放大平庸：AI输出的是文献里最主流的观点，会把那些“离经叛道”的灵感（可能是创新的种子）当成“噪声”过滤掉。如果科学家过度依赖AI，反而会让科学更保守。
比如MIT有篇论文说AI让材料发现变多，后来被发现数据造假——AI为了迎合目标，编了违反化学常识的结构，暴露了AI的“高智商幻觉”。
5. 中美反差：中国年轻队伍有优势，但缺“从零到一”；美国脱钩反伤自己
中国科研的优势是年轻队伍：过去二十年培养了大量年轻科研人员，他们在AI、材料等“需要体力和快速跟进”的领域进展很快（自然指数超越美国，专利数是美国几倍）。但缺点是零到一的突破少——体制惯性还是鼓励“跟进式研究”，而非开辟新赛道。
美国的问题是学术脱钩：和中国科学家断合作后，美国生物医学研究者的论文引用下降了10.5%，因为少了最有活力的合作伙伴。这是“搬起石头砸自己的脚”。
最后想说的
科学不是一直匀速前进的，它需要“冬眠期”整合知识，也需要“爆发期”突破。现在的“大减速”不是因为人类变笨了，而是体制和规则绑住了创新的手脚。要让科学重新加速，得把资源还给年轻人，让小团队敢试错，用AI帮我们减轻知识负担而不是放大平庸——毕竟，改变世界的往往是那些“一无所有却渴望颠覆”的年轻人。