10月1日,预印本平台 arXiv 发了一道限流令:即日起每个账号每月最多交两篇,同时在审最多三篇。
过去三十五年,这个平台一直是全球物理、数学和计算机论文的默认首发站。它免费、开放,不搞同行评审,全靠一批志愿审核者业余把关,把明显的垃圾挡在门外。
同月下旬,斯坦福学生创办的创业公司 alphaXiv 宣布直接开放发布:作者把论文 PDF 上传,过一遍自动化检查,几分钟内就可直接公开上线,不需要任何资深学者背书。
一边把门关小,一边干脆把门拆了。
表面上看是两家平台的竞争,但连在一起看,信号变了:AI 做科研的产能,已经开始把下游的基础设施压穿。
过去写一篇扎实的学术论文,要耗费科研人员几个月甚至更久。产出受生理极限约束,arXiv 靠兼职学者把关,顺手也就写上了最基础的同行信任。一旦智能体把写论文的边际成本压到十几美元,产出速度就彻底脱离了人类肉身的审核节奏。老平台为保声誉收紧发表;新平台顺势把发布做成零门槛入口,转头去抢论文验证的定价权。
我们看懂了这背后的门道,就看懂了 AI4S 到底走到了哪一步。
一、塞车不是一天发生的
把今年的时间线拉开,arXiv 的门不是突然关上的,十个月里连续收了三次。
1月21日,arXiv 先收紧背书政策:取消大学机构邮箱自动获首发资格的惯例,新账号必须已有挂名论文,或找同领域资深学者背书,才准发第一篇。
5月,又推出了一击出局的政策:稿件里只要查出编造虚假参考文献等 AI 幻觉,作者直接封禁一年,解禁后还必须先通过正式学术期刊或会议的同行评审。
到了10月1日,每人每月限发两篇的限流落地。
逼着老牌学术平台连续收紧的,是失控的人力账本。今年9月单月,arXiv 收到 40,363 篇论文,比2024年同期的 20,569 篇翻了一整倍,而2016年同期还不到一万篇。其中计算机科学旗下的人工智能类目(cs.AI),两年之内暴涨超6倍。
仅9月一个月,后台就积压了近 9,000 张审核与申诉工单。arXiv 审核理事会主席 Thomas Dietterich 直言:极少数作者提交的大量低质论文耗尽了全部审核资源,把正经研究的上线时间拖慢了数周。
官方博客在公告里用了两个词:分水岭(watershed moment),以及权宜之计(stopgap)。翻译过来就是:明知限流不是长久之计,但人工审核真的已经崩盘了。
那撑爆 arXiv 的那股力量到底长什么样呢?原型早就摆在台面上了。今年3月26日,Sakana AI 与牛津大学、不列颠哥伦比亚大学合作的研究登上《自然》(Nature)正刊。他们研发的初代 AI Scientist 系统,把端到端自动生成一篇完整论文的大模型算力成本,压到了 15 美元左右。
而资本的嗅觉永远比监管更早。alphaXiv 早在2025年11月就拿下 Menlo Ventures 和 Haystack 领投的 700 万美元种子轮。在 arXiv 限流的一年前,风投已经在赌论文发布会排起长队。
二、当科研从手工作坊变成算力流水线
事情发展到这一步,背后是科研范式的代际脱节。
首先是能力过了临界点。 Sakana AI 那篇 Nature 论文背后是一条自动化流水线:给一个研究方向,智能体自己查文献、提假设、跑实验,最后自己把排版好的 PDF 写出来,人类学者只管方向。虽然独立学术评估指出,这些智能体论文在实验深度上存在明显缺陷,但机器在国际学习表征会议(ICLR 2025)研讨会双盲评审里拿到 6.33 均分,实打实超过了同场过半的人类。
这里必须讲清楚:做 AI4S 的人很熟悉 AlphaFold,但 AlphaFold 证明的是 AI 能解一道具体的科研硬题;而 Sakana 证明的是 AI 能全自动产出标准学术论文。前者生成突破性成果,后者是一台批量研究机器。 今天压垮 arXiv 的正是后者。
