AI会取代计算机和信息研究科学家吗？构建自己替代者的悖论

你每天都在推动机器能力的边界。你设计算法、构建模型、发表论文，这些成为明天的AI产品。现在人们不断问：你正在构建的东西最终会取代你吗？

数据表明答案很复杂——而且比你可能预期的更加乐观。

最高暴露率，最低风险之列

计算机和信息研究科学家在2025年的AI整体暴露率为76% [事实]，是我们超过1,000个职业数据库中最高的数字之一。然而自动化风险仅为25/100 [事实]。暴露率和风险之间51个百分点的差距是我们追踪的所有职业中最大的。这是该角色的定义性悖论：你最大程度地暴露于AI，因为你与AI共事，但正是这种专业知识使你异常难以被取代。

美国大约有38,200名计算机和信息研究科学家 [事实]，中位年薪为145,080美元 [事实]。劳工统计局预测到2034年将有非凡的+21%增长 [事实]，这是我们技术类别中所有职业中最快的增长率。对能够推进计算前沿——特别是AI本身——的研究者的需求正在加速，而非减少。

理论暴露率高达惊人的90% [事实]。理论上，AI几乎触及这项工作的每个方面。但实际暴露率为62% [事实]，意味着实际情况更加微妙。AI是研究中强大的合作者，但推动科学边界的创造性和概念性工作已证明对自动化具有抵抗力。

任务层面分析：重要的工作

分析实验结果和基准测试计算性能的自动化率为72% [事实]。这是最容易自动化的任务，AI已经在改变它。自动化实验跟踪、超参数优化和基准比较工具可以在过去评估少量配置所需的时间内处理数百种模型配置的结果。过去花数天分析实验输出的研究者现在只需几小时——而且分析通常更加全面，因为AI可以更全面地探索结果空间。

撰写和审阅研究论文及技术出版物的自动化率为58% [事实]。AI可以起草文献综述、生成相关工作部分、建议论文结构，甚至产出方法论部分的初稿。同行评审正在被检查统计有效性、标记实验设计潜在问题以及识别作者可能遗漏的相关先前工作的AI工具所增强。但概念性贡献——使论文值得发表的洞见——仍然属于人类。

设计和实现新颖算法及计算模型的自动化率为45% [事实]。这是该角色的创造性核心，也是该领域在增长而非萎缩的原因。AI可以建议算法修改、探索设计空间，甚至生成代码实现。AI驱动的代码助手等工具确实有用。但选择解决哪个问题、以导向突破的方式框定问题、设计真正新颖而非现有技术重组的方法——这需要当前AI系统不具备的那种科学创造力。

增长轨迹

到2028年，整体暴露率预计将达到86%，自动化风险仅攀升至34/100 [估算]。暴露率天花板正在接近最大值，但风险增长异常缓慢。这个领域正在经历我们所说的"专业知识护城河"——你对AI的理解越深，AI就越难取代你对AI的判断。

与其他技术角色相比，计算机和信息研究科学家具有独特的定位。软件开发人员面临更高的替代风险但暴露率更低。数据科学家面临类似的暴露率，但在更应用的场景中，AI可以更容易地替代。研究科学家占据着人类创造力最为关键、最难自动化的前沿。

完整的逐年数据和任务分析，请访问计算机和信息研究科学家职业页面。

在前沿蓬勃发展

未来十年引领潮流的研究者是那些将AI作为科学生产力倍增器的人。拥抱AI驱动的实验管理和分析——这不是威胁，这是超能力。使用AI写作工具加速发表中枯燥的部分，同时将精力集中在重要的想法上。学会与AI作为研究合作者共事，利用它探索假设空间并生成候选方法，然后由你评估和优化。

最有价值的技能不是任何特定的技术能力。而是识别重要问题、以导向进步的方式框定问题、并保持产生突破所需的那种深入持久的创造性专注的能力。AI可以帮你运行一千个实验。它无法告诉你哪个实验值得运行。

你正在构建将重塑我们数据库中每个其他职业的工具。悖论在于，通过这样做，你让自己的角色变得更加重要，而非更不重要。前沿在不断移动，而总需要有人在那里推动它。

来源

• Anthropic经济影响报告，2026 [事实]
• 美国劳工统计局职业展望，2024-2034 [事实]
• O*NET OnLine, SOC 15-1221 [事实]

更新历史

• 2026-03-30：首次发布，包含2025年基线数据。

---

本分析借助AI使用我们的职业影响数据库数据生成。所有统计数据来源于同行评审研究、政府数据和我们的专有分析框架。有关方法论详情，请参阅我们的AI披露页面。