當科技發展到就算一個人只選擇一個方向，卻終其一生無法達到最前沿水平時，會發生什麼？
現在各個學科都在蓬勃發展，有沒有一天人類的科技會發展到即使一個人選定一個方向，終其一生朝著那個方向努力，卻發現仍然到達不了那個方向的最前沿，也就是始終沒有最初突破性進展。好比人類探索是一個在畫圓的行為，每個人都在尋求著半徑上的突破，半徑也在一點點的變長，也許有一天這個半徑長到達了它的極限，這個極限並不是圓的極限，而是人類能力的極限，到那時會發生什麼呢？
—————————分割線————————————
2017年5月30日
我是最初問題的提問者，這是我第一次用知乎提問，所以可能很多規矩不懂，還望海涵。所以我不知道如果我想做出點公共回應應該放在哪裡……先放在問題里吧…如果應該放在其他地方還望指正，之後我會修改的
題主是工科院系的大一普通學生，所以對一些前沿知識只有一些大概的概念，缺乏充分的認識。所述言語中可能也會有一些限於知識水平的原因而出現的錯誤，也希望能被指出。
以及…我似乎不會@出藍色的人
---------
由一位答主@aWeri 所進一步的提出的概念
智能飽和危機
概念:
人類不斷探索新的領域並不斷更新和創造新的知識，但人類個體的大腦在一生中能獲得的知識總量存在極限，當一個人把一生所有時間都用來學習已有的知識並且剛好學完時去世，那麼TA將不會產生新的知識，如果世界上所有人都處於這種狀態，知識將處於飽和，科技發展將陷於停滯。
條件:
1.新知識的出現需要舊知識作為基礎
2.學習舊知識需要個體付出時間
3.新知識的出現需要個體付出時間
4.人類種群的平均壽命存在極限
5.人類個體在壽命時限內能獲得及創造的知識總量存在極限
6.永遠有新的知識等待被發現作者：aWeri
鏈接：https://www.zhihu.com/question/60291573/answer/175737470
來源：知乎
---這個概念能把願問題概述得更為精確
--------------------------------------------------------
關於黑箱的看法
回答中許多人都提到黑箱，其實黑箱就是應用型方向和研究型方向的區別，我不知道這兩個名詞使用的是否準確。當你不需要理解一部分知識的內涵而是單純的運用結論，那對這一部分的知識，採用黑箱的辦法完全沒有問題。但，如果需要涉及到這些知識的內涵，這些知識的本質，這時黑箱的辦法就行不通了。
·黑箱的構建者是否需要對黑箱內部的知識了解到一定的程度？
回答中也有許多人都提到未來的研究可以像是程序設計一樣，一部分人只需要對一部分的代碼負責，留出結構以供使用即可。
私以為科研並不能完全等同於複雜的軟體架構，複雜的軟體架構需要一位軟體架構師或者類似職業的人來統領規劃，他們會對一個複雜系統的各個方面有一個大致的了解，但並不具體明白其具體實現機制。這與我所理解的科研有一定的出入，稍後進一步闡述。另外，製作一個軟體真的能被稱為是科研嗎？研究的方向體現在何處呢？如果沒有演算法上的優化與硬體上的優化，或者說是有功能上的優化，我覺得能稱之為科研的軟體設計鮮有可聞。
題主的數學分析老師常常愛在課上提到一些名家寫的數學教材，他相當認可這一部分的數學書，說是做到了知識的融會貫通，把看似支離破碎的內容拼成一幅美妙的數學圖景。（奈何題主至今一本沒看過），這樣的場景其實也不難想像，我們常說將知識融會貫通，奈何真正將知識融會貫通，明白知識的內涵及本質的人本就稀少，在如今這個年代，越是前沿的知識就越難出現這樣的融會貫通者。在我的理解中，部分前沿科技的教材可能就寥寥無幾，編者也是較為固定的較少的幾位學者。這也就是我認為黑箱的構建者需要對黑箱內部的知識了解到一定程度才可以構建出優秀的黑箱。黑箱里的極限就是黑箱複雜到沒有人能將這部分的知識融匯貫通，設計出一個優秀的黑箱。就算是直接給出結論，也同樣需要時間去解釋結論，需要時間給人理解結論。印象里，伽羅瓦所提出的群和域的理論在當時的年代似乎就面臨過這樣的境地。
