家人们，最近是不是又被各种爆炸新闻刷屏了？什么Anthropic的联创跳出来说，再过两三年，AI就能写出菲尔兹奖级别的论文，50%的物理学家要“原地失业” -2。还有那黄仁勋在CES展台上大谈特谈“物理AI”，感觉机器人马上就要自己造机器人了，压根没咱人类啥事儿 -9。
刷到这些，我这心里头也是咯噔一下。咱就是说，当年报志愿时候挤破头要进的数学、物理、化学这些“高大上”的理科，咋一眨眼就成了“天坑”专业，成了AI时代第一批要被“优化”掉的对象？网上铺天盖地都在聊 “ai时代理科被淘汰” ，搞得好像不立刻转码、不学AI，明天就要去喝西北风一样。
但事情真就这么邪乎吗？作为一个在实验室熬过夜的过来人，我今儿想掏心窝子跟大伙唠唠，咱别自个儿吓自个儿。
先说说我那不争气的表弟吧。这小伙儿在南京某高校读化学，去年6月份就开始“试水”秋招，结果碰了一鼻子灰。回来跟我吐槽，说他后悔得肠子都青了，感觉这专业除了去厂里倒班就没别的出路，妥妥的“天坑”，甚至跟我抱怨这 “ai时代理科被淘汰” 是板上钉钉的事儿 -1。他那垂头丧气的样子，活像一只斗败了的公鸡。
可事情往往就有两面性。同样是学化学，我在知乎上关注的一个南大博主，叫张聪还是什么的，人家今年毕业，投了四五十份简历，手里攥着四个offer，正愁选哪个呢 -1。你说这气不气人？同样是“生化环材”，咋差距就这么大呢？
后来我琢磨明白了，那些天天喊着“被淘汰”的人，大多数是把理科当成了“技术培训”。以为背几个公式、会跑几行代码、能操作几台仪器就算完事儿了。但咱得认清一个现实：AI这玩意儿，说到底它不是科学，它是个工具，是个技术 -8。它能帮你把实验数据算得飞快，能在海量文献里帮你总结规律，甚至能像中国科大那个“机器化学家”小来一样，几天几夜不睡觉，帮你在几百万种配方里找出最优解 -6。
然后有些人就麻了，觉得完了，连做实验这种“体力活”都被AI抢了，咱还混啥？这不更证明了 “ai时代理科被淘汰” 吗？
哎，这就有点“一叶障目，不见泰山”了。咱得看到本质。AI再牛，它能提出那个最初的问题吗？就拿那个机器化学家“小临”来说，它能帮方天成博士快速找到吸能材料，是因为方博士先提出了“要解决新能源电池过热爆燃”这个具体需求 -6。AI是在解题，但提出问题、定义问题、判断哪个问题更有价值，这活儿，目前还真得靠咱人脑子里的那根弦儿。
就像物理AI，它确实能让手术机器人动得更精准，让仓储机器人跑得更溜。但你别忘了，这些机器人的每一个动作逻辑，背后都需要懂物理规律的人去建模、去校准、去在数字孪生世界里给它“喂数据” -9。Purdue大学有个研究说得挺在理，那些善于用AI的学生，最后分数高的原因不是他们代码写得多溜，而是他们能提出更深的概念性问题，这恰恰是AI做不到的 -9。
所以，那些光会套公式、做重复计算的“理科工具人”，确实有点悬。《Nature》前几天有篇文章也提到了，那种纯靠写代码、做基础数据分析的入门级科研岗，需求正在肉眼可见地消失，因为AI干这活儿比你快、比你便宜、还不会报错 -10。但这并不意味着学物理、学数学的人没用了，恰恰相反，那些底子打得贼啦扎实，又懂怎么指挥AI干活儿的“新理科生”，成了香饽饽。
比方说，你要是只懂化学，那你可能就是个实验员。但你要是懂化学+懂点Python，能用AI分析实验数据、优化工艺路线，那你在扬子石化那种大厂眼里，就是复合型人才，是研发骨干的苗子 -1。你要是懂数学，别光想着去当老师，现在大模型背后的算法、神经网络，本质上玩的就是多维线性代数那一套 -8。你去搞个大模型融合下的智能数据分析，金融科技、智慧医疗哪个地儿不需要你？ -7
