一个 AI for Science 博士,预期年薪 100 万。ChatGPT -Pro,公开200 美元/月。最近事情更有喜剧效果了:OpenAI连这200美元的新订阅都暂时不卖了。但想拿 100 万年薪的人,肯定还是很多的。所以问题已经不是 AI 会不会替代谁。而是:对方支付给你的这一百万,你到底让对方买到了什么AI买不到的东西?代码、检索、计算、建模、画图、写论文?最好别说。这些正在从“人才能力”降格成通用模型功能。两名高中生Aayush Bathija和Prince Rohatgi,在研究人员指导和 AI 协助下,完成 75 页论文,推进 Lorentzian polynomial 的前沿问题。论文致谢里最值钱的一句话:问题来自菲尔兹奖得主June Huh。这才是重点。新的科研生产结构已经很清楚:好问题+好入口+ AI。剩下大量标准化技术训练,价格正在往下走。于是 AI for Science 出现了一个很有意思的景观:大家争着去做AI最擅长做的事情,然后要求一个AI完全不理解的薪水。真正越来越贵的,反而是那些无法订阅的东西:谁给你问题。谁给你数据。谁让你碰机器。谁带你进现场。谁允许你连续失败。这些东西通常不会写在简历第一行。但决定了简历值多少钱。所以最危险的履历,可能恰好也是最标准的:博士。AI。计算化学。生物信息。熟练大模型。什么都会(自己认为自己会)。什么都不拥有(自己误认为自己拥有技术)。没有问题。没有数据。没有实验入口。没有真实场景。最后只能出售一句:“我会做。”偏偏“会做”,正在成为最便宜的商品。这大概也是 AI for Science 最值得年轻人警惕的地方:它看起来站在未来最前沿,却可能恰好聚集着一批最容易被未来压价的人。现在连那 200 美元都暂时买不到了。百万年薪的简历,倒还在源源不断地生产。有些行业最先进的部分,是名字。