就在几年前，我们还以为AI只是个能够生成图片、写文案的「玩具」。

但AI能力的进化速度，远远超出人类预期。

Sabine引用了英伟达CEO黄仁勋在接受2025年斯蒂芬·霍金研究员奖（Stephen Hawking Fellowship）时发表演讲提到的一个观点：

智能即将成为一种商品。

她认为大多数靠脑力吃饭的人，尤其是科学家，在听到这个观点时，似乎还没意识到它背后所透出的寒意。

当思考可以被「批量购买」，推理可以被AI瞬间完成，人类引以为傲的「智力特权」是否正面临崩塌？

从AI助推论文暴增引发「学术通胀」，到美国***启动「创世纪任务（Genesis Mission）」加速科学发现——AI已经成为科研赛道上无法忽视的加速器。

无论是普通的实验员，还是菲尔兹奖得主陶哲轩，都在全面拥抱这场变革。

未来，AI究竟会摧毁科学，还是在拯救它？

物理学家的末日预言

当「思考」变成廉价商品

Sabine的预言之所以令人不安，是因为它精准击中了智力工作者的软肋：

不可替代性的丧失。

在***中，Sabine直言不讳：AI正在起飞。这或许就是奇点（Singularity）的开端。

Sabine认为，在过去的一年里，AI进步飞快。

这一点从OpenAI最近动向就可以看出来。

它正在紧急招募「风险准备负责人」（Head of Preparedness）来监管和评估那些可能具备危险、自主或快速演化能力的前沿AI系统。

AI能力的快速进步，也加速了人类智能的普及化。

以往被视为稀缺***、需要长年累月培养的「智力」，未来可以被量化、打包购买以及大规模复制。

我们不需要再花费十年寒窗苦读，去培养一个物理学博士来进行复杂的数学推导。

于是，Sabine给出了一个残酷的判断：

十年内，理论物理基本就「完事儿」了；我的意思是，对人类来说完事儿了。

想做理论物理？你只需要购买最新模型几天的算力，答案便唾手可得。

对于科研机构而言，这也是一笔再简单不过的成本账：

是用高昂的薪水聘请博士后和研究生，花费数月时间进行计算？还是支付零头的成本，让AI在几秒钟内搞定？

Sabine警告说，科学家们很快会发现，用AI替代人力，成本和时间都只是原来的一个零头。

她认为这场「大清洗」将最先从理论物理、数学这类高度依赖编程和计算的领域开始。

而且，变化已经开始。

从MIT、牛津大学这样的顶尖学府，开始为全体师生***购基于ChatGPT的校园版服务时，我们就能感受到AI对于学术研究领域的渗透。

当「智力」像水电煤一样触手可及，传统科研体系中那些依赖「计算」和「执行」的岗位，或许真的将在三年内迎来终局。

加速还是失控？

如果说Sabine的言论还带有预测性质，现实数据更是「肉眼可见」地展示了AI对传统科研界的「降维打击」。

效率的疯狂跃升

80%的增幅只是开始

Sabine引用了一项最新的研究数据，声称大模型***用可以极大提高研究者的产出，让论文产出平均增加40%，对非英语母语者甚至能到80%。

这份数据只统计到2024年底，当时主要应用它来写作。

Sabine指出，一旦研究者看到前沿模型能帮他们产出更多论文，***用率几乎会飙到接近100%，覆盖几乎所有科学学科。

这也将导致论文数量的暴增，以及根本没有足够的人来评审这些论文。

顶尖大脑倒戈

陶哲轩寻找AI「***」

并非只有普通学者在利用AI「偷懒」，顶尖大脑也在倒戈。

科学家越来越多使用大模型进行证明、脑暴、引用、计算和论文写作。

例如，菲尔兹奖得主陶哲轩（Terence Tao）曾多次在公开场合和博客中表示，他也在积极拥抱AI工具，利用它们来寻找证明思路、进行头脑风暴，甚至查找生僻的参考文献。

当顶级科学家都在用AI做「***」，普通人就更没有理由拒绝使用AI。

国家与巨头的合力推动

这一变革背后，不再是单纯的技术狂欢，还有国家级战略的强力推动。

Sabine特别提到了美国***于2025年末启动的「创世纪任务（Genesis Mission）」。

这是一项举国***，旨在利用AI加速科学发现。

根据***，美国能源部（DOE）下属的17个国家实验室将打造一体化的AI驱动平台。

作为交换，Google DeepMind已同意向这些科学家提供其前沿AI工具的早期使用权限。

与此同时，OpenAI也在通过「NextGenAI」项目，承诺投入5000万美元，为麻省理工、牛津等15所顶尖机构提供研究经费、算力和前沿模型/API访问。

此外，科研的范式也在被重塑：

• Google DeepMind的AlphaGeometry将大模型与符号求解器结合，攻克高难度几何证明问题；

• Anthropic推出的Claude for Life Sciences，则通过深度微调，协助诺和诺德、赛诺菲等大型药企加速药物研发。

Google DeepMind的AlphaGeometry将大模型与符号求解器结合，攻克高难度几何证明问题；

Anthropic推出的Claude for Life Sciences，则通过深度微调，协助诺和诺德、赛诺菲等大型药企加速药物研发。

这不仅是技术的普及，更是阶层的分化。

那些拥有顶级AI***的机构，将与普通机构拉开一道难以逾越的鸿沟。

给未来科学家的「生存指南」

回到最初的问题：AI究竟是在摧毁科学，还是在拯救科学？

答案或许有些残酷：是的，它正在摧毁旧的科研模式，但它也将重塑新的科研范式。

1.学术泡沫与信任崩塌

AI带来的「论文通胀」已不可避免。

据Frontiers调查，53%的同行评审者承认使用了AI。未来，我们极可能进入一个「AI写论文、AI审论文」的闭环。

当学术的生产过程变成了机器与机器的对话，人类在其中的信誉和价值将被无限稀释。

2.科研梯队的断裂

初级岗位将面临较大冲击。

那些原本由研究生承担的文献整理、代码编写、基础计算工作，AI可能会做得更快更好。

这也意味着，科研的门槛被抬高了，新人入行难度变高，传统的「学徒制」培养模式面临失效。

但从另一种意义上说，这也是对科学的「拯救」。

AI将把科学家从枯燥、重复的「脑力流水线」中解放出来，使其有精力去攻克那些人类几百年都未能解决的顽疾——癌症、气候变暖、可控核聚变。

那么，科学家会失业吗？

在这种环境下，未来的科学家（或者说所有知识工作者）必须完成一种进化：从「知识的搬运工」进化为「智慧的指挥官」。

不需要再比AI算得更快、知识更多，因为这些能力已经贬值了。

在AI时代，真正能够使你价值「昂贵」的能力在于：

• 提出好问题的能力：提示词工程的本质不是话术，而是思维的结构化。AI能给出答案，但只有人类能定义问题；

• 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无法预见的关联；

提出好问题的能力：提示词工程的本质不是话术，而是思维的结构化。AI能给出答案，但只有人类能定义问题；

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无法预见的关联；

正如Sabine提到的，人类也需要一个「风险准备负责人」。

只是这个负责人不应该是别人，只能是我们自己。

参考资料：

***s://***.youtube***/watch?v=v3_WouGjUUE

秒追ASI返回搜狐，查看更多