雖然有黑箱迭代黑箱的情況出現（也就是儘管研究黑箱的內部，但是黑箱的內部仍然有隻需要運用結論的黑箱部分），但在我狹隘的認識中，我認為能夠被迭代的黑箱在科研中所能提供的貢獻極其有限。
·黑箱里的內容一定是正確的嗎。
當人們反反覆復運用黑箱的時候，如果黑箱里的內容完全正確，自然不會出現問題，要是黑箱里有錯誤，但是封裝黑箱時認為是對的呢？就像經典力學和相對論，如果我們的黑箱是絕對時空觀，伽利略變化，在此基礎上運用黑箱，而沒有人去理解黑箱里的內容時，現在又會是什麼樣的境地呢？當有人開始拆開黑箱里慢慢研究時，會發現一些疏漏，之後對黑箱進行修正，提出新的黑箱。像是之前提到的，黑箱如果過於複雜，以至於拆開檢驗的時候就十分複雜，那時又會怎麼樣呢？
修改完發現與這位答主的想法不謀而合
@高雄https://www.zhihu.com/question/60291573/answer/175773451
相同問題：
人類有限的壽命會成為知識發展的終極障礙嗎？如果人類的知識越來越多，增長速度遠超人類壽命增長，會不會沒有人可以掌握以前的人類知識進而人類無法進步？
彭加萊（1854-1912）被譽為最後一位數學全才；
費米（1901-1954）是最後一位既做理論,又做實驗,而且在兩個方面都有一流貢獻的物理學家
「最後一位」這個詞背後，滿滿的是人類智慧的極限和多少代天才的辛酸。
學習的周期越來越長，科研越來越困難，這個問題已經越來越明顯了。前面大家說的黑箱，合作，細分等等都只是妥協而已。
黑箱是很好的工程思路，但很多最基礎的科學問題，都是在試圖突破原有的黑箱。化學早期的原子論就是個黑箱，直到量子力學出現；物理學家拿微積分當黑箱好多年，理論物理新的發現又在不斷試圖打破黑箱：廣義函數，路徑積分等等概念都是這樣的產物。直到如今，理論物理學家為了發展新的理論模型，都拿菲爾茲獎了 （Edward Witten）。黑箱在變得越來越複雜，當黑箱的內外兩側都複雜到學不過來之後怎麼辦？
合作和細分是分不開的，但是別忘了，合作永遠是有成本的。1+1&>2 很多時候只是雞湯而已。有一個故事。量子信息領域一個熱點的系統 N-V center，最早只是一些化學的團隊在研究，被物理學家注意到，據說是恰好德國 University of Technology Chemnitz 化學系這個組裡招了一個學物理的博士後，他意識到 N-V center 漂亮的性質，把它引入了量子信息。我們無從得知，還有多少這樣潛在的新方向，因為人們已經無力覆蓋相關的知識，只能期待這種偶遇來發現。隨著領域越來越細，每個個體對於整體的把握越來越模糊，於是科研也就越來越失去方向。
許多老牌領域的博士生，大概都知道自己的一些困惑，系統地學習什麼方向大概就能解決。但是，你根本學不過來。有些東西只能一知半解地像撞大運一樣不斷試錯。
關於愛迪生的勵志段子里，有一個說的是他數千次的燈絲材料測試。也有人拿這個故事來吐槽愛迪生其實並沒有多高的基礎科學水平。隨著人類探索範圍的擴大，排列組合帶來的巨大的可能性，使得盲目測試變得幾乎不可能有新的發現；然而由於智力的極限，人們卻不得不只能用盲目測試的方法來找下一個突破口。
