AI时代，国际关系学者会被淘汰吗？

AI到底会不会让我们失业？

      我的判断是：AI不会淘汰"国际关系"这个学科，但会淘汰一批不做进化的传统学者。

      这篇文章，我想把这个判断拆开来讲透。它分为五个层次，越往后越扎心，但也越有机会。

先说让人安心的一面。国际关系学的核心壁垒，恰恰是AI目前最不擅长的几块。

第一，现场感与隐性知识。

      跟一个中东大使喝三次咖啡才能建立的判断，和一叠卫星图加新闻语料训练出来的模型，结论往往不一样。小国精英之间的私下博弈、非正式渠道传递的信号、文化背景里的潜台词——这些东西AI很难捕捉到。

第二，理论与框架的建构力。

      现实主义、建构主义、英国学派这套东西，本质上是给混沌的世界提供叙事的骨架。AI擅长在这个骨架里填充血肉，但它不擅长凭空创造出一根新的骨头。像沃尔兹《国际政治理论》那种级别的抽象，短期内还是人类的工作。

第三，政策圈层的信任。

      智库报告、政府简报最终的买单方在意的是"这个人是否可靠"，而不是"这篇报告的困惑度有多低"。人脉积累、职业操守、敢于承担责任的判断力——AI没有主体资格来做这些事情。

这一刀砍得很实。以下三类学者，正在加速贬值。

第一类："文献搬运工"。

      特征是每学期课件几乎不变，主要工作是综述别人写了什么，自己很少生产一手判断。

      为什么危险？AI现在能做95%的文献综述，还能自动对比不同流派的论点，甚至帮你找出逻辑矛盾。学生自己在宿舍用AI跑一遍，可能比你上课讲的还全面。

      有个真实的案例：某985高校一位教西方国际关系理论的老教授，讲摩根索讲了二十年。去年课堂上，学生直接拿AI生成的对比表格问他："老师，您说的和这个版本有什么区别？"场面一度非常尴尬。

第二类："地图炮式区域专家"。

      特征是没有去过对象国、不会当地语言、主要靠《经济学人》和BBC来了解那个国家。

      为什么危险？AI可以直接接入该国本土媒体的实时语料——无论是波斯语、阿拉伯语还是俄语——做情感分析和舆论追踪。你还在等下周的《外交事务》杂志，AI已经把今天下午该国议会辩论的摘要翻译好了。

      真正不可替代的区域专家，是那些在当地生活过、有情报网络、能读懂字里行间意思的人。这种人AI暂时碰不了。

第三类："纯规范研究的老先生"。

      特征是只写"应然"——国家应该合作、应该遵守国际法、应该建立全球治理——但不做实证检验。

       这类工作在2000年以前是主流，但现在顶级期刊越来越倾向于有因果推断、有数据支撑的文章。AI不会取代康德式的道德哲学思辨，但纯规范的论文在学术市场上的议价能力确实在下滑。

      很多人没注意到，AI对国关教学的冲击可能来得最快。

    现在的本科生和硕士生，入学前就已经用过ChatGPT、Claude、DeepSeek。他们可以让AI五分钟内总结完基欧汉的《霸权之后》，可以让AI生成一份"中美贸易战的时间线与各方策略"，甚至可以让AI模拟一次联合国安理会辩论。

      那么问题来了：如果老师的课只是念PPT加复述教材，学生为什么还要来教室？

真正的教学护城河在于三点：

一是苏格拉底式的追问。

      AI能给答案，但不能给学生制造认知失调。老师可以追问："你说现实主义解释不了冷战结束，那你认为哪个理论更好？它的漏洞在哪里？"这种逼迫学生重构思维框架的能力，AI目前做不到。

二是实战经验的分享。

      你在外交部、智库、NGO工作过的真实案例——"那次谈判我们本来准备让步，结果对方先扛不住了"——这种东西AI编不出来，也最有感染力。

三是人脉与推荐。

      学生选这门课，有时候就是为了让你写推荐信、介绍实习、引荐圈子。这是纯人际资产，AI无法染指。

      这一层比较技术化，但很重要。传统国关研究的两大支柱——案例研究和大样本统计——正在被AI同时颠覆。

案例研究正在被"升级"。

      过去批评案例研究的人总是说：N等于1，你怎么推广？现在AI可以做合成控制法——用一个算法构造一个"反事实"的虚拟国家，然后跟你研究的真实国家对比。比如你想知道"美国制裁伊朗到底有没有用"，AI可以生成一个"没有被制裁的虚拟伊朗"，然后对比两条时间线的经济和政治指标差异。

      这对传统案例研究者意味着：纯描述性的案例研究不再被视为严谨的研究；但会使用合成控制法、过程追踪结合AI编码的案例研究，反而比以前更受重视——因为你既能讲深度故事，又能给出定量证据。

从回归分析走向复杂系统仿真。

      传统的大样本统计依赖线性回归：X对Y的影响是多少。但国际关系的现实是非线性的——一个小事件可能引发连锁反应。AI中的基于主体的建模可以模拟这种复杂性。

      举个例子：你想研究"社交媒体上的民族主义言论是否会增加边境冲突的概率"。传统方法只能做相关性分析。AI可以创建数千个"虚拟国家"，每个内部有不同的政治派系、媒体生态和公众情绪，让它们按照你设定的规则互动，运行一万次，观察哪些条件下冲突会爆发。

