【锚点】这一篇只钉一个判断：团队规模与「颠覆性」之间的经验负相关是真的；但把它读成「小团队更适合做颠覆」之前，你得先问——那个衡量颠覆的指标，是不是在测量它声称的东西。

【显式】Wu, Wang & Evans 2019（Nature 566:378–382）分析了约 6500 万篇论文、专利与软件仓库。他们用 CD 指数（disruption index，衡量一篇工作是否让后续研究「绕过」而非「引用」前人）发现：团队越大，CD 指数越低；独作与小团队更常出现在高 CD 区间。一句话：大团队擅长 develop，小团队擅长 disrupt。

【隐式】这直接反驳了「人多=产出强」的直觉——产出数量、甚至引用量，和颠覆性是两条不同的曲线。一个 20 人的实验室可以极其高效地做增量，却系统性地错过范式级问题。

【细微】CD 指数的定义是 CD = (n_i − n_j)/(n_i + n_j + n_k)：n_i 是只引用目标工作的后续，n_j 是同时引用目标与其前作的后续，n_k 是只引用前作的后续。它对「引用分布」高度敏感——而引用分布会随领域规模、发表量、引文膨胀一起漂移。

【极难发现】正因如此，近年有方法学工作指出 CD 指数可能制造虚假的时间趋势：当整体引用量上升时，即使「颠覆」行为不变，CD 也会系统性地下降。这意味着「小团队更颠覆」既可能是真实信号，也可能是测量 artifact——两者的区分需要同一团队跨时间的纵向数据，而这类数据几乎不存在。

【流程节点链路】团队规模 → 产出数量与引用分布 → CD 指数计算 → 「小团队更颠覆」的经验结论 → 但 CD 指数受引文膨胀污染 → 结论的因果解读未被验证 → 需要 within-team 纵向追踪才能定论。

【结论】给实验室管理者的可操作含义，不是「裁到 3 个人」，而是：把「颠覆性」当成一个需要单独测量的目标，而不是产出数量的副产品；并且在用它做人事决策前，先承认你手里的指标可能测的不是你以为的东西。

【值得辩论的问题】如果你的实验室今年只能选「扩招做增量」或「保持小而赌颠覆」，你会依据哪一份数据下注——而那份数据，真的支持因果吗？