其實，除了知識學不完，還有另一個值得擔心的問題：技術不允許。人類對於科學的探索往往有這樣的路徑：科學發展了-&>產生新的技術-&>提供了新的實驗手段-&>發現了新科學。這個螺旋上升的渠道和前面討論的學習-&>研究-&>傳授-&>加深理解的循環一樣脆弱。沒有任何理由保證，新的技術足夠強大到讓人發現新的科學。
幾乎可以說，迄今為止科學家都是幸運的，人類都是幸運的，讓我們對於自然的探索能一步一步向前，有一堆的小怪能打。但假如新手村門口就是終極 boss 呢？
謝邀。
很多人討論「知識的範圍」的時候，都會把 已知知識 比喻成一個圓盤，未知知識比喻成圓的外部。但是我覺得這個比喻是有點問題的。如果知識全體真的是一個拓撲空間的話，已知知識這個子空間未必有內點。。我覺得並不是說你要在已知知識的範圍裡面走滿一個距離才能觸碰到知識的邊界（就好比上述 「知識圓盤模型」總假設 已知知識 存在一個正的半徑），而是你可能往哪個方向稍微走一走就走到了未知領域，但是往另一個方向走很長一段時間都還在已知的範圍內。 當然這都只是比喻，沒人知道怎麼去度量 學習、科研 過程中走過的「路程」，已知與未知之間也未必存在清晰的邊界，這些對人類知識範圍的刻畫都是過分簡化的模型。
回到原問題，如果一個人沿著一個科研方向做研究，是否會出現「終其一生也達不到研究前沿」的情況？我覺得就我個人認識而言，這種情況還是不太常見的，比如我現在就可以理解我所在領域的一些前沿問題了嘛——當然這大概跟我選了個比較好理解的研究方向有關。。其實現代科學研究已經是高度分工化的，每個大的學科下面都有無數小方向。比如我現在讀數學PhD，其他專業的人聽說我是數學博士，很多人就會問我：「啊，那你是不是在做那個什麼哥德巴赫猜想啊？（這種問題常見於本科以下學歷層次）」「啊，有個高數題／統計題／線性回歸的題etc我不會做，能幫幫我嗎？（這種常見於本科非數學專業理工科人士）」 但是，如果兩個以前不認識的數學PhD見面，如果要在學術方面進行交流，互相問的第一個問題一般是：「你是做什麼方向的？」——當然這顯然也適用於其他專業PhD。上面說過了，現代科研已經是高度分工化，這就導致，哪怕是同一個學科內部，做某一個小方向的科研人員，他也不一定了解同學科的其他方向。比如我做黎曼幾何的，我對幾何分析了解地相對就少一些——然而對不做幾何的人來說，「誒黎曼幾何幾何分析不都是幾何么？有啥區別？」 我現在考慮的是正曲率的問題，對負曲率（雙曲幾何）了解地就相對少一些。而我對幾何以外的領域，比如代數，概率，等等，了解得就更少了——基本都只知道本科層次的基礎知識。一個人如果要做研究，並不一定要對所有方向都有一個全面深入的了解——事實上這在知識爆炸的當代也是做不到的；即使是做代數幾何、Langlands綱領這種對基礎知識要求很多的方向，如果你有一個好的導師帶，知道哪些東西應該側重學，哪些東西可以先放一放，在勤奮學習的基礎上，本科數學基礎＋5年以內深入學習時間，我覺得也是可以接觸到這個學科的前沿的——當然是指你研究的具體方向、具體問題的前沿，不是整個領域前沿的大圖景，研究和學習本就是一體兩面，即使你已經做到學科前沿，也仍然要繼續學習已知的知識，繼續擴展你的知識結構。 （我對上面說的「5年以內學習時間」也不是太確定，希望聽到這些抽象領域專業人士的看法，但是我也認識一些做代數幾何的學生確實學了兩三年以後就開始做研究了的）
