导语
为什么有些科学家能摘得诺贝尔奖，而同样优秀的同行却止步于领奖台之外？
最新发表在PNAS的一项研究，通过对比全球数千位获奖者与他们的“镜像对手”，揭示了关键差异——获奖科学家更擅长跨界融合，在知识边界间重组旧有概念，构建出新的科研路径。而他们的合作网络也更具开放性与多样性：连接松散但高效，关系短暂却富有活力。真正的创新，不在奖项之后，而早已潜藏于他们不断刷新知识结构的过程中。
关键词：跨学科研究、合作网络、知识重组
郭瑞东丨作者马一方｜审核
每年诺贝尔奖颁布之际，总会引发人们的好奇：那些站上领奖台的科学家，与同样才华横溢却未获奖的同行，究竟有何不同？
2025年9月中国南方科技大学、英国华威大学和美国西北大学的联合研究团队发表在PNAS上的研究给出了答案。该研究基于全球数千项科学奖的数据样本，对比分析了获奖者与一组在科研影响力上相当、但未获奖的“镜像学者”在职业生涯中的创新性差异。结果表明，科学奖获奖者更擅长以新颖方式重组既有知识体系，能够在研究中同时衔接奠基性成果与前沿发现，并展现出更强的跨学科特征。这种突出的创新能力，与他们独特的合作网络结构密切相关。与非获奖者相比，获奖者的合作关系持续时间更短，研究主题覆盖更广，不同合作者之间的关联度更低，形成了一种松散而高效的连接网络。
论文信息：C.Tian,Y.Huang,C.Jin,Y.Ma,&B.Uzzi,Thedistinctiveinnovationpatternsandnetworkembeddednessofscientificprizewinners,PNAS(2025).
论文链接：https://doi.org/10.1073/pnas.2424143122
“镜像对手”验证：获奖科学家确实更具创新力
为了比较获奖者与其他同样优秀的科学家是否真的不同，研究团队构建了一个巧妙的“镜像对照”系统。研究收集了1900—2018年间全球2460个科学奖项、7353位获奖者的数据，并为每位获奖者匹配4–5位“镜像对手”——这些未获奖者与获奖者在研究领域、资历、论文数和引用量上几乎完全一致（图1A）。换句话说，在获奖之前，他们在学术表现上是一对对的“科研双胞胎”。通过数据对比揭示出一个关键差异：真正能获得重大科学奖项的学者，往往是那些敢于跨界、善于重组知识边界的人。科研突破往往就诞生其中。
图1：获奖者与镜像对手的匹配过程与验证。(A)研究方法：获奖者与其镜像对手同领域，同资历（首篇论文发表年份相差≤2年）获奖前总论文数、总引用量、每年产出节奏——统计上无显著差异；(B)(C)：在获奖那一刻之前，他们就是“科研双胞胎”——唯一的分水岭，是创新方式的不同，而获奖后两者的科研产出，获奖者显著增加
研究发现，获奖科学家的研究具备三种鲜明特征（图2），不仅更具新颖性，能将看似无关的知识模块拼在一起，例如，将物理学方法引入生命科学，或将社会学视角应用于人工智能问题等，通过“知识重组”带来新的研究路径；同时也具有更强的收敛性，他们往往在同一篇论文中同时引用几十年前的奠基文献和最新前沿成果，在时间上连接经典与当代，在知识中搭建桥梁；此外，还更具跨学科性，研究的主题覆盖更广，学科标签更多样。
更重要的是，这些特征并不是由于获奖后得到更多关注与资源，从而才呈现出马太效应。获奖前五年，获奖者与“镜像对手”的创新差距就已经开始拉开（图2虚线前的部分两条线存在差异），并在获奖当年达到峰值，随后长期保持稳定。这意味着，真正的创新先于荣誉——是那些主动连接多个学科、融合经典与前沿的研究，让科学家最终脱颖而出。
图2：获奖者、镜像对手及随机科学家的创新特征对比。纵轴分别表示：(A)新颖论文占比、(B)收敛论文占比、(C)平均跨学科得分。获奖者相比镜像对手及随机选取的科学家，在获奖前后，新颖论文和收敛论文占比更高，跨学科得分更高。
获奖科学家的合作网络具有“低嵌入”特征
揭示出获奖科学家的研究特征固然令人振奋，但对大多数科研工作者而言，却多少有些“望梅止渴”——人人都想做出改写教科书的研究，却常常感叹心有余而力不足。然而，研究的下一个发现则提供了更具实践意义的启示：真正的创新，也许藏在合作方式之中。
