幾小時生成壹篇頂刊論文?AI論文流水線真要來了
隨之而來的問題是，博士還要怎麼培養？學術分工還是否站得住？論文本身到底還有多少意義，這不僅涉及部分學科，還涉及到整個學術和教育體制。
朱晨的判斷相對克制。她認為真正被沖擊的是學術生產中那些早已高度流程化的部分，而不是學科本身。“AI打擊的是那些機械重復流程性工作、不思考自己到底要做什麼的人，不管是文科還是理科 ”。
在她看來，文科生反而可能迎來壹波技術紅利。以往人文社科研究者常受制於編程或建模的門檻，而智能體的進步，讓技術門檻被迅速抹平。朱晨以自身為例：“我的編程水平很初級也不會 Python，但我把想法告訴 Claude，它就能直接實現”。
從另壹個角度看，既然AI能夠替代大量重復性勞動，編程和寫作等技能在研究者訓練中的重要性可能會下降，而判斷力則變得更加核心。朱晨指出：“如果你沒有自己的知識體系和明確的研究目的，你甚至不知道讓Agent去幹什麼，也無法判斷它生成的東西是否可靠。”
她進壹步強調，這正是AI難以替代的部分：“研究的重要性、創新性，這些判斷還是需要人來做。而且，這需要具備相關理論積累的人才能勝任”。
研究者，則堅信AI不存在替代研究者的可能。“專業的事情永遠需要專業的人來做。對專業研究者來說，AI永遠只是壹個輔助工具”。他認為真正拉開差距的不在於是否使用AI，而在於能否讓技術服務於研究。用得好的人，會進壹步拉開與他人的差距，成為頂尖研究者，否則可能在競爭中被淘汰。
陳波的觀察則更為冷峻。把學者的判斷力看作防止AI替代的護城河，在他看來是壹種出於自我保護心態的錯覺。人所謂的判斷或者品味只是壹種偏好，視野狹窄而且局限於自己的知識范圍。AI其實也有自己的“品味”，甚至由於能夠抓取並整合海量數據，它在全局視野下做出的判斷往往比人類更優。
既然學者已經沒有優越性，在AI的沖擊下，陳波認為不僅初級崗位，中級崗位現在也已經面臨被替代的風險，因為現在的AI產品已經達到了中等偏上的水平。之所以還沒發生大規模的替代，阻礙不在於 AI 的能力，而在於學術界的接受度沒有跟上。
“只要看過它產出的速度和質量，你就知道在現有的范式下，人類的體力勞動已經沒有競爭優勢了。未來的競爭不再是個人的勞動時間，而是你消耗的 Token產生的價值。智能體睡覺時也在跑，它的產出與人的時間不再是正相關的”。陳波直言。
而論文能夠批量生產，也意味著相關能力訓練的貶值。過去壹位博士要花很長時間才能做完的事情，現在可能借助AI壹個小時就已經可以出結果了。在這種情況下，再繼續用原來的方式做事已經失去意義，這些能力訓練在企業也不會得到重視。
“如果博士不值錢，從長遠來看整個教育體系都會受到很大影響”，他進壹步表示，整個學術界的意義，未來都需要重新反思。“以後發論文這件事會極速貶值。如果寫文章變得這麼容易，那除了為了應付考核，寫這些文章的真正社會價值到底在哪”？
這並不是說研究和數據分析的工作本身沒有意義，但AI的介入已經將學術界的平庸產出推到了極致，讓人更加質疑大量人力投入到知識生產和論文發表的必要性。
即使不作這種相對宏觀的判斷，部分初級研究崗位將被AI替代，也是叁位學者共同認可的現實。
朱晨表示，初級研究崗位受沖擊是必然的，這並不是她壹個人的感受。在她發布使用Claude Code撰寫論文的相關博文後，壹些同事也開始嘗試，結果他們普遍反饋Claude Code的效率要比研究助理更高。
不過，這不意味著博後崗或者研究助理崗壹定縮水，而是這種變革導致了人才篩選標准的變化。在處理純贰手數據、文獻整理等機械性工作上，智能體的能力已經超越了普通研究助理。朱晨坦言，過去傾向於招募代碼寫得好、手快的 RA，而現在這種需求已經消失，她更傾向於尋找智能體的“訓練家”。
“如果我現在招博士後，我不再看重他是否會寫基礎代碼，因為這些 AI 都能做。”她目前最看重的兩點，壹是駕馭 AI 的工具能力，贰是面對技術變革時的開放心態（Open Mind）。在她看來，如果壹名研究者僅僅在重復 AI 都能完成的工作，那他確實危險了。
長期關注中國宏觀經濟政策和微觀基礎領域的那位研究者也認為，如果AI進壹步發展，對初級科研崗位的替代幾乎是不可避免的。
在他以往的工作模式中，壹篇論文往往對應壹到兩個研究助理，而團隊同時推進叁到肆個研究方向。哪怕是遠程工作，壹位助理壹個月也要兩叁千元。現在不再需要這麼多助理，反而需要壹個熟悉整套AI輔助研究流程的人，幫忙去同時盯著多個項目。“過去壹年可能需要拾個研究助理，現在壹個人就可以覆蓋大部分流程”。