所以说，不是理科被淘汰了，是那种“两耳不闻窗外事，一心只读圣贤书”的学法被淘汰了。首都师范大学的方复全校长有句话讲得特别在理：AI说到底只是技术，不是科学。咱们认识宇宙，靠的还是牛顿定律、元素周期表这些地基 -8。你能因为楼盖得高，就说地基没用了吗？
我的感觉是，现在的焦虑，说白了是咱们这代人第一次面对这么聪明的工具，有点手足无措。就像当年计算器出来的时候，也有人觉得打算盘的都得饿死。结果呢？算账的人还在，只是从打算盘变成了按计算器，效率更高了，能做的生意也更大了。
咱学理科的，那套逻辑推演、批判性思维、透过现象看本质的本事，是刻在骨子里的 -5。这种本事，在AI时代，不但不会贬值，反而是咱跟机器人叫板的底牌。至于那些具体的计算、重复的实验操作，放心大胆地交给AI去做，咱腾出手来，去想想更有意思的事儿，比如怎么去火星上制氧气，怎么造出能治愈癌症的新药 -6。
好了，以上纯属我这几天刷手机加跟人唠嗑的一点个人感想，不一定对，大伙儿也就那么一听。我知道看完这些，大家心里肯定还有不少疙瘩没解开。咱也别藏着掖着，我模仿几个网友的口吻，把大家最关心的问题拎出来，咱们再好好掰扯掰扯。
网友提问一：“小编你这纯属站着说话不腰疼！我是学理论物理的，看到那个Anthropic联创的说法直接失眠了。他说AI两三年就能写出威滕那种级别的论文，我们这种还没博士毕业的菜鸟，还有必要继续‘内卷’吗？是不是赶紧转码农才是正道？”
我的回答： 哎哟喂，这位兄dei，你提的这个问题可真是戳到肺管子上了，够劲儿！我完全理解你的失眠，那毕竟是威滕啊，在世的最伟大的物理学家之一，要是AI连他的活儿都能干，咱这凡人的脑瓜子确实显得有点多余 -2。
但咱换个角度想，威滕那种级别的洞见，是他老人家把物理直觉和深不见底的数学功底揉碎了、掰开了，才迸发出来的火花。AI现在能干啥？它能在你给了具体方程之后，花18分钟找出你几个月才找到的对称生成元 -2。这确实牛，但它本质上是在一个既定的框架里，用超强的算力进行“暴力”或者“模式匹配”。
你自己都说你是“还没博士毕业的菜鸟”，那你现在的核心竞争力是啥？是去跟AI比谁算得快吗？那肯定比不过。你现在最值钱的，是在跟着导师做研究的过程中，培养出来的那种“物理直觉”——就是那种看到一堆乱七八糟的数据，能隐约感觉到“这事儿不对劲，背后可能有戏”的能力。这种能力来自于你对基础理论的深刻理解，来自于你一次又一次实验失败后的复盘，甚至来自于你跟同行在饭桌上的“吹水”碰撞出的灵感。这种东西，AI学不会，因为它没有“失败”的情绪，也没有那种“我非得搞明白这个世界到底咋回事”的执念 -10。
而且，你想过没有，就算AI真的写出了威滕级别的论文，谁去看懂它？谁来把它跟别的物理现象联系起来？谁来据此设计下一个对撞机实验来验证它？还是得靠人啊！所以，咱别把自己定位成“算盘珠子”，要把自己定位成“拨算盘的人”。你现在学的那些看起来“没用”的群论、场论，都是在给你自己的大脑“攒经验值”，让你将来有能力跟AI做“队友”，而不是被它当成“数据”给处理了。转码农不是不行，但如果你是因为恐惧而逃，将来AI把码农的基础活也干了，你往哪儿逃？我的想法是，沉住气，把底子打牢了，未来那个能指挥AI发现新物理定律的人，说不定就是你。
网友提问二：“小编你说的那些大道理我都懂，但我就是个普通二本学化学的，现实就是实验设备老旧，课程设置也跟不上。我看新闻里说中科大都有‘机器化学家’了，我们这种普通学校的理科生，是不是已经输在起跑线上，注定要被淘汰了？”
我的回答： 兄弟，你这问题问得我鼻子有点发酸，太真实了，太扎心了。咱不得不承认，教育资源这东西，它就是不平衡的。看着人家用几百万的机器臂做实验，咱这边还手抖着滴管读数，心里没落差那是假的 -6。
