作为一名科研工作者，这几年采用AI无疑会提高的自己的工作效率，直到最近AI的更新，比如，女娲.skill与ChatGPT Images2.0，我发现AI对于科研工作而言，不是抽象意义上AI的进步了让我的效率又提高了，而是两类能力即将碰到科研工作的关键环节，不久的将来或许会替代我。其中，女娲.skill是一个依托现有大模型运行的“认知蒸馏型”skill工具，主要把特定人物的思维框架提炼成可调用的分析模块；ChatGPT Images 2.0则是OpenAI新一代图像生成与编辑模型，重点强化了高质量出图、文字渲染和复杂视觉表达能力。

女娲.skill的重点，不是帮你润色几句话，而是试图把一个人的思维方式、决策启发式和表达习惯提炼成可调用的skill。它会围绕某个人的writings、访谈、社交媒体、批评视角、决策记录和人生时间线做并行调研，再经过交叉验证，最后生成一个包含心智模型、决策规则和表达的结构化文件，设想一下，如果将一位科研大牛的学术著作和科研工作思路全部蒸馏，是否就得到了一位很牛的科研数字孪生人了？而这位科研数字孪生人是可以替你打工的“员工”。ChatGPT Images2.0的升级也不只是画图更好看了，相比以前的混乱，而是让学术图片更加准确了，具体可以用在多个方面，包括期刊论文里的图、学位论文框架结构图、项目里的技术路线图、基金本子原理机制图等等，这些过去很依赖人工反复打磨，耗时几周或者数月，现在极大缩短了。

        从这两个进展来看，最先感到压力的，不一定是最普通的老师，而是那些科研工作高度依赖信息整理和成果包装的人。以前有些老师的优势，本质上是会搜、会拼、会改，能把已有文献重新排列一下，把研究思路包装得像那么回事，再把图做得更完整一点，文章就能成形。但女娲.skill这类工具一旦把“别人是怎么思考问题的”提炼成可复用模块，原来靠长期阅读积累出来的一部分方法优势就会被稀释，当然这一块还未普及到科研人员身上，但复刻每个行业的顶尖/头部科学家一定是个趋势。ChatGPT Images2.0又把高质量信息图、图解和排版门槛往下压了一截，那些靠图做得精致、框架画得漂亮来撑论文完成度的人，也会越来越难靠这些形成明显差距。

       如果把这两类能力继续演进，未来高校科研生态很可能会出现一个很明显的变化，那就是中间层工作会被迅速压缩，比如读文献做框架、模仿成熟学者的论证方式、反复打磨图示、把复杂内容变成更容易让审稿人接受的表达。因此，未来真正不可替代的，不是某一个具体动作，因为AI迟早都会越做越好。真正不可替代的，是判断什么值得做、什么是真的、什么能落地，并且愿意为结果负责的人。科研老师最后拼的，不只是能力，更是判断力、推进力和责任力。在这个基础上，AI对高校科研的冲击，更可能表现为团队结构的重组，未来一个项目团队也许不再需要那么多传统意义上的科研执行者，而是由一位教授加上两三位能够熟练使用AI智能体的青年教师、博后或硕博研究生组成，以更少的人完成过去更多人的工作。