現代科研的高度分工化是科學發展的自然趨勢，也是無奈之舉。這種趨勢自然也會有一些弊端，一個典型的弊端是 不同領域科學家之間的「隔閡」越來越深，相互之間交流溝通更加困難。對於某些熱門領域，比如上面提到的Langlands綱領等等，由於領域內總有一兩個總攬全局的大人物，而且也有一些比較集中的研究中心（比如巴黎數學圈），領域內交流頻繁，與其他方向的交流也很多，而且在學術界佔有比較大的話語權——熱門領域，大佬們都支持嘛，所以雖然艱深，但想做的人也很多，整個研究氛圍還是不錯的。但是對於一些比較偏又比較艱難的領域那就是另一幅圖景了。典型的比如「有限單群分類」。我以前看到一篇文章，說當年合作證明有限單群分類定理的幾個主要人物（都已經是老人家了）聚會，討論這個證明可能「失傳」的問題——當然證明的文字資料不會失傳，但是寫出證明的人去世後，大概不會有人再想看這個證明，畢竟是 加起來幾千頁的「高度凝練」的論文合集。。數學界99%的人知道有限單群分類定理，但看過證明（即使只是一部分證明）的人都不知道有沒有千分之一。畢竟純粹的有限群論本身就是很孤立很偏的研究方向，然後有限單群分類出來以後，這個領域似乎也沒什麼引人注目的大問題了，於是領域內的很多專家紛紛轉行或者不再活躍。。就現在來看，我們不知道有限群論會不會有什麼新的大問題，也不知道這個具體的證明是不是還能用在其他地方（當然有限單群分類這個結果本身應該還挺有用的）；但是目前來看，這個證明既然不能導向有價值的新問題，那自然沒幾個人願意去學去看這幾千頁的難懂的文章，那麼「失傳」大概也是不可避免的。。這可能也會是一種損失吧。。
人最大的本領是什麼？當然是利用工具了。
1、加速
人腦計算速度太慢？手搖計算器拯救你……再不行電子計算器，再不行電子計算機，再不行計算集群，再不行量子計算機……
2、拓展
人腦存儲量不行？
不行上計算機，再不行上互聯網……
人腦推演能力不足？
來吧，CPU；不行上GPU；還不行上TPU……
3、質變
人腦工作記憶容量有限？容易出現思維盲點導致放過有用線索？容易因安慰劑效應出現假結果？
那麼，大腦直接和計算機聯網，如何？不行生物神經網路TPU化；再不行上傳意識……
最最終極的大招來了：
4、續命
100歲研究不到頭，續到200、300、500……2^200、2^300、2^500……
謝邀~這是一個悲傷的話題。
科研有一天也會被AI取代吧，到這一天，人類真的是不能望其項背了。
科研中很大程度上其實是在發現前人不同工作中的邏輯的不完整，填補或鏈接這些邏輯中的缺陷，開創出新的工作。這似乎已經在起步，如transfer learning。
讀論文很大程度上，是讀出作者的邏輯推演鏈條。訓練計算機讀論文,現在能見端倪。
至於大牛的想法，不就是各種交叉的文章讀多了，自身的基礎又好，基於這些，高屋建瓴。所有的新理論總能看到前人的工作影子，甚至是大部分。
至於科研民工大部分在乾的：嘗試各種排列組合，優化，微調的工作。我覺得現在就能交給弱人工智慧的AI。只是現在博士生博士後太廉價，比開發機器，開發演算法都廉價，所以才沒人願意投入。而大多數學生又不具有開發的能力。當然，我已經能看到，慢慢得這些工作被機器取代。
未來的人類，工作研究的時間一定特別少。人類研究的動力不就是為了好奇心和懶嗎？這兩樣AI的未來都會給科研工作者準備好。科研應該不會是人類和AI征城掠地中的最後一塊保留地吧。
這個時候強人工智慧的優勢就出來了。
在群星裡面，描述2200年以後的世界的科研情況：比如核聚變，faster than light引擎，水培農場等。
要想提高研究速度，不修改能夠隨機出來的最厲害的科研領袖技能是：
所以在未來，人腦一定會跟人工智慧組合在一起研究。也就是complex neural network capable of independent decision-making and even introspection。當然，前提是，那個時候人類還能主導人工智慧，而不是已經被人工智慧替代。
