文章的核心锚点是Allen AI的Asta系统：半年追踪近500万次AI对论文的调用，覆盖207万篇论文。这些调用来自AI agent在回答用户问题时自动检索并引用已知论文——但传统引用指标完全不会记录这类使用。这意味着一段写在GitHub上的代码、一条写入形式化数学库的引理，若被AI agent频繁调用其影响力可能远超顶刊论文。但Asta给出的基准测试套件和调用量数据目前仍由Ai2单方面提供，缺乏独立验证，其数据完整性本身就是一个待回答的问题。

文章提出AI调用量可能成为新的影响力度量，但立刻指出Goodhart定律风险：一旦指标成为考核目标，价值就会衰减。这条定律在学术评价史上已有血淋淋的例证：苏联电视机厂为完成产量指标降低良品率、中国科研人员为追求SCI数量进行学术造假、英国医院为达标急诊等待时间而延误救治。在中科院分区表停止更新、新锐学术引入算法评价的当下，AI调用量的博弈已经开始——指标设计者与博弈者之间的军备竞赛，才是学术评价真正的底层逻辑。

文章乐观地认为AI调用记录能更真实反映影响力，但中科院分区表2026年停止更新、新锐学术引入大模型评价期刊的事件给出了另一种视角：算法评价未必比传统指标更公平。新锐学术声称用「大模型与智能算法」整合多源数据，但其底层逻辑仍是黑箱——谁来决定哪些特征被学习、哪些权重被分配？算法实体的影响力评价研究指出，知识实体（方法、软件、数据集）在传统引用指标中长期被忽略，但AI调用量能不能避免被游戏化，取决于评价体系是否公开、可审计。

文章提到LeanSearch调用量三个月增长50倍、AlphaProof已能解决IMO级别问题。当下能看到的关键变量是：WZ-LLM在组合恒等式端到端证明成功率已达34%，Gauss智能体仅用三周完成陶哲轩团队18个月未竟的强素数定理形式化。但形式化进入主流数学研究的真正拐点不在技术，而在「数学社区接受度」——Scholze发起Liquid Tensor Experiment的形式化是为了确认正确性，完成后却获得了更深理解。要等2026年下半年Math, Inc.的20万行球体堆积形式化是否通过社区验证，才能判断AI形式化是方法革命还是自娱自乐。

Asta半年追踪近500万次AI引用，但这些调用记录的数据可信度、完整度、去重机制全是黑箱。真正值得追问的不是「AI调用量能不能替代传统引用」，而是：当影响力度量的生产者和被度量对象都变成AI系统，审计权掌握在谁手里？如果Asta或类似平台是唯一的计量来源，一旦指标被博弈（比如研究者批量刷AI调用），有没有独立的第三方审计机制？这个问题直接决定了AI影响力度量的结局——是比影响因子更精确的温度计，还是另一个被博弈的数字游戏。