但你千万别因此就觉得自个儿“废了”。恰恰相反，我觉得你现在的处境，藏着“逆风翻盘”的机会。为啥？因为AI这东西，某种程度上是个“平权工具”啊！
你看啊，以前那些顶尖实验室为啥牛？因为他们有最牛的设备，能采集最精密的数据。现在呢，AI大模型，特别是那些开源的，它把“认知”的门槛给拉低了。你虽然没有“机器化学家”，但你可以通过一台能上网的电脑，去调用最先进的AI模型啊！咱石河子大学这样的学校，都已经开始在物理实验里引入AI辅助系统，帮学生处理数据、建立模型了，这就是信号 -4。
你现在的优势在于，你比那些全自动实验室里的学生，更懂“手动挡”的痛。你知道一个实验从无到有会遇到哪些坑，你知道药品不纯会有什么后果，你知道仪器抽风的时候该怎么“修理”它。这些 “脏活累活”里积累出来的经验，是你对物理世界最直观的感知，这是纯跑模型的AI永远无法理解的东西 -10。
你可以试着走这么几条路：
第一，当“翻译官”。把你们学校那套老旧的实验流程，用AI能听懂的方式描述出来，尝试用AI去优化它。比如，让AI帮你设计一个更高效的实验步骤，或者帮你分析过去几年积累下来的实验数据，说不定能找到新的规律。
第二，做“包工头”。现在很多企业缺的不是纯理论家，而是懂行的“甲方”。比如一个化工厂想引入AI优化流程，他们需要一个既懂化工又懂AI的人来提需求、验收成果。你如果能把本专业学好，再自学点Python和数据分析，去B站、GitHub上找资源，跟着那些AI实战项目练手 -3，将来你就是那个最懂业务的“AI监理”。
别光盯着实验室那点差距。未来能和AI打配合的理科生，才是市场的香饽饽 -1。起点低不可怕，怕的是思维被锁死了。
网友提问三：“听你这么说稍微安心点了，但我还是迷茫。我现在大一，学的数学。感觉每天就是定义、定理、证明，也不知道学了以后能干嘛。都说AI火，那我是不是该趁早准备，多学点编程和框架，将来好找工作？”
我的回答： 哎呀，看到大一的学弟/学妹提问，我这心里就暖洋洋的，你这属于“早醒”的人，比那些大四才着急的强太多了！但关于你的这个想法，我得给你泼一盆小小的冷水：千万别急着“偏科”！
你现在才大一，正是练“内功”的黄金时期。你想想，那些花里胡哨的编程框架（PyTorch、TensorFlow啥的），就像武侠小说里的招式，两年一小变，五年一大变。你今天辛辛苦苦学的框架，等你毕业的时候，说不定早就被新的替代了 -3。但你学的数学呢？数学分析、高等代数、解析几何，这些是“内功心法”。不管AI的招式怎么变，它底层跑的那些算法，追根溯源，还是你课本上那些线性代数、概率论、最优化理论 -5。
方复全院士说得特别好，神经网络说白了就是多维线性代数问题 -8。你如果把矩阵运算的本质吃透了，将来去看那些复杂的模型结构，你看到的是“血肉”，是数学原理在流动，而不是一堆乱七八糟的代码。那些只学会了调包、不懂数学原理的人，模型一报错、效果一不好，他就抓瞎，只能上网发帖求助。你呢？你能自己从数学原理上分析，是梯度爆了还是收敛方向错了，这就是你的不可替代性。
所以，我的建议是，大一、大二，老老实实把数学基础课学扎实，尽量往深了学，往透了学。 哪怕觉得痛苦，也要忍住，这是给自己未来几十年攒下的最值钱的资本。当然，不是说让你完全不碰编程。你可以把Python当成一个高级计算器，用来验证你学到的数学定理，用来画个图、算个矩阵，培养一下感觉就行 -7。
等到大三、大四，你的“内功”小有所成，再去学那些具体的AI工具和框架，你会发现，那简直是“降维打击”，一学就通，一通就能用，一用就比别人玩得溜。那时候，就不是你求着AI赏饭吃，而是AI求着你给它指方向了。记住，在AI时代，底层的数学逻辑，是你理解世界、驾驭机器的最硬核的底气。