下面是題外話：
==================
幾年前在知乎意識到，這個世界上絕大多數人，討論科學的時候，只能糾結到如下層次——討論物理，停留在狹義相對論，薛定諤的貓。楊振寧40年前講的什麼？看不懂。討論生物，還在批判達爾文。e.o.Wilson 40年前講的什麼，看不懂。討論心理學，依然是馬斯洛弗洛伊德。還好心理學比較年輕，但弗洛伊德在專業理論已經過時了，只能在朋友圈流傳。這還是好的，畢竟是幾十年前的知識。而各個學科前沿的知識，知乎上幾乎沒法討論，討論了也沒人懂，沒人看，沒人贊。更有甚者——（下面機關槍橫掃，介意的可以走了，我不care你們的反對）前沿既然如此高深，一生都可能學不懂，就去搞古人的玩意——
宗教。還在動輒引用 2000年前或者幾百年前的paper。比如佛經，聖經，古蘭經
國學。還在動輒引用 2000年前或者幾百年前的paper。比如道德經，論語，紅樓夢
中醫。還在動輒引用 2000年幾百年前的paper。比如黃帝內經，難經，本草綱目。
不是說這裡面沒有精華，而是這裡面的精華已經out of date 了。
我的回答是不知道。以下是對題主提問前提的一點評論。
知識像是一個圓的比喻很好很好，但是就像所有的比喻一樣有它的問題。不要過於依賴比喻，更不要超出它起初的用意。把人類知識比作一個大圓，其實就是說明已知越多，未知越多這件事情而已。
任何比喻，不要太當真。
事實上，你可以從很靠近前沿的地方開始學習和研究，而不是像比喻中的圖像一樣從原點開始連續不斷地沿著半徑向外走。
科研是非線性的。實際做起來感覺更像這是這樣：
上圖中，大圈是我們通常感受到的人類知識集合。其實是有很多漏洞的，因為我們也不完全清楚我們真正知道什麼（邊緣上的孔）。
中間的一塊是大部分人都會掌握的常識。
上方「學科X的基本共識」是大部分人進入研究所或大學時學習的內容；需要注意，這並不是從常識開始逐級累加的邏輯鏈條，而是直接從一些學科內部的基本事實開始的。學科邊緣非常模糊（所以邊界是很多線段而不是一個圈）。一個人的研究目標可能是完全未知的問題（大圓外面的小圈）。從基本共識開始，朝著問題方向的研究，有時會產生無法理解的內容（藍線1），有時會轉來轉去結果發現沒有更靠近問題的解決（藍線2），還有時非常幸運，真的接近了目標問題。
Uri Alon 畫過一幅有點相關的圖，長這樣：
A是起點，B是想要達到的終點。研究過程中會進入雲里霧裡的狀態（the cloud），有時走出來發現了C。這是另一個有用的比喻，要是有人追問為什麼路徑在雲里會相交，就是超出了比喻的用意了。
說了這麼多，想說明的就是即使在今天，對知識的掌握不可能完全，也沒必要形成從理論根基到最前沿的技術細節的連貫（雖然這種連貫是值得追求的，也肯定有人接近於達到）。
特別是，針對具體問題所需的背景知識其實沒有那麼多。
結論：在我的偏見中認為不太可能。（順帶建議打開評論，我認為題主的觀點非常值得討論，因此在討論中有更多的內容）
1。 每當科學發展到一定階段就一定會有一套全新的「語言」來詮釋我們的世界，這套「語言」是舊世界的繼承也是新世界的開始。
以數學作為例子，以廣義Stokes公式和外微分形式的出現統一了Green、Gauss、Stokes公式。
以量子力學為例，狄拉克符號就是最好的代表。
2。 每當我們前進一大步的時候我們教育範式也同樣會進行改變。
同樣以數學舉例，一百年前，矩陣是數學家才專門研究的，讀量子力學的發展史就可以知道，這個非交換的表格啊，在海森堡手裡玩的像花一樣的。一百年後，我們學到中學的時候就可能學完了矩陣的基礎知識。
.