其次是老平台的人力模型在物理层面上接不住了。 arXiv 的核心资产是公信力,今夏刚脱离康奈尔大学独立运营。但它的审核底层依然是各学科拥有博士学位的兼职志愿者,靠业余时间核对分类与合规。这类劳动力不可能靠花钱雇外包客服来扩产。面对单月四万篇的冲击,它只能在让垃圾冲垮声誉与紧缩配额之间二选一。
更滑稽的是规则的实际执行:官方 FAQ 明确写着,限额只扣除亲自点击提交按钮的账号,合著者完全不受影响,甚至建议合著者轮流点提交。这意味着几十个人的正规大实验室,让学生轮流点击,一个月照样合规提交十几篇;真正被两篇配额卡死的,是没有合著者分摊额度的独立研究者、小团队,以及试图高频跑实验的 AI 单兵工作流。
这就逼出了第三个变化:新平台接管外溢产能,顺手重构信任机制。 alphaXiv 选在10月下旬开通分钟级直接发布,明摆着不是为了赚论文托管费。它把上传发布做成免费的公用品,盯上的是发布之后的环节:让同行在页面批注讨论、沉淀作者学术声誉,并引入专门分析代码的研究智能体。这就好比开源软件领域的 GitHub:把代码 push 上网今天一文不值,价值全在公开审查、代码复现、Star 与 Fork。在学术界也一样:给人类准备的通道按月推进,给机器跑的节奏按分钟迭代。
发布这道门一旦被算力击穿贬值,真金白银的定价权,都会向论文验证的信任环节转移。
三、绕不开的质疑
但我们必须直面行业里尖锐的反方观点。
第一个质疑来自严谨的学术人:增量里的大头是灌水论文、切香肠式拆分和垃圾。把四万篇杂音误读成 AI 科研繁荣,本质上是把垃圾当产能。
第二个质疑来自现实的学术评价体系:alphaXiv 上的直接发布没有官方背书,高校评职称不认,传统学术期刊也不算数。说它能颠覆规则是商业吹捧,严肃学者不可能放弃 arXiv 的正统。
这两个反驳都戳中了眼下事实,但也恰恰标出了新旧范式交替的转折点。
对于第一个质疑,我们要看几处硬逻辑:其一,能力证据。 Nature 正刊收录和顶级会议研讨会的评审均分,是不可否认的硬证据;其二,AI工具的普及。 这个是无法避免的大趋势,连菲尔茨奖获得者邓煜都承认自己深受AI启发;其三,资本下注。 硅谷资本在一年前就已经真金白银下注。
四万篇论文里当然充斥着大量投机与水文,但只要其中严肃探索的绝对值在增长,脆弱的人力审核就注定崩溃。时间完全站在机器产能这边:算力成本每年都在降,人类读论文的速度不可能翻倍。
对于第二个质疑,alphaXiv 今天确实拿不出评职称的免死金牌,但新平台的价值从来不是从存量体制里分一杯羹。在 AI 圈,新架构晚发两周就可能撞车。在等老平台人工排队数周的空窗期里,先把论文挂上分钟级平台抢占时间戳,让全球同行和 AI 智能体直接跑代码验真伪,本身就是刚需。当年 GitHub 上的开源项目同样进不了大学教授职称评定表,但今天没有一家科技巨头招聘能脱离它。如果未来学术论文的审稿与复现回路普遍被智能体接管,传统的人工背书,很可能会从质保退化为纯粹的延迟。
四、几点判断和建议
做科研工具,卖可复现的验证工件。 做 AI4S 领域的创业公司,当单篇论文的生成成本被打到 15 美元,未来学术界最稀缺的是证明论文没作假的证据链。产品重心可能会往后移:如何把代码、数据集、运行环境和调用轨迹打包成一键可复现的标准工件。
做基础设施,去抢占机器辅助审稿的空白位。 arXiv 官方自认限流只是权宜之计,说明传统学术巨头根本抽不出人力去开发适配AI时代的审核工具。谁能把虚假参考文献拦截、实验代码自动测试和学术声誉网络做成标准插件,谁就能在下一代基础设施里收过路费。
评估早期项目,盯顶级团队的首发。 投资人和一线技术负责人,别被新平台动辄几万篇的上传数据迷惑,那很容易被脚本吹出泡沫。但这类生态会给早期投资人和创业者提供更多启发和机会。AI4S的潜力极大。
当一篇论文的边际成本降到了 15 美元,人类的一天依然只有24小时;当机器探索世界的速度注定是人类学者的百倍千倍,科学界最终认账的是代码和算力随时能跑通的事实验证!
说明:本文遵循严格的数据纪律,未采用任何推测值。
红包分享
钱包管理

