坐进旧金山的 Waymo 无人车，最让人上瘾的不是算法刹车有多平稳，而是前排空无一人带来的解脱感。没有清晨必须寒暄的尴尬，不用在电台音量上暗自博弈，它安静、顺从、毫不索求，把打车变成了一座与世隔绝的孤岛。
但这种极度舒适的背后藏着一笔隐蔽交易。2026 年 9 月 7 日，Research Agenda 发表了一篇题为《The Waymo effect》的随笔。作者在与出版集团 Macmillan Learning 首席执行官 Susan Winslow 交流时提炼出一个概念：Waymo 效应。它的本质是，某项技术一旦把人际互动的摩擦力降为零，人们就会本能地把它当成纯收益照单全收，而摩擦背后原本包含的意外启发与真实碰撞，也就这样无声无息地被让渡掉了。
如今，大语言模型正在成为学术科研界的 Waymo。
凌晨两点随叫随到的学术搭子
学术研究长期依赖合作，但人类合作者从来都不省心。真人搭子有教学任务、基金截止日和时差，更有自己的学术执念；你兴冲冲抛出一个核心假设，对方可能当头浇下一盆冷水，指出你连基本前提都立不住。
大语言模型完全不同。它在周日凌晨两点随叫随到，没有脾气，也不争夺论文署名权。你给它一段草稿，它能把语句润色得天衣无味；你让它找漏洞，它会在你圈定的框架里字斟句酌地提出修改意见。
这正是问题所在。模型给出的批判永远只取决于提示词的力度，它绝不会冷不丁告诉你“你从一开始就选错了方向”，也不会提醒你某个竞品团队三年前就做过且失败了。哲学家 Albert Borgmann 曾提出过装置范式理论，技术往往负责把最终结果打包交付，却在暗中把生产结果所必需的实践过程剥离干净。
合作的核心价值，恰恰在于另一个大脑拒绝成为你意图的延伸。当这种阻力被全面消除，科研的社会协作网络就开始悄然瓦解。
4130万篇论文背后的系统性收敛
如果这仅仅关乎学者个人的工作习惯，大可不必小题大做。现实情况是，当前的学术评价体制正在全力奖赏这种去协作化。
在唯论文数量与发表周期的考核压力下，大模型成了最完美的套利工具。它能把文献综述压缩到两天，把初稿成型缩短到一个周末。2025 年一项覆盖德国 6,000 多名研究人员的调查显示，生成式 AI 的渗透早就越过了语法润色，直接介入到基础性和创造性的科研任务中。在欧洲研究委员会的调查里，46% 的受访学者明确表达了对批判与分析能力退化的担忧，62% 的人担心虚假学术知识的扩散。
产出变得廉价而迅速，但共同思考正在变成稀缺品。
更大的危机不在微观效率，而在宏观生态。一项针对 4,130 万篇自然科学论文的文献计量研究给出了极具警示意味的实证结论：使用 AI 确实提升了个人的论文影响力和学术晋升几率，但从科学整体来看，研究聚焦点出现了明显的窄化，跟进探索反而减少。
多项合作写作实验同样表明，AI 虽能提升沟通效率，但生成内容的高度同质化直接压制了团队内部探索替代方案的积极性。每个人都在以更高的时速奔跑，却不自觉地挤上了同一条越来越窄的轨道。
- 风险.当算法抹平了论证的毛刺，研究者往往误把行文流畅当成逻辑自洽，加速交付的只是未经严密推敲的平庸见解。
摩擦并非生而高尚，但必须被区别对待
把所有技术便利都推向对立面并不客观。现实里的学术社交摩擦，并不总是闪烁着追求真理的理性光辉，它同样掺杂着名校小圈子的垄断、等级压制和资源排斥。
数据展现了这项技术的另一面。一项跨越 133 个地区、针对 31,000 多篇 arXiv 预印本和 45,000 名学者的实地实验显示，AI 反馈显著弥补了资源匮乏地区研究者难以获得高水平学术评议的劣势。对于非顶尖机构的边缘学者而言，面对面的学术网络原本就是关卡重重的奢靡品，机器的介入破除了这种门槛，带来了切实的同行评审平权。
正如出行市场中 Waymo 运营规模在 2024 至 2025 年间虽达到每周 100,000 至 200,000 次付费行程，但对比 Uber 在 2024 年第四季度完成的约 30 亿次出行和 Lyft 的约 2 亿次行程，Robotaxi 的绝对份额依旧有限。技术更替是一个漫长的渐进过程，我们真正需要审视的不是技术的存在本身，而是我们对技术使用边界的集体失语。
在一项针对美国生物医学团队的调查中，42% 的受访者频繁使用 AI，但近一半的团队坦承，他们从未在组内公开商讨过 AI 的具体使用规则。
认知心理学家常谈及必要难度。Susan Winslow 在教育实践中强调保留建设性挣扎，学习从来不是直接索取标准答案，而是在不确定性中建立认知框架。科研更是如此。
古人讲兼听则明，偏信则暗。同行之间难免磕碰的学术异见、白板前争得面红耳赤的推导，乃至修改意见里那些刺眼的批注，恰恰是防止个体思维滑向盲从的安全带。学术机构若想避免知识生产全面走向平庸，就必须重新设计考评激励，承认并资助那些低效却不可或缺的真实碰撞，为人类思维的摩擦力保留一席之地。