思考已成白菜价？黄仁勋一语成谶，物理学家：人类科研只剩3年

AI正在攻破人类智力的「护城河」！

曾被视为人类智慧的皇冠、象征着最高智力门槛的职业——科学家，正在AI的冲击下，面临「消亡」倒计时。

近日，德国物理学家、百万粉丝科普博主Sabine Hossenfelder在一则视频中，抛出了一个让学术界「脊背发凉」的观点：

三年内，我们所熟悉的科学研究将不复存在。

她解释道，因为科学家会用AI以极低的成本和时间，替代以前由学生和博士后完成的工作。

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」，到美国政府启动「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。

在视频中，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。

以往被视为稀缺资源、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，开始为全体师生采购基于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，声称大模型采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，采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「外挂」

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「外挂」，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特别提到了美国政府于2025年末启动的「创世纪任务（Genesis Mission）」。

这是一项举国计划，旨在利用AI加速科学发现。

根据计划，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。

这不仅是技术的普及，更是阶层的分化。

那些拥有顶级AI资源的机构，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；
• 品味与判断力：在AI生成的无数种可能性中，凭借直觉与经验，识别出其中最优的那个。

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：

https://x.com/skdh/status/2008569253184839805%20

https://www.youtube.com/watch?v=v3_WouGjUUE

文章来自于微信公众号 “新智元”，作者 “新智元”