AI逼近科研圈：哪些崗位正在消失，科研新人如何突圍？

來源：自然系列

作者：Edward Chen

數據分析和建模崗位已逐漸被淘汰，但實驗人員目前尚還能松口氣。

人工智能（AI）操控的機器人不會很快取代實驗室科研人員，但AI系統已經開始取代人類數據分析師和科研程序員。來源：Qilai Shen/Bloomberg/Getty

AI正威脅著許多職業，科研領域似乎也難以幸免。那么，哪些崗位面臨的風險大？

為尋找答案，《自然》雜志采訪了學術界和行業內五十來位在工作中使用AI的研究人員。其中許多人表示，AI的崛起使得對具有編程或基礎數據分析能力的人類研究人員需求減少——這類工作通常由研究生、博士后或未受過研究生培養的人員承擔。

麻省理工學院的機械工程師趙選賀說，計算機建模等領域的一些基礎崗位“甚至不會到未來才被淘汰，現在已在發生”，因為“AI做這些比初級科研人員強得多”。部分與科研相關的崗位從業者，例如從事論文翻譯的人員，其職業發展也正陷入困境。

研究人員普遍認為，涉及實驗的崗位相對安全，此外就是統籌協調科研項目的資深科研崗位。但也有少數人認為，即便在這些更高層級的工作中，AI也正逐步趕上人類。

弗吉尼亞大學的經濟學家Anton Korinek說，“純認知類工作崗位將先消失”。他說：“傳統上，這些崗位與科研的關聯緊密，它們很快就會被AI取代。”

顛覆性力量

研究人員已將AI工具應用于諸多工作，例如論文編輯和文獻綜述。但研究人員稱，目前而言，AI的代碼生成和數據處理能力對科研就業市場的沖擊更為明顯。

例如，一些學術實驗室會聘請科研程序員編寫供其他科學家使用的代碼包。斯坦福大學的計算生物學家Brian Hie表示，隨著AI興起，這類崗位“如今已無存在必要”。趙選賀也認同，如今AI可勝任搭模型和分析數據的工作。

就算AI尚未導致相關從業者失業，也已在縮減科研領域的新崗位招聘。威斯康星大學麥迪遜分校的計算生物學家Hannah Wayment-Steele說，如果五年前創辦自己的實驗室，她“會認為聘請一名科研程序員是必要選擇”，但現在，她“感覺沒有這個需求”，因為即使是繁重的編程也能讓AI做。

得克薩斯大學奧斯汀分校的材料工程師魯南姝也同意這一點。她說，“我們現在招聘未來的研究生科研助理和博士后研究人員時，態度謹慎得多。”部分原因是科研資金存在不確定性，而“AI，當然也是一個因素”。

一些科學家警告，倘若本科生、研究生和技術人員無法再獲得學術實驗室的工作機會（這類工作常是通往其他科研崗位的踏腳石），可能會引發潛在風險。得克薩斯大學奧斯汀分校的計算生物學家Claus Wilke表示：“短期內，你或許能實現每一分科研資金產出更多研究，但代價可能是你的科研人才培養管道崩塌和長期衰退。”

崗位流失

有證據表明，AI已在部分科研相關領域造成崗位流失。隨著AI翻譯工具的不斷完善和普及，美國翻譯協會科技翻譯分會的會員人數在不到兩年半的時間里下降了26%。

有些翻譯從業者已經去干別的了。例如，北卡羅來納州教堂山市的Jaime Russell曾從事臨床試驗文件翻譯，如今成為了一名醫療口譯員，負責翻譯患者與臨床醫生之間的口頭對話。但她認識一些前同行，如今已轉行去當外賣員。她說，“這太讓人難過了。”

模型局限性

但許多研究人員表示，AI目前仍無法完成科研人員所承擔的更高層級工作，例如確定值得深入研究的科研方向。倫敦大學學院的量子物理學家Jonathan Oppenheim對AI并不陌生：他會在論文投稿前，讓AI為自己的手稿生成模擬同行評審報告。他認為AI的評價頗具參考價值，但表示AI“無法真正提出創新的想法”。

即便是有信心讓AI生成科研想法的人，仍相信人類不可替代的作用。威斯康星大學麥迪遜分校的計算機科學家Karu Sankaralingam表示，頭腦風暴科研方向的優選方式是結合人類與AI的見解，因為提出假說需要人類參與其中，設計詳盡的提示詞。他說：“我會花費大量時間構思提示詞。”這種細致入微的思考十分必要，可避免AI出現 “幻覺”，即生成虛假的內容。

不過，Korinek認為，即便資深科研崗位，若其主要工作為認知類任務，也同樣面臨風險。他表示：“我預計，數學家在下一學年肯定會感受到AI的影響。” 盡管數學家們并不認同AI會取代他們。

實操工作

相比之下，從事實驗室濕實驗的技術人員和青年科研人員目前位置相對安全。由AI和機器人技術驅動的自動化實驗室仍無法完成諸多任務，且難以解讀實驗結果。Oppenheim表示，在相當長一段時間內，AI“對實驗人員的工作不會產生太大影響”。

2月發表的一份結構生物學研究帶來一絲慰藉：即便AI發展，有些崗位仍會留下來。AI工具AlphaFold2能完成一項公認的高難度任務——從氨基酸序列推斷蛋白質結構[1]，以“極高”的置信度預測了約40%已知蛋白質的結構。

即便如此，2月3日發布的一篇預印本論文發現[2]，研究人員仍在使用耗時費力的人工方法對蛋白質結構進行成像。該預印本的作者、弗吉尼亞大學的經濟學家Jerry Qian表示，許多通過人工表征的蛋白質，都是AI工具難以處理的類型，這表明研究人員已轉向人類具有“比較優勢”的研究課題。他說，至少從其研究數據來看，“AI并未讓科研人員變得無足輕重”。該預印本尚未經過同行評審。

研究人員表示，這種靈活的調整方式或許是科研領域未來的發展方向。

加州大學洛杉磯分校的數學家陶哲軒說，“如果我們適應——我認為我們必須適應，那就能生存下去。有時候甚至能興旺壯大。”

參考文獻：

1. Jumper, J. et al. Nature596, 583–589 (2021).

2. Qian, J. Preprint at SSRN https://doi.org/10.2139/ssrn.6133666 (2026).
   

原文以AI is threatening science jobs. Which ones are most at risk?標題發表在2026年2月20日《自然》的新聞版塊上

?nature

Doi：10.1038/d41586-026-00444-9

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）