某高校 Elsevier ScienceDirect（SD）数据库受控访问（Controlled）资源 2026 年 1-4 月（年初至今）总申请篇目数为93,258，较 2025 年同期116,229，同比下降 20%，降幅显著。统计不含 Free_To_Read 与 OA 开放资源，聚焦机构付费订阅的核心全文使用行为。Open（开放获取，OA），条目总访问请求量，年初至今（2026 年对比 2025 年）：26122，下降，降幅 25%，较 2025 年同期 34677 次降至 2026 年同期 26122 次，同比减少 25% 。

         这份数据非常典型，直观地反映了当下高校图书馆和学术资源利用面临的一个全球性新趋势：生成式AI（Generative AI，如ChatGPT、Claude以及各种AI学术助手）的爆发，正在显著分流传统学术数据库的全文下载量。

           为了更清晰地看到这种变化，我们可以先将该校 2026 年 1-4 月 ScienceDirect 数据库的数据做个盘点：

        无论是需要学校花重金购买的“受控访问”资源，还是原本免费开放的“OA资源”，下载和访问量都出现了 20% 到 25% 的断崖式下跌。这背后的核心驱动力，正是生成式AI对科研人员“文献检索与阅读习惯”的颠覆。

为什么大家不爱去 ScienceDirect 狂点“Download PDF”了？主要有以下四个深层原因：

传统的文献调研是：输入关键词 → 检索出几百篇论文 → 挨个下载 PDF → 通读或泛读。

现在的科研模式被 AI 简化了：科研人员直接向 AI（如 Perplexity, Consensus, Elicit 等学术AI）提问。AI 会直接检索全球文献，提炼出一段几百字带有准确引用文献的“综述性回答”。只有当科研人员需要极其核心的数据或特定实验步骤时，才会去下载原文，海量的“边缘外围文献”不再需要被下载。

过去为了确认一篇文章是否有用，师生往往会先下载下来再说（贡献了下载量）。现在，大家会把摘要直接丢给 AI，或者利用数据库自带的 AI 助手快速生成单篇总结。“下载后发现没用”的无效下载量被大量挤出。

数据中一个很有意思的点是：Open Access（开放获取）的降幅（25%）居然比受控资源（20%）还要高。

这是因为 OA 资源对所有人公开，各大生成式AI大模型（LLMs）和学术知识库在训练、检索时，可以无障碍地全文本地抓取和解析 OA 论文。这意味着，AI 对 OA 论文内容的“吸收和重组”能力远超受控资源，用户通过 AI 就能获得极度详实的 OA 论文核心观点，从而进一步降低了直接访问 Elsevier 官网下载 OA 原文的意愿。

很多高校的课题组或学院开始搭建内部的“知识库大模型”。他们往往是一次性批量下载或订购数据，批量灌进本地的学术大模型中。全校师生后续直接和本地 AI 助手对话，这也导致了在 ScienceDirect 官方平台上的“日常重复下载量”大幅减少。

这一数据绝不意味着该校的“科研活跃度”下降了，而是科研效率工具发生了迭代。师生们正在用更聪明、更省力的方式消费学术知识。

对于高校图书馆而言，这种变化带来了全新的挑战与反思：

评价指标失效： 过去用来衡量数据库价值的 COUNTER 统计、全文下载量（Downloads）等传统指标正在“失真”，无法完全体现数据库对学校科研的隐性贡献。

议价权博弈： 在未来与 Elsevier 等出版巨头进行数据库续订谈判时，校方可以利用这类“利用率普遍下滑”的数据作为谈判筹码，要求更合理的定价或促使出版商提供更多AI API 接口的授权。

转型数字素养教育： 图书馆的服务重心需要从“如何检索下载文献”转变为“如何安全、高效、合规地利用生成式AI进行学术研究”。