[加西網正招聘多名全職sales 待遇優]
無評論不新聞，發表壹下您的意見吧
朱晨的判斷相對克制。她認為真正被沖擊的是學術生產中那些早已高度流程化的部分，而不是學科本身。“AI打擊的是那些機械重復流程性工作、不思考自己到底要做什麼的人，不管是文科還是理科 ”。
在她看來，文科生反而可能迎來壹波技術紅利。以往人文社科研究者常受制於編程或建模的門檻，而智能體的進步，讓技術門檻被迅速抹平。朱晨以自身為例：“我的編程水平很初級也不會 Python，但我把想法告訴 Claude，它就能直接實現”。
從另壹個角度看，既然AI能夠替代大量重復性勞動，編程和寫作等技能在研究者訓練中的重要性可能會下降，而判斷力則變得更加核心。朱晨指出：“如果你沒有自己的知識體系和明確的研究目的，你甚至不知道讓Agent去幹什麼，也無法判斷它生成的東西是否可靠。”
她進壹步強調，這正是AI難以替代的部分：“研究的重要性、創新性，這些判斷還是需要人來做。而且，這需要具備相關理論積累的人才能勝任”。
研究者，則堅信AI不存在替代研究者的可能。“專業的事情永遠需要專業的人來做。對專業研究者來說，AI永遠只是壹個輔助工具”。他認為真正拉開差距的不在於是否使用AI，而在於能否讓技術服務於研究。用得好的人，會進壹步拉開與他人的差距，成為頂尖研究者，否則可能在競爭中被淘汰。
陳波的觀察則更為冷峻。把學者的判斷力看作防止AI替代的護城河，在他看來是壹種出於自我保護心態的錯覺。人所謂的判斷或者品味只是壹種偏好，視野狹窄而且局限於自己的知識范圍。AI其實也有自己的“品味”，甚至由於能夠抓取並整合海量數據，它在全局視野下做出的判斷往往比人類更優。
既然學者已經沒有優越性，在AI的沖擊下，陳波認為不僅初級崗位，中級崗位現在也已經面臨被替代的風險，因為現在的AI產品已經達到了中等偏上的水平。之所以還沒發生大規模的替代，阻礙不在於 AI 的能力，而在於學術界的接受度沒有跟上。
“只要看過它產出的速度和質量，你就知道在現有的范式下，人類的體力勞動已經沒有競爭優勢了。未來的競爭不再是個人的勞動時間，而是你消耗的 Token產生的價值。智能體睡覺時也在跑，它的產出與人的時間不再是正相關的”。陳波直言。
而論文能夠批量生產，也意味著相關能力訓練的貶值。過去壹位博士要花很長時間才能做完的事情，現在可能借助AI壹個小時就已經可以出結果了。在這種情況下，再繼續用原來的方式做事已經失去意義，這些能力訓練在企業也不會得到重視。
“如果博士不值錢，從長遠來看整個教育體系都會受到很大影響”，他進壹步表示，整個學術界的意義，未來都需要重新反思。“以後發論文這件事會極速貶值。如果寫文章變得這麼容易，那除了為了應付考核，寫這些文章的真正社會價值到底在哪”？
這並不是說研究和數據分析的工作本身沒有意義，但AI的介入已經將學術界的平庸產出推到了極致，讓人更加質疑大量人力投入到知識生產和論文發表的必要性。
即使不作這種相對宏觀的判斷，部分初級研究崗位將被AI替代，也是叁位學者共同認可的現實。
朱晨表示，初級研究崗位受沖擊是必然的，這並不是她壹個人的感受。在她發布使用Claude Code撰寫論文的相關博文後，壹些同事也開始嘗試，結果他們普遍反饋Claude Code的效率要比研究助理更高。
不過，這不意味著博後崗或者研究助理崗壹定縮水，而是這種變革導致了人才篩選標准的變化。在處理純贰手數據、文獻整理等機械性工作上，智能體的能力已經超越了普通研究助理。朱晨坦言，過去傾向於招募代碼寫得好、手快的 RA，而現在這種需求已經消失，她更傾向於尋找智能體的“訓練家”。
“如果我現在招博士後，我不再看重他是否會寫基礎代碼，因為這些 AI 都能做。”她目前最看重的兩點，壹是駕馭 AI 的工具能力，贰是面對技術變革時的開放心態（Open Mind）。在她看來，如果壹名研究者僅僅在重復 AI 都能完成的工作，那他確實危險了。
長期關注中國宏觀經濟政策和微觀基礎領域的那位研究者也認為，如果AI進壹步發展，對初級科研崗位的替代幾乎是不可避免的。
在他以往的工作模式中，壹篇論文往往對應壹到兩個研究助理，而團隊同時推進叁到肆個研究方向。哪怕是遠程工作，壹位助理壹個月也要兩叁千元。現在不再需要這麼多助理，反而需要壹個熟悉整套AI輔助研究流程的人，幫忙去同時盯著多個項目。“過去壹年可能需要拾個研究助理，現在壹個人就可以覆蓋大部分流程”。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: