最近两条看似不相关的消息，被很多人前后脚刷到了。

一条是：某高校青年学者投稿一年，编辑部前前后后邀请了30多位审稿人，竟然无一人接受评审邀请，论文就这样卡在系统里，状态永远停留在"邀请审稿人中"。

另一条是：2017年，两台人工智能机器人参加了高考数学测试，一台叫Aidam，9分47秒交卷，拿下134分，与之同场竞技的6位高考状元平均分也才135分；另一台"准星数学高考机器人"用时22分钟，估分105分。到了2025年前后，几款主流大语言模型再战高考数学，成绩已经普遍冲到134分到145分区间，妥妥的"学霸水平"。

一个是基础教育领域的冲击波，一个是学术出版行业的地震。表面上八竿子打不着，但如果你把这两件事放在一起看，会发现它们其实是同一套"旧系统"在AI时代同时崩塌的两个侧面——一套靠大量重复劳动和道德自觉维持运转的系统，正在被规模和速度撕开口子。

一、我们引以为傲的教育优势，恰恰是AI最擅长的领域

长期以来，中国教育体系有一个很典型的特点：投入大、覆盖广、学生对基础知识的掌握"均值高"。这背后是几代人对教育的重视，也是应试体系反复打磨出来的结果。

但换个角度看，这套体系培养出来的核心能力是什么？是识别题型、调用已有知识、大量刷题形成的熟练反应。而人工智能恰恰就是靠深度学习、海量数据训练出来的"记忆与识别机器"。当AI机器人能用不到10分钟做完一整张高考数学卷，还能考出接近甚至超过学霸的分数时，一个扎心的事实摆在眼前：我们过去引以为傲的"刷题式"优势，正好是AI最容易复制、甚至超越的能力。

这不是危言耸听。爱因斯坦早就说过一句话：大学教育的价值不在于记住很多事实，而是训练大脑学会思考。放在今天，很多知识随手一搜就能查到，未来只会更方便。如果教育还停留在"比谁记得多、算得快"，那和AI比拼记忆力和速度，注定是一场必输的竞赛。

真正稀缺的，从来不是知识本身，而是产生新知识的能力。这里有一个值得记住的公式：

创造性思维 = 知识 × 好奇心和想象力

知识越多，创造力未必越强。原因很现实：一个人受教育越久，学的知识框架越多，好奇心和想象力反而容易被压抑——因为孩子提出的很多"离经叛道"的想法，在正规教育里往往被判定为"错的"，久而久之，敢质疑、敢发问的冲动就被磨平了。这也是为什么有些中途辍学的人反而更有创造力，不是学校教不出人才，而是学校在灌输知识的同时，无意中削弱了创造力所需要的其他元素。

除了好奇心和想象力，创造性思维还离不开更高的价值追求。可以把创新的动机粗略分成三层：为了发论文、评职称、公司上市的短期功利主义；为了填补技术空白、追赶世界一流的长期功利主义；以及追求真理、推动世界变得更好的非功利主义。现实是，第一种动机的人最多，第二种也不少，但真正抱着第三种心态做事的人凤毛麟角。而急于求成的心态，恰恰是抄袭、复制多、真正颠覆性创新少的根源。

所以，教育要在AI时代守住优势，方向其实很清楚：给学生更宽松的个性发展空间，保护他们的好奇心，激发想象力，同时引导他们在价值追求上走得更远，而不是只盯着眼前的分数和文凭。

二、学术圈的"审稿荒"：另一套靠道德义务运转的系统撑不住了

如果说教育体系的冲击是"AI在抢我们的强项"，那么学术出版界正在经历的，是另一种更直接的系统性崩溃——同行评审危机。

论文投出去几个月，甚至一整年，系统状态始终停留在"正在邀请审稿人"；发邮件催问编辑，得到的回复永远是"仍在寻找合适的审稿人"。前面提到的那位学者，一年里发出30多份审稿邀请，无一人接受，绝非孤例。放在几年前，学者们担心的是"会不会被拒稿"，拒稿至少是一个明确的结果，可以换刊重投；而现在，很多人面对的问题是根本找不到人来审稿。

承受这场危机冲击最猛烈的，恰恰是最年轻、也最活跃的一批学者。对已经评上高级职称的研究者来说，一篇论文卡住尚有其他在研课题托底；但对博士生和青年教师来说，一篇迟迟找不到审稿人的论文，可能直接关系到能否按时毕业、能否通过考核。讽刺的是，多项调查显示，40岁以下的学者承担了全球一半以上的审稿工作量——他们审稿速度快、意见细致，因为刚经历过同等训练，对领域前沿也更敏感。换句话说，这批人一边是审稿系统最主要的劳动力，一边又是投稿被"晾在半空"最惨的受害者。

这场危机是怎么形成的？大致可以归结为四点：

第一，论文数量的增长远远超过审稿人池子的扩张速度。更麻烦的是，审稿劳动高度集中——大约10%的审稿人承担了近一半的审稿任务，最活跃的这批人早就不堪重负。

第二，同行评审本质上是无偿劳动。它长期靠学者的职业责任感和道德义务维系，完成一份高质量评审动辄要花上数小时甚至数天，却没有任何经济回报。

第三，AI让论文数量进一步暴涨。大语言模型让写论文的门槛大幅降低，不少期刊反映投稿量因此明显攀升，而这些AI辅助生成的稿件里，相当一部分质量堪忧，直接拒稿率也更高——这意味着编辑和审稿人要花更多时间去处理本不该进入流程的稿件。

第四，编辑本身也在超负荷运转。审稿人越难找，压力越会传导到编辑身上，审稿人短缺和编辑培训不足叠加在一起，形成了一种持续加深的倦怠循环。

三、出路已经开始出现：把"道德义务"变成"制度设计"

好消息是，学术出版界并没有坐视危机蔓延，几种改革思路正在被真实验证。

付费审稿是目前效果最直观的一种。英国期刊《Biology Open》从2024年下半年开始试点，组建了一支约500人的签约审稿人队伍，要求审稿人在1个工作日内决定是否接受邀请，接受后4个工作日内提交评审意见，符合质量要求的评审可获得220英镑（约合人民币2000元）报酬，另有按季度计酬的模式，最高每季度可拿到600英镑。据其公布的运行数据，论文首次编辑决定的时间，从传统模式下接近38个工作日，缩短到平均5.5个工作日左右，降幅约85%，评审质量非但没有下降，编辑反而认为审稿意见对决策的帮助有所提升。中国科学院医学期刊分区中的一本重症医学类期刊，也曾在2023年做过类似尝试，向部分审稿人提供报酬后，愿意接受邀请的比例出现了提升。

审稿积分制是另一条思路：投稿要消耗积分，而积分只能靠为别人审稿获得，不能花钱买。这套机制试图建立一套跨出版社、跨期刊、跨学科通用的评价体系，甚至设想依托ORCID这样的学术身份系统来打通，本质上是把"投稿"和"审稿"绑定成一种对等关系——想让别人认真审你的稿子，先去认真审别人的。

AI辅助审稿也在被探索，现实是已经有超过半数的审稿人在私下用AI帮忙完成评审工作，只是大多缺乏出版方的统一规范和指导，用得好坏全凭个人经验，这也带来了新的争议：AI给出的意见能不能作数、会不会掩盖真正的学术判断，都还没有定论。

写在最后

教育优势被AI冲击，和学术圈审稿人集体"消失"，看起来是两个完全不同领域的新闻，但背后是同一个逻辑：过去那些依靠"人力堆积"和"道德自觉"勉强维持运转的系统，在AI带来的规模和速度面前，都走到了不得不改的临界点。

对教育而言，答案不是拒绝AI，而是把训练重心从"记得多、算得快"转向好奇心、想象力和更高的价值追求——这些恰恰是AI短期内很难替代的部分。对学术出版而言，答案也不是指望每个人无限透支自己的责任感，而是用更合理的制度设计，把审稿这件事从"道德负担"变成"有回报的专业劳动"。

两件事说到底是同一件事：当旧的规则不再管用，与其抱怨AI来得太快，不如认真想清楚，真正属于人的价值到底在哪里。

客服热线：155-4600-3091（微信同号）