6万篇。
这是今天知乎热榜上一条提问里的数字：ICLR 2027的摘要投稿量已超历年总和，预计突破6万。ICLR是AI领域的顶级学术会议——如今它一届的摘要量，超过了历史上所有年份的加总。顶会被自己的热度淹没，这个画面多少有点黑色幽默。
但我更在意的是另一件事：当"写论文"变得这么便宜，什么东西反而变贵了？
为了回答这个问题，我把财新网、光明日报、科学网近一个月的报道翻了一遍。结论先说：这场洪水淹不到你，但有几个习惯，值得现在就调整。
洪水不是从ICLR开始的
6万这个数字乍听吓人，放进背景里看，其实是一条早就画好的曲线。
财新网9月19日报道，新中人工智能协会与新加坡管理大学联合发布的《AI前沿指数报告2026Q1》，扫描了2025年一季度到2026年一季度的11.8万篇AI论文——仅仅一个年度窗口，论文体量就已接近ICLR一届预计投稿量的两倍。AI研究的产出规模，早就不是"一个会装得下"的了。
更直接的信号在出版端。科学网9月中旬一篇分析提到，受生成式AI影响，不少期刊2026年投稿量激增，有的期刊增幅达三分之一。而德国图宾根大学团队对2017-2025年超119万篇英文生物医学论文的统计更夸张：截至2025年12月，近90%的论文存在大语言模型辅助写作痕迹，2023年这个比例还只有19%。需要说明的是，"辅助写作"指的是润色、改写、段落重组，不等于AI代写实验和结论——但写作成本的坍塌，确实让"产出一篇论文"变得前所未有地便宜。
便宜的另一面：信任变贵了
写得多，不等于可信得多。
光明日报9月的报道里有个扎眼的数字：学术预印本平台arXiv对250万篇论文、1.11亿条参考文献做了一次系统性审核，结果显示仅2025年一年，arXiv、bioRxiv、SSRN和PubMed Central四大平台上就存在近15万条由AI编造的虚假参考文献。原因不神秘——生成式AI倾向于输出"看起来像文献"的内容，而不是检索真实存在的数据，这是它的工作原理决定的。
学术界自己也急了。9月中旬，陶哲轩等25位菲尔兹奖得主罕见联名发布公开信，警告AI公司把数学难题变成模型刷榜的工具，正在伤害数学研究本身。顶级学者担心的从来不是"AI会不会写论文"，而是当生成变得无限便宜，"什么算真、什么算新"的判定系统会不会失灵。
这就是这场洪水对普通人真正的意义：**知识的数量在贬值，知识的可信度在升值。**过去我们默认"顶会论文=权威"，现在连顶会都被投稿量压得喘不过气；反过来，谁能快速分辨信息真假，谁就握住了这个时代最稀缺的能力。这不是坏事——权威祛魅之后，普通人第一次有机会靠"会辨别"而不是"够专业"来站稳。
三个今天就能养成的习惯
你不需要去读论文，但你每天都在消费AI生成的内容——工作群里的总结、文章里的数据、AI工具给你的答案。
**凡是要紧的数字，回到原文核对。**AI给出的金额、日期、百分比，花十秒搜一下出处；搜不到出处的，就当它不存在。这条也是本文的写作纪律：上面每个数字，都能在上面提到的报道原文里找到。
**让AI先亮信源，再给结论。**提问时多加一句"请注明每条信息的来源"，答不出来源的内容，自动降级为"仅供参考"。
**把常做的事固化成流程，别追着热点跑。**论文三个月一个风向，模型半年一代，但你的任务是稳定的。像 spark1.cn 的 /tools/ 目录里那些写作、报表、总结类的小工具，就是把高频任务固化下来的思路；它的 /ai-writer 也是同一个逻辑——AI出初稿，人做终审，产出快，但每一句都有人负责。
论文洪水淹不到你，除非你站在原地数浪花。知识越便宜，会用、会辨的人越值钱——这恰恰是普通人从容入场的时代，而不是被抛下的时代。
本文素材综合自财新网、光明日报、科学网、虎嗅等公开报道；ICLR 2027投稿量数据引自知乎热榜话题，会议官方尚未公布最终统计。
💬 评论