11月4日，乌镇，世界互联网大会“人工智能赋能科学研究”论坛。英国皇家科学院院士温迪·霍尔在会上说，研究者可以把任务委托给AI，但不能把科学责任委托给AI。 这句话听上去像一句伦理提醒，其实也是人才培养的难题。科学责任不是签个字就能接住的，它来自无数次读错文献、跑废实验、写完一段论证又推翻重来的训练。AI把任务接走的同时，也把这段训练接走了。光明网
一位材料学博士生写过一个细节：师弟在等样品抽真空的几分钟里，用AI把三十多篇参考文献整理成表；同样的事，他博一下学期做了差不多一个月。 省下的是时间，跳过的也是那一个月里长出来的东西：哪几篇数据对不上，哪个课题组的结论总是更漂亮，哪种测试条件下的循环次数其实没有参考价值。这些判断不写在论文里，只写在他的实验记录本上。知乎
科研训练一直不是一门先上课再上岗的课程。它更像学徒制：学生跟着导师做真问题，在真实的失败里学会选题、判断和负责。AI恰好最擅长接管这条链条的中段——文献综述、代码实现、数据处理、初稿写作。于是实验室面临一个很实际的选择：把活交给一个需要三周、还可能做错的研究生，还是交给一个几分钟就能给出像样结果的模型？在论文和项目考核面前，后者的诱惑太大。
陶哲轩把后果说得很直：AI可以提高科研产出，却也可能替代用于训练研究生的入门项目，我们或许会失去下一代科学家。量子位
10月6日，OpenAI一次性公开了700多篇AI生成的数学手稿。陶哲轩在《自然》上写道，研究生和年轻数学家原本靠解决这类问题练出本事、获得同行认可。 现在，这些“练手题”可能在一夜之间被机器做完。年轻研究者还没形成自己的判断，先要学会面对一个已经给出答案的世界。11月6日《自然》的另一篇评论也提到，一些研究者担心，这批成果会冲击正在进入这一领域的年轻同行。NatureNature
数字更直接。《自然》报道的一项工作论文统计了2019年至2026年的美国STEM博士论文，今年约三成摘要含AI生成文本。Nature
这项覆盖22.6万余名美国STEM博士毕业生的工作论文还追踪了去向：在同期、同项目的毕业生中，论文含AI文本的人更少进入学术研究岗位，更多流向产业界或非终身教职岗位。 研究者自己强调，这只是相关性，不能证明是AI把人推出了学术界；也可能是本来就想走产业界的人更愿意用AI。但它至少说明，AI正在改变科研训练的入口，而不只是改变论文的写作速度。NBER
效率提升是真的。高能同步辐射光源的AI4S平台，把X射线吸收谱分析效率比过去人工模式提升了上万倍。 这还只是设备端。文献、代码、数据分析、初稿，几乎每一个环节都在被重新定价。光明网
而中国科研体系偏偏高度依赖年轻人。国家自然科学基金约八成项目由45岁以下青年科研人员牵头承担。 一个体系越依赖年轻人挑大梁，就越承受不起训练链条的断裂。新华网
当然，AI也可以成为更好的老师：给初学者即时反馈，帮非英语母语者改论文，把重复劳动压缩到最低。问题不在于用不用AI，而在于省下来的时间去了哪里。如果评价体系仍然只数论文、项目和速度，省下来的时间不会变成思考，只会变成更多的产出。效率提高，竞争门槛也随之提高，最后每个人还是被推着往前跑。
所以科学家担心的“人才断层”，不是没人读博，也不是AI抢了岗位。他们担心的是，下一代人只见过AI给出的答案，没见过答案是怎么从一堆失败里长出来的。等这一代人需要判断AI的结论对不对、需要为模型在现实世界里的后果负责时，谁来接？
陶哲轩用过一个比喻：AI像直升机，能把人空投到答案附近，但沿途的地形没有因此被认识。科学需要的是能看懂地形、并对答案负责的人。把练手期还给年轻人，不是拖慢科研，而是让提速这件事可持续。
