发表在【自然杂志】的最新消息显示，AI 正实实在在威胁着科学领域的各类工作，已经开始改变科研行业的就业格局，其中部分岗位首当其冲面临被替代的风险，而这一变化也给科研人才培养和行业发展带来了新挑战。

目前受冲击最明显的，是那些做纯认知性、重复性工作的岗位，首当其冲的就是数据分析师和研究程序员。过去整理数据集、写代码、调试统计模型、做文献综述这些工作，都是科研入门的基础活，大多由研究生、博士后或技术人员完成，现在 AI 能以远超人类的速度和极低的成本独立完成，不少科研团队已经用一套 AI 系统，取代了原本的数据分析小团队，这类岗位的需求正在快速萎缩。像科技论文翻译这类纯技术整理、语言转换的科研周边岗位，也因 AI 工具的发展出现了人员流失，同样属于高风险行列。此外，基础实验数据录入、常规化学分析、标准化生物检测等偏执行性的技术岗，也因 AI 和自动化设备的普及，变得不再紧缺。

不过也有不少科学岗位暂时相对安全，比如需要亲手操作实验的“湿实验”（是指实验室里需要动手操作、接触实际样本/试剂）的科研实验研究人员，AI 目前还做不到复杂的实体实验操作；还有负责统筹科研课题、设计研究方向的高级科学家，因为 AI 没法独立提出原创性的研究问题，也做不到突破性的假说构思。另外，需要实地调研、人际访谈，或是做科研政策制定、伦理判断的工作，也很难被 AI 替代。

值得注意的是，AI 对科学工作的影响，更多是重塑岗位而非彻底取代科学家。它更像科研的 “超级助手”，能承担 80% 的执行性劳动和 40% 的分析性劳动，把科学家从繁琐的基础工作中解放出来，让他们能专注于更核心的创新研究。但这场变革也带来了现实问题：原本这些基础认知工作是科研新人的入门训练课，现在岗位需求减少，可能会断了科研人才的培养链条，长远来看或影响科研生态。

对科研从业者来说，想要适应这一变化，学习数据科学、AI 模型解读这类技能，掌握跨学科知识，培养和 AI 协同工作的能力，才能让自己的职业发展更有保障。

AI is threatening science jobs. Which ones are most at risk?  Nature. 20 February 2026