2026年8月一项理论经济学研究泼了盆冷水：AI把科研速度提上去，科学家反而可能做得更多、但做得更差。项目没少做，每一项分到的心思却被摊薄。

团队来自普林斯顿、华盛顿大学等机构，没有做实证调查，而是建了一个数学模型，骨架借自动物行为学里的最优觅食理论，模拟科研者在多个项目间分配精力。每个项目被拆成两步：先低成本试试想法行不行，再决定放弃还是推进；模型随后观察，当LLM把不同阶段的时间都压短，整体产出和单项目深度会怎么变。

为了让结论纯粹，他们刻意把LLM理想化——零错误、零幻觉、零额外开销，只留下"时间被压缩"这一条变量。在这种设定下，模型在三种AI介入科研的场景里，有两种出现单项目投入精力下降。作者的解释是，LLM压缩了检验阶段耗时，也让推进阶段变得更便宜，科研时间的机会成本被推高：省下来的三小时，不一定被塞进原难题，而是让人想再开一个项目。

换算到日常体感就是，AI把每个项目从"啃一下午"变成"嚼两口就咽"，手里同时跑的研究变多，每一项分到的心思被摊薄。

需要划清边界：这是纯理论模型的预测，没有真实科研行为的实证数据托底；真实使用中LLM带来的错误和幻觉在模型里被排除，实际情况可能更乱。换句话说，"AI让科研变快"没有争议，争议在于速度红利会不会被新增项目的诱惑悄悄吃掉。

如果AI真的帮你从一天里省下三小时，你会把它砸进还没想透的问题，还是再起一个新坑？