该研究对比了获奖者和镜像对手的合作网络特征，结果发现，获奖科学家的合作关系持续时间更短（图3A），合作者间的交集更少，同时获奖者不长期绑定少数“铁杆”队友，而是频繁更换合作者（图3B），合作者间的研究主题相似度也更低（图3C）。这意味着，获奖者能从多个孤立的知识圈中汲取灵感，频繁涉足陌生领域，不断刷新自己的思维边界，保持“认知新鲜度”。
研究者将这种合作模式称之为“低嵌入性网络”（lowembeddednessnetwork）。该网络结构并非紧密而封闭的回音壁，而更像一张松散但广域的雷达网，持续扫描、捕捉新信号。
图3：获奖者与镜像对手合作网络特征对比。获奖者相比镜像对手，在职业生涯中合作关系持续时间（A）、关系重叠（B）和主题相似度（C）都更低
以往的研究早已注意到，科研合作网络与创新性之间存在复杂的关系。一些研究指出，研究者的网络嵌入度与通过获取信息、建立信任和减少过程损失而进行的创新呈正相关；但也有研究指出，过于紧密的网络可能演变成“思想回音室”，让研究陷入同质化和路径依赖。
这项研究提供了新的视角：对于获奖科学家而言，合作的意义不是为了巩固共识，而是为了制造“认知摩擦”。他们倾向于短期、灵活的合作，更频繁地走出舒适区，涉足陌生领域，与风格各异的学者共同探索。这种“不断打破熟悉圈层”的策略，正是他们保持创造力的关键。如果科研者也能做到这三点——短期协作、更广触角、跨界合作——那么在科研生产力与创新潜能上，都更有可能迎来突破。
对于科研管理者、青年学者甚至AI研发者，该研究则带来四点启示：
别只看引用和论文数：真正的创新藏在“奇怪”的组合里。
鼓励“弱连接”合作：跨团队、跨机构、跨学科的临时合作，可能比稳定小圈子更有产出。
容忍“探索期”：创新高峰出现在获奖前5年（由图2B、图2C观察得到）——这意味着我们需要更早识别并支持那些“看似不务正业”的探索。
关注“收敛性研究”：在科研评价中过于追求高引用时，不要忽略那些低调却关键的“收敛性研究”，它们正在悄悄连接过去的经典成果与当前的研究前沿。
科学奖项可有效识别创新者，而非创造创新者
科学界长期被批评存在“马太效应”——一旦获奖，资源、声望、合作机会滚滚而来，形成赢家通吃的正反馈循环。然而，这项研究似乎不支持马太效应，奖项的声望高低，不足以预测科研产出的持续积累。研究进一步发现，获奖者无论在获奖前后，都倾向于与生产力和影响力更高的合作者合作。
换句话说，获奖者的科研成就本身就具有高创新性，而非依赖奖项资源。由此可以推论：科学奖励系统在识别真正的创新者方面，依然具备一定的有效性。在同等杰出的研究者中，真正推动知识边界的创新者，更有可能脱颖而出并获得奖项认可。
该研究的发现与传统“马太效应”不一致，可能存在以下几个原因：
首先，获奖后，学者往往会进一步磨炼并提升表达与传播创新思想的能力，这使他们能够在未来，即便不依赖荣誉加持，也持续产出具有原创性的研究成果。
其次，若获奖者在科研早期就确立了一个全新的或高度创新的研究领域，他们自然拥有先发优势——可以更早塑造研究方向、吸引优质合作者，并设定学术标准。即使他们的知名度未显著上升，也已在领域内部稳固了影响力。
第三，自罗伯特默顿于1968年首次提出“马太效应”以来，科学界逐渐建立起一定的自我纠正机制。奖项评审委员会也可能因此更加警惕，避免让“名气”而非“贡献”左右评奖结果，从而削弱了马太效应在科学奖励体系中的影响。
当然，虽然奖项与创新性在统计上呈正相关，但科学奖励仍难免受到多种因素影响——包括教育背景、实验室资源、资金支持、领导力乃至性别与地区等结构性偏差。理想的科学奖项应仅以科研成就为依据，但现实中，奖项分布的不平等依然存在。
未来的研究应进一步探索：如何建立一个更公平、透明且能真正促进科学进步的奖励体系，既能识别多元形式的创新，又能减少结构性偏见，让科学荣誉回归其本质——对创造与洞见的真正嘉奖。
