最近看到了一篇帖子，是关于“学生思维”的，借着这个机会，反省一下过去的有毒学生思维：
未来…
会做什么，不如能用AI做什么
做了什么，不如能讲出来什么
做了多厉害的东西，不如能给多厉害的人讲出东西
有多强的理论，不如有多强的实践
理论不重要，调动情绪更重要
Don’t tell me, show me.
随便写点 供参考
Last edited by @cuiboran 2026-01-26T09:40:30Z
嗯 某个前辈转过来的
确实，学生思维就是总想准备完美再动手，结果一直拖延。工作后发现迭代才是王道。
这是？Pull Request? 
PR 一般指 public relations，不过 pull request 也合理哈哈
Public Relationship 公关
还在反思
自我批斗 
绿卡
其实也只是短期未来。
目光稍放长远的情况下，90%的AI擅长的领域中一个人指挥AI就能干十个人的活。也就是，90%的领域中90%被替代。不能要求所有人都成为前19%，或者说对于大部分人来说，现在的学习只是为了“活到彻底没办法了的时候”和“万一AI的上限意外的低（卡在半道，也就是刚好让一半的人失业的最痛的阶段）我怎么活”。时效性地，保险性地，学习技能。我个人认为是这样的。
至于后面的事情，看肉食者的良心/意愿吧。正如我所说，99.9%的人是宠物，或者100%都是。
这真的很难吗，北专大多数人上个211没问题，而211已经是高考前百分之5了
2025年北京211率16％，广东211率3％
真的存在这种领域吗（
那两个90%并没有特殊性。无论早晚而已。
也许未来哪天agentic有大进展或者ttt方向突破了，本来每1人劳动力的AI需要0.1真人指挥，因为模型/多agent体系自律性提升了，直接变成每1人劳动力的AI需要0.01甚至干脆变成0。我们都看到AI的进展是多么神速，以至于在偏悲观的预测者看来开源模型落后闭源模型半年就已经是无法逾越的天堑。指不定哪天本来有工作的，就变成没有了。
现在vibe coding在一些低复杂度（AI写也不容易出bug的较简单的项目）的项目上已经在应用了，不说十倍，两三倍总得有了。陶哲轩在x中也自述拿full版的google的heavy模型做研究中的琐碎或简易的工作。
当然这些是技术含量较高的领域。在批量清洗/格式化数据的领域，并发的AI在速度上的提升是几百倍的，成本甚至比人工也更低（得益于DSA稀疏注意力机制等）。
现在固然还没有那么可怕的替代率，但问题是它首先完成了从0到1，其次它没有要停下来的倾向。当然，我在一开始也预设了“万一上限没那么高”的可能性，但是我觉得这个可能性至少不是压倒性的高概率。
不过在我了解的专业（化学生物一类）
似乎LLM在核心内容应用的很少
专业领域永远只是留给少数人的
大部分人主要做的是“维持性”或者“维护性”的工作而不是去make difference。
或者说如果你能去干后者，你很厉害，但大部分人去不了。
目前的情况是大部分领域AI还只是辅助者的作用，但是这并不妨碍这个“大部分”涵盖的范围会，而且正在变得越来越少，乃至变成小部分，最后只留下真正少部分的只有人才能做的“精华”；但是这个时候，大部分人早就失业很久了。
化学不了解。生物在提高占比，生信 UW BakerLab，以及现在各种各样分析的办法。
有一些蛋白就是用AI合成的，不一定局限于LLM，因为LLM本质上还是处理语言，把词汇拆成token……
甚至现在之所以论文工厂比例提高，就是因为生信pipeline已经被AI跑通了，药理学、毒理学那些
前几天还看到一个朋友在中科院深圳先研所做了一套infrastructure，用AI分析Neuro数据。
有道理，但我这里想表述的是，AI的出现已经短暂的打破原本的门槛，并且会持续几年。例如原本论文中的“学术语言”是经历过八九年高等教育学习（本科、研究生、甚至博士）的专属，而现在人人都能把一个观点转换为精确的学术语言。
例如我熟悉的生物领域，一个本科生发现一个蛋白对某种通路有效，原本需要几个老师指导如何写作，修改几周甚至几个月，现在可以自己一个人根据数据直接写出论文快速投稿
当然，Case 很多，不只局限于学术界。
但这里，其实我有点疑问，如果是“时效性地，保险性地，学习技能”，那似乎现在这一类的技能也不会是最前沿的，反而是保守性质的技能。只要不涉及到体力活，似乎现在的AI基本上也都能掌握的很好。