我这几天刷知乎，越刷越焦虑。
你猜怎么着？一边是各种大新闻刷屏——Anthropic的联合创始人Jared Kaplan（这哥们儿自己就是哈佛物理博士出身）直接放话，说未来两三年，AI有50%的概率能写出媲美顶级物理学家的论文，甚至包括菲尔兹奖级别的成果-8。另一边又是各种“实测”，浙大老师把大学物理期末考卷扔给DeepSeek，人家直接拿满分，而人类考生里能考满分的“可能也就1%”-3。
说真的，看到这些的时候，我手心都出汗了。作为一个当年差点被高数逼疯的理科生，我脑子里嗡嗡的：这世道变天了啊？当年我们哭着喊着啃的微积分、量子力学，以后是不是AI几秒钟就搞定了？那学了这么多年理科，到底图个啥？特别是知乎上那个被浏览了3万多次的热门问题——“AI会取代理科吗知乎”，底下的回答我看了一宿，看完反而有点清醒了。
今天我就把我在知乎上扒到的那些“高赞干货”给大伙儿整理整理，咱不说那些虚头巴脑的理论，就聊聊大实话。
一、理科生别慌！AI考满分≠能搞科研
先别急着把专业书卖了。
没错，AI现在考试确实牛。那位浙大的物理老师姬扬做了个挺损的实验，他把三次大学物理考试的题目喂给AI，结果AI期末考试100分（满分100），物理竞赛200分（满分200）。人类选手呢？能考满分的凤毛麟角-3。这事儿要是让不知情的人看见，肯定得说“完了，物理老师要失业了”。
但这里头有个特别关键的坑——考试考得好，不代表会做科研。
打个比方，这就好比你让一个记忆力超强的人参加开卷考试，他翻书速度贼快，把所有标准答案都抄上了，得了满分。但你能说他会搞科研吗？不能啊！科研不是做卷子，科研是在没有标准答案的地方找答案。
知乎上有个搞物理的答主“佳人李大花”说得特别扎心。他说，现在AI写代码是快，但有个致命问题——你敢不敢不检查直接用AI生成的数据发论文？ 你敢吗？反正他不敢。因为AI经常为了“跑得快”偷摸简化模型，比如删掉一个关键的微扰项，或者把哈密顿量矩阵的正负号弄反。代码能跑通，但数据全是错的-5。
你要真把AI当“科研民工”使唤，那可以。但你要让它当“总工程师”，它目前连门儿都没有。
二、那AI到底在取代什么？——别把“搬砖”当“盖楼”
这个观点是我在知乎上看到一个回答后瞬间通透的。
AI正在取代的不是“理科”，而是“理科里那些不需要思考的重复劳动”。
你想想，以前的理科生——特别是做理论物理、做计算的——每天在干啥？调代码、改参数、画图、翻译公式到代码、查文献……这些活儿说白了，是“搬砖”，不是“盖楼”。真正“盖楼”的那一步——提出一个好问题、设计一个没人想过的实验思路、从一堆看似矛盾的数据里揪出本质——这些，AI基本干不了。
有个答主分享了个特形象的比喻：AI现在就像个“高温状态下的开普勒”-7。开普勒当年为了找行星运动规律，啥假设都敢提，正多面体嵌套、行星音乐和声……90%都是错的，但他就靠着第谷那“黄金数据”反复筛选，最后筛出了三大定律。
AI现在也是这德行——它能给你海量生成“想法”，一天扔给你几千个“可能对”的猜测。但哪个真对？哪个值得深挖？这个筛选和验证的过程，还得靠人。
所以你看，AI的出现没有消灭理科，它只是把“理科生”的及格线往上拽了一大截。以前你只要会算会写代码，就算个合格的理科生了。以后不行了，以后你得像陶哲轩说的那样，去干那些AI干不了的事儿——比如判断一个“半吊子进展”到底有没有价值，比如建立新的概念框架-7。
三、有人真怕了？那是你没看懂“杰文斯悖论”
我还注意到一个现象——有些搞科研的朋友是真的焦虑，觉得AI把“从模型到代码”这步抢了，自己就没活儿干了。
但你看看经济学里那个经典的“杰文斯悖论”：19世纪英国人发现，蒸汽机效率越高、烧煤越少，结果煤炭总消耗量反而暴增。为啥？因为效率高了、成本低了，用的人更多了，总需求反而暴涨-5。
科研也一样。AI把代码实现、数据整理这些环节的成本打下来之后，你以为物理学家们就能躺平了？想得美！那些给你提需求的人会说：“既然验证一个模型只要几天了，那你给我测试200种排列组合，再把以前不敢算的多维相互作用全加上！”
工作量不会减少，只会换一种方式爆炸式增长。 你的工作内容会从“写代码”变成“设计实验、筛选假设、交叉验证”——这些活儿，比写代码更烧脑，也更值钱。
四、教育的“新猫鼠游戏”：AI时代的理科该怎么学？
说到这儿，我不得不提一个特别现实的痛点——现在的大学生到底该咋学？
我刷到一篇科普中国的深度报道，讲的是大学课堂里的“AI猫鼠游戏”-9。老师在上面苦口婆心地教写作，学生在下面用AI一键生成新闻稿，连采访都省了。有个老师吐槽说，看着学生交上来的AI作业，感觉“自己像个傻子，费老大劲教，结果学生拿一堆假东西糊弄”。
但这事儿能全怪学生吗？不能。
问题在于——当AI能轻松搞定“标准答案型作业”时，我们的理科教育还在考什么？
复旦、交大、清华这些学校已经意识到问题了，开始出台各种AI使用规范，有的禁止在论文里用AI生成核心内容，有的要求用AI必须标注-9。但说实话，这些“堵”的办法只能是权宜之计。真正要改的，是理科教育的目标——从“训练学生当人形计算器”，变成“训练学生当问题提出者和验证者”。