3。 隨著信息化程度越來越高，我們可以把這些信息逐步壓縮。看看書就知道了，幾百年前大部分人還手抄呢，不照樣《自然哲學的數學原理》？
4。 規範化導致進程的加速，每一個學科的推進都會引入一個新的範式牛頓力學如此、相對論如此，最重要的是，當這個理論成熟的時候就可以把他們研究的方法做最基本的規範化。
這個例子用統計學的發展可能更好說明，天體物理最早差不多可以說是「大數據」的第一步應用，但隨著時間的轉移，尤其是羅納德的出現，就直接導致了統計學的快速發展，那30年里最重要的其實就等於規範下來了一套基本邏輯，算哪些，如何算，怎麼用。就像現在的數據分析應用一樣：獲取-&>清洗-&>探索-&>可視化。
綜上，前提不成立。
——————————————————————————————————————
評論的簡單概要：在更大的時間尺度上，人類進行知識的整合是很正常的，在群體的層面上，全人類繼續推進科技發展也是毋庸置疑的。很多基礎領域相似，可以再更高的意義上抽象成同樣的內容進行教學，而不必一次一次又一次的學習，最終我們不會遇到這樣的壁壘。
事實上，現在的科研，基本已經是題主所描述的，
即使一個人選定一個方向，終其一生朝著那個方向努力，卻發現仍然到達不了那個方向的最前沿，也就是始終沒有最初突破性進展
要不然，哪來那麼多畢得了業畢不了業的 PhD？哪怕和100年前相比，科學也早已不是堂吉訶德式的個人英雄主義，一張紙一支筆就能問鼎世界的了。
不過沒關係啊，單槍匹馬沒法突破，我們可以一起上啊。君不見 LHC 和 LIGO？
人的生命的長度會制約科學技術的發展這件事情也不是不可能的，不過萬一我們掌握了把知識直接寫進大腦里的科技了？不過這也不是沒有壞處的，萬一被ZF壟斷了（逃
假設這個盡頭存在。
人的數量是有限的，能力是分高下的。在這種情況下越靠近盡頭，能靠近盡頭的人就越少，靠近盡頭的速度就越慢，但是永遠存在超越的可能性。會發生什麼？
由於這個盡頭離我們相當遙遠，就拿當今存在的科技來說，能想像光是某些科技的盡頭疊加到一起……就能讓人無限續命還不斷增殖，像雜草一樣逐漸充滿整個宇宙甚至溢出。如果腦洞一些當前不存在的科技，說不定能量都能不守恆。這種情況現在已經切實發生了啊。。。拿ee來說，每月發表在各雜誌的新演算法和工程應用少說也有上百個，而我的方向是ee某分支下的分支的分支的分支，也就是ee的第四層分支。即便如此，每個月本分支內也是基本會有1-3個創新，而我實現一個新演算法少說也要一周。如果讓我掌握第三層分支下的全部方法，我覺得已經非常困難；如果能掌握ee下的第二層分支，足以皓首窮經。而對於第一層，我也算認識眾多本領域的大牛了，不要說掌握了，能做到粗通這一層分支的人我都沒有見過。所以，對於一個學科下的第一層分支而言，個人怎麼可能全部都掌握呢？
所以這個問題的答案已經給出了，就是分支無限細分。科學的廣闊程度遠遠超過了人類玩死自己的極限。請你相信：在那之前人類文明就會重新開始。
題主就像古代的人，看著越來越大的城市，擔憂地問：「如果有一天，我花一天的時間都不能從城門走回我家怎麼辦」。
很簡單，沒有車，是不會有這麼大的城市的。研究方法決定了研究的深度。不會有超越研究方法的研究成果出現。其實這是一個抖機靈的回答，科學研究從來都不是一個人從零開始的，它是站在巨人的肩膀上進行的。什麼是巨人的肩膀，舉個例子－Black box。一－以上回答只是從另一個角度來探討這個腦洞問題。不用擔心，只要宇宙不是上帝造的，其根本規矩不發生變化，知識總會迭代的越來越明晰。
