二三十年后，AI 将如何改变工作的价值？

写作说明：本文借助 AI 收集和梳理相关研究、报道与不同观点，并结合个人思考完成。文中对未来的判断属于基于现有资料的推论，欢迎讨论与指正。

今天突然想到一个问题：再过二三十年，当 AI 更深入地参与生产与科研，社会的职业分工会发生怎样的变化？什么样的工作会变得更有价值？
我们很容易把高学历、高技术门槛和职业安全联系起来。学习足够复杂的知识，掌握足够专业的技能，似乎就能在社会分工中占据一个比较稳固的位置。
但如果 AI 能越来越好地写程序、分析数据，甚至提出科学假设、证明数学结论，这种判断还可靠吗？反过来，那些让人感到被理解、被关心，帮助人建立关系、获得归属感的工作，会不会变得更加重要？
我最初的直觉是：未来，一些看起来“高精尖”的工作可能被 AI 接手，而提供精神价值的行业可能迎来发展。
查阅相关研究后，我发现，这个想法有依据，但需要加上几个重要的条件。知识和分析能力正在变得更容易获得；人的价值可能因此发生转移。但情感服务也已经进入 AI 的能力范围。
科研也开始成为 AI 可以参与的生产过程
2026 年 3 月，发表于《Nature》的研究介绍了 The AI Scientist：在机器学习研究场景中，系统能够提出想法、编写代码、运行实验、分析结果并生成论文。研究报告，其中一篇系统生成的论文通过了一个机器学习会议工作坊的首轮同行评审。1
这里有必要把尺度说清楚：这是工作坊，录取率为 70%，并不等于 AI 已经能够独立完成所有学科的一流研究。介绍这套系统的《Nature》论文，也不能和系统生成的论文混为一谈。
不过，它仍然触及了一个过去常被视为人类专属的领域：AI 开始参与从想法到研究报告的连续过程。
同年 5 月，《Nature》发表的 Co-Scientist 研究则把重点放在科学假设的生成与改进上。研究者在药物再利用、治疗靶点和抗菌药物耐药机制等方向进行了验证，部分结果获得了体外实验支持。这仍然是科学家参与、引导和验证的协作系统。2
这些研究无法证明“科学家将被取代”，但足以提醒我们：一个任务很难、需要多年专业训练，并不意味着它天然无法被自动化。
如果未来 AI 能可靠承担更多科研环节，同样规模的团队可能完成更多研究，也可能出现某些岗位缩减。方向取决于研究需求、资金投入，以及人类还需要承担哪些任务，不能仅由一次技术突破决定。
数学界的争议，让这个问题变得更具体
最近数学界围绕 AI 的争论，让我对这件事有了更直接的感受。
2026 年 9 月 11 日，陶哲轩在博客上发布了一份由 25 位菲尔兹奖得主作为初始联署人的声明。他们承认 AI 解题能力的进步，同时担忧企业把攻克开放问题当作模型竞赛，会损害数学中的概念理解、研究传承与学术规范。3
10 月 6 日，OpenAI 批量公开了一批内部模型生成的数学结果，并提供部分证明的 Lean 形式化文件，用于计算机检查。次日，人类数学协会（AHM）发表抗议声明，并由陶哲轩博客转载，反对这种大规模发布方式，呼吁数学家停止与 OpenAI 合作。4 5
这里需要分清几件事：企业声称得到结果、证明通过形式化检查，以及数学共同体理解并吸收这些结果，是不同的环节。批量发布也不意味着每项结果都已得到独立确认。把这场争议概括成“数学家不愿意让 AI 解题”，容易忽略真正的问题。
独立的数学与人工智能咨询小组（AGMAI）提出了更具体的要求：正确引用已有研究，说明模型、尝试过程和计算成本，改善证明的可读性，并支持数学家理解这些成果。他们也担心，只有少数企业掌握强大内部模型，会让其他研究者失去平等参与前沿研究的机会。6
这个小组在 10 月 6 日的回应中还强调，自己的咨询角色不代表认可发布过程，也不代表整个数学界；数学研究的未来不能只剩下理解 AI 企业提供的结果。7