人工智能（AI）正以前所未有的速度重塑科研领域的就业格局。从代码编写到基础数据处理，从计算机建模到论文翻译，多个传统科研岗位正面临被AI取代的挑战。一项针对40余位学界与业界专家的调查显示，AI的崛起已显著减少了对初级科研人员的需求，尤其是那些承担重复性、标准化任务的岗位。
在代码生成与数据处理领域，AI的冲击尤为明显。美国斯坦福大学计算生物学家布莱恩·海伊指出，过去学术实验室需要专门聘请程序员编写科研代码包，但如今AI已能胜任这类工作。美国威斯康星大学麦迪逊分校的汉娜·斯蒂尔也表示，五年前组建实验室时聘请研究程序员是常规操作，但现在AI已能承担大部分编码任务，这一岗位的需求大幅下降。这种变化不仅影响了现有岗位，还抑制了新岗位的诞生。美国得克萨斯大学奥斯汀分校的材料工程师鲁南姝透露，团队在招聘研究生助理和博士后时更加谨慎，部分原因在于AI可以分担部分工作。
科研翻译岗位也未能幸免。随着AI翻译器的普及，美国翻译协会科学与技术部门的会员数在不到两年半时间内锐减26%。北卡罗来纳州的海梅·拉塞尔曾从事临床试验文件翻译工作，如今已转型为医疗口译员。她提到，部分同行甚至被迫转行送外卖，这一现象令科研界深感忧虑。有科学家警告，若本科生、研究生及技术人员无法在实验室获得充分锻炼，科研人才梯队可能出现断裂，影响行业的长期发展。
尽管AI对初级岗位造成冲击，但多数研究者认为，高阶科研任务仍需人类参与。英国伦敦大学学院量子物理学家乔纳森·奥本海姆常让AI模拟同行评审，但他认为AI无法提出新颖见解或判断研究价值。美国威斯康星大学麦迪逊分校的卡鲁·桑卡拉灵尕姆则强调，构思研究方向需要人机协作，人类需设计提示词并防止AI“幻觉”——即系统虚构输出。不过，美国弗吉尼亚大学经济学家安东·科里内克认为，即使高阶岗位，若专注于认知领域，也可能受到AI冲击。他预言数学家明年将受影响，但这一观点在数学界存在争议。
实验科学领域目前相对安全。AI与机器人驱动的自动化实验室仍难以完成精细操作或解读复杂结果。奥本海姆表示，在相当长时期内，AI难以对实验者的工作产生较大冲击。美国弗吉尼亚大学的一项研究也支持这一观点：尽管AI工具“阿尔法折叠2”能预测蛋白质结构，但人工密集的成像法仍被沿用，许多蛋白仍需人工分析。这表明科学家可转向解决人类具有“比较优势”的难题。
研究者普遍认为，科研领域的变革要求从业者具备灵活应变的能力。适应AI技术的人将在新时代中找到生存空间，而固守传统模式者可能面临淘汰。这种转变不仅关乎个人职业发展，更将影响整个科研生态的未来走向。
