人工智能正深刻重塑科研生态，导致科学岗位出现显著分化。本文通过专家观点和实例，揭示了AI对入门级认知岗位的冲击、对传统实验工作的相对宽容，并探讨了科学界如何主动适应这一变革，避免人才培养体系断裂的深层危机。
智能速览
AI正在取代数据分析、编程等基础科研岗位。
依赖动手操作的“湿实验”岗位目前受冲击较小。
入门级科研岗位的消失正威胁着科学人才培养的根基。
未来科学家的核心能力将从执行转向提出问题和设计实验。
科学界需主动改革教育模式，以应对AI带来的挑战。
精华内容
AI对科研岗位的冲击并非未来想象，而是正在发生的现实。这场变革不仅关乎个人职业发展，更触及整个科学生态的未来根基。
认知岗位的消亡
人工智能正以惊人的效率取代科研领域的入门级认知岗位。数据分析、代码编写、文献综述等曾是进入科学领域的必经之路，如今却成了AI最容易替代的任务。麻省理工学院专家直言，计算机建模等基础岗位的过时“并非未来才会发生，而是正在发生”。
斯坦福大学的计算生物学家布莱恩·希更是明确表示，研究程序员这一职位“现在已经过时了”。AI在这些领域比入门级科学家表现更好，成本也更低。这种转变已影响实际招聘，威斯康星大学的一位计算生物学家坦言，现在创建实验室已“觉得没有必要”聘请研究程序员。
职位流失在特定领域已成为现实。美国翻译协会科学技术分会的会员在不到两年半时间里下降了26%，部分翻译员被迫转行去做外卖平台司机，预示着一场更广泛的就业危机正在蔓延。
湿实验的安全区
与认知岗位的窘境不同，那些需要在实验台上挥洒汗水的“湿实验”工作，目前似乎可以暂时松一口气。进行实际化学反应、生物培养、显微镜观察等工作的科学家，面临的直接威胁较小。
自动化实验室和AI驱动的机器人在许多任务上，仍然无法匹敌人类的灵活性和直觉。例如，尽管AlphaFold2的出现曾让结构生物学家感到恐慌，因为它能高效预测大量蛋白质结构，但后续研究发现，AI难以识别那些需要手工表征的复杂蛋白质。
这并未彻底淘汰科学家，而是促使他们转向了人类具有“比较优势”的问题领域，改变了工作的性质而非完全取而代之。
人才培养的根基
入门级岗位的消失隐含着一个更深刻的危险：科学人才培养链条的断裂。本科生、研究生和技术人员通常通过在学术实验室的基础工作获得经验，这些工作是通往更高层次科研岗位的跳板。
如果这些跳板消失了，整个科学生态系统将面临长期衰退的风险。德克萨斯大学奥斯汀分校的计算生物学家克劳斯·威尔克对此表达了深刻忧虑，他指出，虽然短期内用同样资金可能获得更多研究成果，但代价却是“人才培养体系的崩溃和长期的衰退”。
这并非简单的数学题，而是关乎科学未来的生存问题。没有源源不断的新血液补充，科学研究的创新活力终将枯竭。
适应与协作的新路径
面对AI的冲击，被动等待并非出路。加州大学洛杉矶分校数学家陶哲轩的观点点明了关键：“如果我们适应，我们就能生存下去。在某些情况下，我们甚至可以蓬勃发展。”
未来，能够与AI协作、善于提出问题和设计实验框架的科学家，其价值反而可能上升。伦敦大学学院的量子物理学家指出，AI虽无法提出真正新颖的想法，却能生成有用的批评，成为科研的得力助手。
将人类见解与AI见解结合，需要“花大量时间思考提示语”。关键在于科学界如何主动适应，及时调整教育模式，让下一代科学家学会与AI协作而非竞争，将危机转化为机遇。
AI时代对科学的挑战，核心在于如何平衡效率与传承。与其被动替代，不如主动变革，将AI转化为科研的助推器。未来的科学家将如何定义自己，又该如何培养？