以后理科考试，考的不应该再是“你能算多快”，而应该是“你能提出一个AI想不到的问题，或者能判断AI给出的100个猜想里哪一个值得试”。
五、给还在纠结的你：3个真实建议
刷了这么多知乎回答，我也不是光焦虑，确实找到了一些方向。如果你跟我一样，正在纠结“AI时代理科还值不值得学”，这3条建议可能有点用：
第一，把AI当“便宜又好用的研究生”使唤。 别跟它抢活儿，把那些琐碎的、重复的、你本来就不爱干的事儿扔给它——查文献、写代码模板、画初稿图、润色文字。省下来的时间，去干它干不了的事儿，比如跟同行深度讨论、跨学科找灵感、死磕那些“反直觉”的细节。
第二，练“提问能力”。 陶哲轩说，AI让“想法”变得廉价，真正的瓶颈是验证-7。但我还想加一句——提问能力会越来越贵。能提出一个好问题的人，永远不会被AI取代。
第三，别怕犯错，怕的是不敢犯错。 开普勒当年要是怕被人笑话，就提不出那个正多面体模型——虽然模型是错的，但正是那个错，逼着他去找第谷的数据，最后发现了椭圆轨道。AI时代，试错的成本变低了，这意味着你更应该去试。
说了这么多，可能还有人心里犯嘀咕。我特意整理了几个知乎上吵得最凶的问题，模仿网友的口吻问了问，也试着给出我的回答，希望能多几个角度看清楚这事儿。
网友1：谁说AI不取代？我学数学的，现在连公式推导AI都比我强，我毕业还能干啥？
这位兄弟，你这个焦虑我能理解。但你可能搞混了一个事儿：AI推导公式比你快，是因为它记住了无数现成的推导路径，而不是因为它“理解”了数学。
我给你说个真实案例。之前有两位研究人员号称用GPT-5一个周末解决了10个“百年悬案”级的埃尔德什难题，结果呢？事后被扒出来，GPT-5做的只是“检索到了已有的研究成果”，根本不是独立提出新证明-1。这事说明啥？说明AI在数学上目前就是个“超级文献检索器”加“组合高手”，它能把已有的方法排列组合、快速试错，但它创造不了新数学。
那你问自己一个问题：你是想当那个“把已知方法排列组合”的人，还是想当那个“创造新方法”的人？如果你只想当前者，那确实，AI比你快。但如果你想当后者，那你需要的是比AI更深的东西——直觉、品味、对一个领域的长期浸淫，以及敢于挑战主流共识的勇气。
这些东西，AI学不来。而且，你想想，当AI把那些机械的推导都干了之后，真正需要创造力的活儿反而更值钱了。你不是没活儿干，你是活儿更多了，只不过活儿变难了。
网友2：我是个理科老师，现在上课特别痛苦，学生作业全是AI写的，我该咋整？
老师您好，您的痛苦我特别理解。我刷到一个数据，说现在超过50%的大学生“经常或总是”用AI辅助学习-9，而且很多老师反映，用AI写作业已经成了一种“内卷”——你不标AI，怕分数低；你标了，又怕老师觉得你不诚实-9。
但我觉得这事儿得换个角度看。学生用AI写作业，其实暴露了一个问题：如果作业AI能轻松搞定，说明这个作业本身可能太“标准答案化”了。
我注意到复旦、交大这些学校已经开始探索新的考核方式了。比如有的老师用“自己挖的坑自己填”——期末的时候，把学生一学期用AI辅助完成的作业收集起来，喂给AI，让AI根据每个人的作业生成专属考题-9。这意味着，如果学生当初只是简单复制粘贴，没真正理解，那期末考的时候，AI会把他“没学会”的东西全给揪出来。
还有老师干脆在课堂上教学生怎么用AI，然后考试的时候考的是“你能不能判断AI给出的答案哪个是对的、哪个是幻觉”-9。
我觉着这才是正路——与其跟AI赛跑，不如教学生怎么骑上这匹马。 您教的是理科，理科的核心是“理解世界的逻辑”，不是“防止被AI抓到”。您要是能把AI变成您课堂上的助教，而不是对手，那您的课可能会变成全校最抢手的课。
网友3：看了这么多，我还是想问那个最俗的问题——理科生以后还吃香吗？
说实话，这个问题的答案特别简单：吃香，但吃的不是同一种香了。
以前理科生吃香，是因为我们掌握了一套“别人不会的技能”——会算、会编程、会建模。这套技能在当时很稀缺，所以值钱。
但现在AI把这套技能的稀缺性打掉了——或者说，打掉了它“低端部分”的稀缺性。一个不太复杂的建模，AI几秒钟就能搞定，你学了两年的数值计算方法可能不如AI的一个提示词。
但是，另一套技能变得极其稀缺了。
什么技能？提出正确问题的能力、跨学科把不同领域知识串起来的能力、从一堆杂乱的数据里提炼出物理直觉的能力、判断一个AI给出的“猜想”到底值不值得试的能力。 这些技能，AI一个都没有，而且短期内不可能有。
所以你问理科生以后吃不吃香？吃香。但不是因为你“会算”，而是因为你“能想”。AI算得再快，它也只是个工具。工具永远不缺，缺的是知道该用工具干啥的人。
那怎么培养这种能力？我的建议是——别把自己当“工具人”培养，把自己当“问题猎人”培养。多问“为什么”，多跨领域看东西，多跟不同专业的人瞎聊，多尝试那些“可能没用但很有趣”的想法。这些事儿，AI不感兴趣，但你感兴趣，这就够了。