就算是上帝造的，只要不要變化也沒關係，要是變了〈宗教 國家 民族 語言 政治 經濟 道德 甚至歷史等〉，那也是一些無關緊要的東西，因為我們不是還沒有滅亡嘛。
舉一個例子，大家都知道馬克思，但是不關注我國改革開放過程中的各個曾經呼風喚雨的企業。大部分的歷史包括理論最終都會歸為虛無，如果能合併在文明的網路架構上，那是萬幸。一個邏輯不自洽的問題。學科前沿本來就不是任何人想達到就達到的。而如果你說的是不管是誰都達不到，那這個前沿是誰製造的？
無所謂啊，我自己做好能做的就可以了啊，考不上清華北大，就不學習了么？
如果人類在那一天到來之前沒有因為核戰爭等因素毀滅，本身就是幸事了。
至於問題本身，我想，科學技術不是一個平面上的圓，也不是三維空間中的球體，而是高維空間中的。
高維空間與低維空間有個顯著區別：表皮附近占的比例越來越大。
雖然半徑看起來沒什麼增長，但絕對的體積總是有增長的。
而增長之後，新的問題也會以更高的量增長。
搞出驚天動地大發現的概率會越來越小，但人們也不至於無事可做。
我覺得人們會把學不完的那個科目細分，再在細分領域內化簡問題，用更簡單的近似方式繼續研究。
最早的科學叫哲學，包羅萬象，所有的關於世界的解釋都是一個領域——因為當時人們的眼界比較小，這樣就夠了，一個人很容易成為全能的哲學家。後來隨著人們眼界的開闊，從哲學中分出了物理化學生物等細分領域，生物問題當然可以用化學解釋，化學問題也可以用物理解釋，但是這樣的解釋太過複雜，遠遠超出了人們的智力水平，在物理上終其一生也無法得到我們目前已知的很簡單的化學、生物結論，這就類似題主說的「不能達到前沿」。
但是現在的生物化學的確取得了長足發展，因為人們不從最本質著手，通過在各自的細分領域內設定各種約束條件從而簡化問題，將一些暫時不能解釋的現象歸結為定理，在此基礎上研究，壓力大大減小。同理現在你想研究高速運動，你可以專心發展相對論；想研究微觀，可以專心研究量子力學；當然你也可以致力於相對論和量子力學的統一。
總而言之，領域細分可以降低任務難度，從而謀求取得更大的發展。
從另一個方面來看，題主的這個問題也是一個待研究的科研方向，我們可以通過人工智慧、長生不老來解決這個問題。畢竟人工智慧的學習能力無比強大大家和柯潔都有目共睹，而且沒有肉體的生命限制，致力於讓人工智慧代替人類科研也許是個不錯的方向。
人類達不到最前沿水平？最前沿那個難道不是人么？
至於極限，「馬車的速度隨著科技的發展越來越快，人類的交流越來越方便。但是馬車的速度不可能永遠提升，等到馬車速度到極限的那天，人類會怎麼樣呢？」
你想多了。
目前科學領域，特別是物理學領域遭遇瓶頸，是不爭的事實。而物理學是一切自然科學，甚至可以說是一切科學的基礎，物理學上沒有開闢出新領域，舊的一些問題沒有解決，的確會影響到所有科學領域的發展。
例如關於量子力學的實在性，目前仍然沒有定論，什麼是實在性，什麼是宏觀與微觀的界限，電磁力低能區是否還有新物理等等。這些問題的影響是非常深遠的，遍及能源、電子、生物、量子計算機等領域。這些問題長期無法解決，也從側面說明，科學的研究方法，以及整個我們理解自然的科學範式，是可能存在問題的。在不知道什麼地方出問題的情況下，我們只能用低效率的研究方法和低效的模型去繼續研究，無疑會造成研究前沿越來越複雜（也許有人認為是高效率，並不是所有的人都願意承認問題的困難程度有可能是超出一代人的能力的）。
典型的代表自然是弦論了，要達到前沿領域需要經過非常漫長的學習，其艱深的數學，少有人能掌握。
然而——，這並不能證明，未來的科學將會越來越難以到達前沿，因為諸如弦論的研究方法，以至於其整個模型構思，都有可能完全是錯誤的，是一種極其低效的研究過程。
