2024年10月，arXiv收到24,226篇投稿，历史新高。同比增长17%。这不是什么好事。

三年前，高能物理理论版块每月收到634篇论文。到2025年12月，这个数字变成了1,192篇——三年翻了一倍。而且还在加速。

你以为这只是科研繁荣？不。这是一场正在发生的系统过载。

每七篇投稿，就有一篇可能是假的

Wiley开发了AI检测工具，在270多本期刊上试运行。每月约10,000篇投稿中，10%–13%被标记为疑似论文工厂产品。也就是说，每月有600-1,000篇投稿在进入同行评审之前就被拦截。

这是Wiley一家 publisher 的数据。全球学术期刊有数万本。

中华医学会杂志社也做了统计：近半年来，旗下期刊超过12%的投稿，AI撰写内容占比超过5%。《社会科学辑刊》的编辑更狠——AI创作疑似度超过20%直接退稿，主编个人认为超过10%就“很过分”。他们在2025年第4期就抓出3篇AI论文，作者全被拉黑。

Wiley旗下Hindawi因为论文工厂问题被迫撤稿超过11,300篇，亏损3500-4000万美元，CEO离职，品牌直接关停。

论文工厂2.0：成本归零，速度无限

以前的论文工厂，需要雇人写、买审稿人、手工伪造数据——成本高、速度慢。

现在？LLM几分钟生成一篇结构完整的论文，边际成本趋近于零。传统检测手段（语言错误、重复图像）全部失效。

Nature 2025年9月报道，一项对数万篇投稿的分析显示，AI生成文本的存在“急剧增加”。Elsevier调查了2,284名研究者，31%承认使用生成式AI做研究，93%认为LLM帮助了他们的写作和审稿。但Science报道的另一项研究发现：实际使用AI写论文的人数，是承认人数的四倍。

四倍。

这意味着，你看到的“31%”可能只是冰山一角。真实比例可能在60%–80%之间。没人愿意承认，但几乎所有人都在用。

顶会也在被淹没

AAAI 2026收到23,680篇投稿，历史之最。录用率仅17.6%。一年前的AAAI 2025只有12,957篇——一年之间暴涨83%。这是AAAI有史以来最大的单年增幅。

CVPR 2025也破了纪录——12,008篇投稿，同比增长13%。ICLR 2025收到11,565篇投稿。

arXiv的情况更直观：2023年5月首次月度投稿突破2万篇，到2024年10月就到了24,226篇。计算机科学三个AI相关子类（机器学习、计算机视觉、NLP）一个月就贡献了6,000多篇，占总量近25%。

量在暴涨，质在暴跌。

AI检测的死循环

Springer Nature开发了两个AI检测工具，2024年6月上线。Wiley的检测系统包含六项功能，从论文工厂比对到生成式AI特征识别。

但问题是：AI检测工具本身就不靠谱。

一项研究评估了14款AI检测工具，所有工具准确率均低于80%，仅5款超过70%。约20%的AI生成文本会被错误归为人类写作。Frontiers在2025年7月发现了一个122篇操纵同行评审的文章网络。这122篇是怎么被发现的？不是AI检测工具发现的，是人工排查。

更可怕的是：AI研究工具本身成了虚假信息的放大器。一项研究发现，21篇被撤稿的虚假论文被Consensus引用了18次、Ai2 ScholarQA引用了17次、Perplexity引用了11次。没有任何一个AI工具在引用时发出过撤稿警告。

只有ChatGPT在3次引用中发出了警告。3次。

AI生成论文 → 发表 → AI引用 → 成为新论文的“依据” → 生成更多论文。这是一个正在形成的死循环。

出版商在做什么？

目前全球学术出版界的应对，基本分三派：

全面禁止派——以《社会科学辑刊》为代表，三种AI创作全部禁止，查实即拉黑。

有限允许派——以中华医学会杂志社为代表，允许AI做语言润色和翻译，但严禁用于整篇论文或核心部分的撰写。Elsevier、Springer Nature基本也是这个立场。

技术对抗派——开发AI检测工具，在投稿环节拦截。Wiley、Springer Nature都在这条路上投入巨资。

但这些措施有一个共同的盲区：它们只能对付“完全由AI生成”的论文。对于“人机协作”——研究者用AI辅助文献综述、数据处理、语言润色，但核心观点是人类提出的——目前的政策几乎无法界定，更无法检测。

这恰恰是大多数研究者的真实使用方式。

更深层的问题

764篇被撤稿的AI相关论文中，551篇来自中国——占72%。但正如Retraction Watch指出的，这不意味着问题出在中国本身。论文工厂在“发表或出局”压力最大、监管最滞后的地区找到了最大市场。

这套“发表或出局”的激励机制不变，AI只是让原来就存在的扭曲变得更极端。原来一年产出10篇论文的学者，现在可以产出50篇。原来需要3个月完成的论文，现在3天就行。

审稿人呢？还是那么多人。审稿周期呢？只会更长。

我们已经在上篇聊过，审稿接受率21年间从60%跌到40%以下，全球只有200-300万人参与评审。现在投稿量还在加速膨胀，审稿系统已经在崩溃边缘。

AI写论文让这个问题从“严重”变成了“无解”——除非系统本身发生根本性变革。

趋势判断

接下来3-5年，大概率会看到这些变化：

投稿量继续暴涨。arXiv的记录还会一再被打破。AAAI的投稿量可能突破4万。

接受率继续下跌。顶刊的接受率可能跌破15%。

AI检测成为标配。所有主流出版商都会在投稿环节部署检测工具，但检测效果永远落后于生成能力。

新的出版范式出现。注册报告制（Registered Reports）可能成为主流——在数据收集之前就通过方法论审查，而非在论文写完之后再判断质量。开源审稿、社区评审、AI辅助筛选会逐渐替代传统同行评审。

学术评价体系被倒逼改革。当论文数量不再有意义，“发了多少篇”这个指标就失效了。资助机构和大学不得不寻找新的评价方式。

这意味着什么

AI写论文越来越容易，这不是趋势预测，这是已经发生的事实。

投稿量暴增，审稿系统不堪重负，检测工具跟不上生成速度，虚假论文通过AI引用自我繁殖——这条链路上的每一环都在加速恶化。

学术出版作为一个运行了350年的系统，第一次面临存亡级别的冲击。不是因为AI太强，而是因为AI暴露了这个系统的根本脆弱性：它把“数量”当作“质量”的代理指标，而AI恰好擅长制造数量。

当数量不再可信，要么找到新的质量衡量方式，要么整个系统信用破产。

2027年前后，会是临界点。 （本文由大语言模型辅助完成）