近日，德国物理学家、拥有百万粉丝的科普博主 Sabine Hossenfelder 在一则视频中提出了一个让学术界“脊背发凉”的预测：

三年内，我们熟悉的科学研究模式，可能将彻底消失。

Hossenfelder 解释称，这是因为 AI 将以极低的成本和极短的时间，替代过去由研究生和博士后完成的大量科研工作。

几年前，我们或许还认为 AI 只是一个能生成图片、撰写文案的“玩具”。然而，AI 的能力进化速度远超人类预期，它正在迅速改变科研的本质。

在视频中，Sabine 引用了英伟达 CEO 黄仁勋 在 2025 年斯蒂芬·霍金研究员奖（Stephen Hawking Fellowship）颁奖典礼上的演讲观点：

智能即将成为一种商品。

她指出，当大多数以脑力为生的专业人士——尤其是科学家——听到这句话时，往往尚未意识到其中潜藏的寒意：他们赖以为生的工作方式，正面临被彻底颠覆的风险。

当思考变成可批量购买的商品

AI 正在攻破人类智力的“护城河”。曾被视为智慧顶点的科学家职业，如今也面临被彻底颠覆的倒计时。德国物理学家、百万粉丝科普博主 Sabine Hossenfelder 在最新视频中直言：

三年内，我们熟悉的科学研究方式可能将彻底消失。

她指出，AI 能以极低的成本和极短时间，替代过去由学生和博士后完成的科研工作。几年前，我们还把 AI 当作生成图片或写文案的“玩具”，然而其能力的进化速度，远超想象。

Sabine 引用了英伟达 CEO 黄仁勋 在 2025 年斯蒂芬·霍金研究员奖颁奖典礼上的观点：

智能即将成为一种商品。

她警告，脑力工作者——尤其是科学家——尚未意识到，这意味着他们赖以生存的工作模式正快速被取代。

AI 加速科研，传统智力价值缩水

随着 AI 技术在科研中的广泛应用，从论文产出到实验设计，传统科研正经历前所未有的变革：

• AI 助力论文产出暴增，一项研究显示，大模型的使用可让论文产量平均提升 40%，非英语母语者甚至可达 80%。

• 顶尖科学家也在全面拥抱 AI。例如，菲尔兹奖得主 陶哲轩 已在博客中表示，他利用 AI 进行证明、头脑风暴和参考文献检索。

• MIT、牛津等高校正在为全体师生配备基于 ChatGPT 的校园版服务，AI 对学术研究的渗透正在加速。

Sabine 给出了令人震惊的判断：在十年内，理论物理对人类科研者而言将基本“完事”。理论物理问题，只需购买最新 AI 模型几天算力，就能轻松得到答案，而无需多年培养博士后。

国家与巨头推动科研范式重塑

不仅是科研人员在使用 AI，国家和科技巨头也在加速变革：

• 美国政府于 2025 年末启动了 “创世纪任务（Genesis Mission）”，通过 AI 平台加速科学发现。

• Google DeepMind、Anthropic 等科技公司提供前沿模型，助力药物研发、高难度数学问题求解。

• OpenAI 通过 NextGenAI 项目，为 15 所顶尖科研机构提供算力、研究经费和 API 接入。

这些举措不仅提升科研效率，也在创造资源鸿沟：拥有顶级 AI 资源的机构，将与普通机构拉开难以逾越的差距。

AI 是毁灭还是拯救？

Sabine 的观点提醒我们：AI 正在摧毁旧的科研模式，但同时也在重塑新的科研范式。

• 学术泡沫与信任危机：AI 带来的“论文通胀”正在出现，Frontiers 调查显示，53% 的同行评审者承认使用了 AI。未来，可能出现“AI 写论文、AI 审论文”的循环闭环。

• 效率跃升与资源普及：过去需要多年培养的智力，现在可以被量化、打包购买、快速复制。科研成本和时间大幅下降，但对科研工作者而言，也意味着不可替代性的消失。

当 AI 让“智力”像水电一样触手可及，传统科研岗位中依赖计算和执行的部分，可能真的在三年内迎来终局。

当科研变成机器间的对话

当学术生产流程被 AI 主导，人类在其中的信誉和价值，可能被无限稀释。科研不再只是人与人之间的合作，而是机器与机器的高效交互，人类更多地被边缘化为观察者或输入提供者。

科研梯队的断裂

初级岗位将首当其冲。原本由研究生承担的文献整理、代码实现、基础计算等工作，如今 AI 可以更快、更精准地完成。

这意味着，科研门槛被抬高，传统的“学徒制”培养模式或将失效。新人入行难度增加，而科研的阶梯性和渐进式成长，也面临前所未有的挑战。

然而，这也可能是科学的另一种“解放”。AI 将科研者从枯燥、重复的“脑力流水线”中释放，使他们有更多精力去攻克那些人类几百年来未能解决的难题——如癌症、气候变化、可控核聚变等。

科学家会失业吗？

在 AI 时代，科学家的角色必须进化：从“知识搬运工”升级为“智慧指挥官”。你不必比 AI 计算得更快、掌握更多信息，因为这些能力已经普遍化、贬值。

真正让人类价值凸显的能力，将是：

1. 提出好问题的能力
   提示词工程的核心，不只是“话术”，而是思维结构化。AI 可以给出答案，但定义问题的权利仍掌握在我们手中。

2. 跨学科的宏观视野
   将物理、生物、计算机等不同领域的孤岛连接起来，发现 AI 无法预测的潜在关联。

3. 判断力与品味
   在 AI 生成的无数可能性中，凭借直觉和经验，识别出最有价值的选项。

正如 Sabine 所提到的，人类也需要一个“风险准备负责人”。不同的是，这个负责人不能依赖他人——只能是我们自己。