類似的還有量子計算機、人工智慧方面的研究。目前只能堆砌複雜度，在原理方面難以有革命性的突破。
最後，我想說的是，天才對整個科學的發展是很重要的。一個人頂一萬個，並不是什麼奇怪的事，我們恰好處於缺少天才的年代。當然，對普通科研工作者來說，感情上很難接受這種智商的全面碾壓的說法，畢竟，都是自以為挺牛逼的一群人。
--------------------------------------------------------------------------------------
補充：回答匆忙，沒有闡述清楚我要表達的意思。
就自然科學的科目分類結構來說，越往前沿是分得越細的，就是它是一個樹形的結構。整個科學樹當然是包含極其大量的知識，但是一般的到達前沿不需要學習所有的知識，一個人到達前沿的距離只是從主幹到樹枝末端的距離，隨著人類文明的發展，這個距離當然會增長，但是它的增長是很緩慢的。
影響主幹到枝頭末端距離的，有一個很重要的因素：對零碎知識的歸納整合，統一到少數簡單的核心定律中，從核心定律可推導出所有零碎的知識。
最為熟悉的例子，是牛頓力學運動定律和麥克斯韋電磁統一場方程。在牛頓總結幾條力學規律之前，知識是非常零碎的，有很多是經驗，那麼一個人學一輩子可能都學不完，但是牛頓同學的天才之作讓我們現在可以在中學就學完這些核心定律，依靠這些核心定律我們能推導出所有零碎的知識，這裡必須強調一個事實： 登月軌道的計算，用中學學習的物理定律就可以計算出來，你不會算是因為你不是天才，但是可以通過5~6年時間拷貝學習天才的經驗來達到這個目標（主要是利用微積分和泛函來計算的數學技巧，如果你有軟體其實可以省略這個過程）。
因此原則上來說，要想成為一個專業人士，你只需要學習核心定律，就可以開始閱讀前沿論文了，你閱讀的前沿論文的廣度和深度，就決定你研究的廣度和深度。物理類你閱讀論文遇到的主要障礙是數學；生物類你閱讀論文的主要障礙是數學、化學和物理知識。
現今物理學的前沿（指的是涉及基本定律的前沿）難以到達，其實就是因為很多零碎的知識還沒有歸納到少數幾條統一的定律中。例如過去被稱為「基本粒子」的有幾百種，即使現在有了標準模型，每個人也只能研究少數幾種粒子。例如光是B介子一種粒子就養活了很大一批物理學家，它的衰變模式有上百種，衰變為幾百種不同的子粒子，還涉及到CPT對稱性破壞。（見下圖，大家來感受一下：）
如果你是一名高能物理的博士研究生，你的導師可能只會讓你跟蹤計算其中的幾個分支，佔一個零頭都不到。如果你是一名理論物理博士或弦論博士，你基本上看不懂二手數據（第一手輪不到你）。但是這沒關係，真的沒關係，反正你是做不成愛因斯坦了，不如就集中火力在幾種衰變道上如何？
造成這種局面（一個博士只能研究其中幾種的極其低效的局面）的原因只有一個：我們還沒找到生成粒子的通用方程。但是 我們不會永遠都找不到。在理想的情況下，這幾頁紙的粒子譜應由單一方程給出，那麼對於研究生來說，他可以省去2~3年的學習時間。 值得注意的是：很多人認為並不存在這樣的一條通用方程。 因為他們認為：我們已經很努力了，但是看起來就是毫無規律嘛，基本粒子根本沒有一條通用公式來生成（看看上面的列表我們應該同情這種看法，但是不應該接受）。
其實很多還沒找到自己研究方向的畢業生，也常常會有題主這樣的看法：知識浩瀚如煙海，何日學到頭？何處是歸宿？
我前面最後一段話要表達的意思就是：你很努力不代表就一定有好的結果。接受你不能當愛因斯坦的事實，平凡的路上，哪怕再小，總有個人的位置，哪怕只是一個粒子衰變出來的幾百種粒子中的幾個，也算前沿了。實在不行換條路試試。
推薦閱讀：