      这种研究范式正在快速进入顶级期刊。不会做仿真的国关学者，十年后可能会像今天不会做回归分析一样尴尬。

      这里有一个更根本的问题，很多人没有意识到：AI正在改变"什么是好的国际关系知识"的标准。

      传统的标准是理论原创性、逻辑严密性和经验充分性。但AI带来了一个新的竞争者：预测准确性。

      如果一个AI模型能比你更准确地预测下一次军事冲突的发生地点和时间，决策者会相信谁？答案是显而易见的。

      这就形成了一个张力：传统学者说"我的理论虽然预测不准，但它解释了深层机制"；AI说"我的预测虽然解释不清，但它准"。

      目前学界还没有共识，但一个明显的趋势是：政策界正在倒向AI一边。美国国防部的"Project Maven"、CIA的情报分析辅助系统，都在用AI做预测，而不是请教授写长篇报告。

      这对传统学者的冲击是：如果你的知识不能转化为可操作的预测，它在政策市场的价值就在下降。但这不等于纯理论没有价值——只是你需要找到新的方式来证明自己的价值。

      一个可能的出路是：成为"解释者"。当AI做出一个预测时，由你来解释"为什么是这个结果"、"背后的结构性力量是什么"、"这个预测在什么条件下会失效"。这是人机协作的理想分工。

      这是最现实、也最残酷的一层。

期刊审稿体系正在变化。

      顶级期刊的编辑和审稿人群体正在年轻化。新一代审稿人的偏好是：有数据、有方法创新、有可复制性（代码和数据公开）、最好涉及AI或计算社会科学。如果你投一篇纯定性的文章，不是不能发，但难度比以前大了很多。

基金申请的游戏规则变了。 

      在中国，国家社科基金、教育部人文社科项目的评审中，"运用大数据/AI方法"已经成为加分项。在美国，NSF专门设立了社会科学加AI的资助方向。不会写"方法创新"部分的学者，拿项目的能力在下降。

学生的选择也在改变。

       优秀的学生越来越倾向于选择那些能教给他们硬技能的导师。一个能教你Python、NLP、网络分析的导师，比一个只能带你读书写文章的导师更受欢迎。这意味着传统学者带不到好学生，没有好学生就意味着产出下降、影响力下降，形成恶性循环。

说完这么多悲观的一面，我想给一个反转的视角：

当所有人都涌向AI和方法论时，真正稀缺的反而是那些"老派功夫"。

具体来说有三样东西正在重新变得值钱：

第一，深度历史知识。 

      大多数AI模型的历史训练数据截止于某个时间点，而且对冷门时期的覆盖很差。一个真正懂这段历史的学者，可以告诉AI："你的推理前提错了，1878年柏林会议的真实条款是这样的……"这种纠错能力非常值钱。

第二，跨文明比较能力。

       AI在处理单一文明内部逻辑时表现不错，但在比较不同文明的政治逻辑时经常出错——因为它缺乏对人类学意义上"异质性"的理解。一个能同时谈论儒家天下观、伊斯兰乌玛观念、欧洲威斯特伐利亚体系的学者，在AI时代反而更稀缺了。

第三，田野调查与一手资料。 

      AI永远无法替代"我在叙利亚北部待了两年，见过地方武装指挥官本人"这种经验。这种经验不仅是知识来源，更是信用背书——当你写报告时，读者知道你真的去过，他们会更相信你。

所以，一个聪明的策略是：

      不要放弃你的传统优势，但要给它加上AI增强。 比如你懂中东历史，那就用AI做大规模史料数字化，发现前人没注意到的模式，然后发顶刊。

与其担心被淘汰，不如看看那些已经开始吃红利的同行在做什么。

第一种：计算国关学者。

      技能栈包括Python或R语言、自然语言处理、社会网络分析、因果推断。代表作有：用联合国演讲语料预测国家联盟变动，用推特数据追踪极端组织的动员模式，用贸易网络模拟制裁传导效应。优势是发顶刊容易，拿项目容易。门槛是需要一定的数学基础和心理承受力。

第二种：技术地缘政治专家。

      技能栈包括半导体产业链知识、理解芯片设计流程、理解AI模型架构、再加上传统IR理论。代表作有：分析美国对华AI芯片出口管制的外溢效应，研究EUV光刻机的地缘分布如何改变大国博弈格局。这类人才极度稀缺——全世界能把"Transformer架构"和"均势理论"放在同一篇文章里的人，不超过三位数。各大智库抢着要。

第三种：AI增强型政策分析师。

      技能栈包括熟练使用AI工具做情报研判、危机推演和政策方案生成。日常工作可能是：让AI扫描500份外媒报道并标出异常信号，自己判断哪些是真威胁，让AI生成三个应对方案，自己选一个并润色成简报。优势是效率碾压——一个人能干以前一个团队三天的活。门槛是需要很强的判断力和写作功底。

       如果你现在是一个35岁以上、不会编程、不会外语、没有海外实地经历、只在中文互联网上发文章的传统国关学者——坦白讲，你的职业生涯红利期已经过去了。

      这不是说明天就会失业，而是说：你在学术界的相对地位会持续下降，你在政策圈的咨询价值会被更年轻、更懂技术的学者取代，你的学生会在背后偷偷用AI完成你布置的作业，而你甚至看不出来。

但如果你愿意动：

      花三个月学Python基础——不用精通，够做文本分析就行；

      花半年补一个区域的语言——哪怕只学到能读新闻标题；

      花时间真的去一趟你写的那个国家。

      你就能从"即将被淘汰的那批"跳到"稀缺人才那批"。

AI不会让国际关系学科消失，但它会让这个学科的"舒适区"消失。

       以前可以靠一本教材、几篇论文、一套理论吃一辈子饭的日子，结束了。

但另一方面，这个学科的核心问题——权力怎么分配、战争为什么会发生、秩序如何构建——比任何时候都更重要。AI时代的地缘竞争、技术治理、全球治理碎片化，恰恰是最需要IR学者出场的时候。

      问题是：你是那个能上场的人，还是那个坐在台下抱怨规则变了的人？