未来创新的引擎：人机协同的科研网络
这项研究使用了多维度的衡量体系，将创新视为一种重新组合既有知识、生成新颖想法的过程。不同的创新指标揭示了创新的不同侧面。之前的研究，通过“颠覆度”（DisruptionIndex）注意到“极具颠覆”的论文比例在下降，提出“低垂果实不多了”的担忧；但颠覆只是创新的一面。该研究通过更多样化的指标，指出获奖的研究者在新颖性、收敛性与跨学科性等指标上却显著优于他人。
这提醒我们：以单一指标（如颠覆度）衡量创新，犹如用体温计诊断癌症——看似客观，却无法捕捉科研创新真正的多维特质。真正的创新往往不是单点爆发的“颠覆”，而是跨领域知识的渐进式融合与重组。
从更宏观的角度看，科学创新的模式正在发生结构性转变。正如经济学家BenjaminJones在2009年提出的“知识负担理论”所指出的，如今的科研者仅要熟悉一个子领域，就需耗费前辈一生的时间。个体难以再“通吃”整个问题，于是科学逐渐转向“分而治之”的协作拼图模式。创新不再是孤胆英雄的突围，而是集体智慧的网络涌现。
这种“分布式创新”的力量，在科学史上早已有迹可循。以20世纪60年代地质学中的板块构造理论为例——它并非由某篇“神作”一锤定音，而是数十年间多个学科共同缝合的成果：1910年代，大陆漂移假说；1950年代，海底扩张数据；1960年代，地磁条带与地震分布图谱。这些研究单看并不“颠覆”，甚至一度被主流质疑，但当它们被整合在一起时，却彻底重塑了人类对地球的理解。科学的突破，往往正是这样“旧砖盖新楼”的过程。
如果说20世纪的创新来自“个人天才”，那么21世纪的创新，将更多依赖网络化智慧与智能协同。谁能更好地连接碎片化知识、识别潜在组合、协调跨域合作，谁就能引领下一轮科研浪潮。
这正是AI与新型科研基础设施的巨大机遇所在：
AI能自动扫描海量文献，发现隐藏于知识网络中的潜在联系；
开放科学平台能打破传统科研机构间的壁垒，大幅降低跨团队合作成本；
低嵌入性网络的理念，则可通过算法推荐实现规模化复制。
或许，未来的“爱因斯坦”不再是某个天才个体，而是一个由人类与AI共同构成的创新网络。在这个网络中，算法发现联系，人类注入洞见，创新以更高维度的方式持续涌现。这正是“AI+Science”与网络科学值得关注的方向——一个更加开放、协同、持续自我进化的科学新时代。
作者：郭瑞东
审核：马一方南方科技大学统计与数据科学系助理教授
出品：中国科协科普部
监制：中国科学技术出版社有限公司、北京中科星河文化传媒有限公司
「系统科学前沿」系列课程第二期
在AI浪潮席卷、生命奥秘不断揭示、社会演化加速的今天，我们对世界的理解正面临前所未有的挑战。用个体视角难以解释群体行为，单点优化难以解决系统瓶颈，简单因果逻辑在多因素交织中失效。复杂性不再是抽象概念，而是我们理解自然、生命与社会运行的底层逻辑。
继《系统科学前沿》首期课程的成功举办，北京师范大学系统科学学院与集智学园再度携手，重磅推出《系统科学前沿》第二期课程。本期课程会带领您从更深层次、更广维度，洞察复杂系统背后的精妙秩序与演化之理，赋能您在科研、产业与个人成长中的创新实践。
详情请见：《系统科学前沿》第二期课程——深度解析复杂机制，洞察万物演化之理
复杂网络动力学读书会
集智俱乐部联合合肥工业大学物理系教授李明、同济大学副教授张毅超、北京师范大学特聘副研究员史贵元与在读博士生邱仲普、张章共同发起「复杂网络动力学」读书会。本次读书会将探讨：同步相变的临界性、如何普适地刻画多稳态与临界点、如何识别并预测临界转变、如何通过局部干预来调控系统保持或回到期望稳态、爆炸逾渗临界行为的关键特征、不同类型的级联过程对逾渗相变的影响有何异同、高阶相互作用的影响能否等效为若干简单机制的叠加、如何有效地促进人类个体间的合作等问题。读书会已完结，现在报名可加入社群并解锁回放视频权限。
详情请见：复杂网络上的自组织与集体行为：从扩散、相变到博弈|读书会启动
-一年一度特惠-
原标题：《科学奖得主的共同特征：更松散的合作网络，更大胆的知识重组》
