Skip to content 跳到章节

🧪AI与未来

化学家 · 亲手制造并测量物质本身的科学家——从塔普提在巴比伦蒸馏香水的年代到今天的机器人实验室,仍是那个判断谱图意味着什么的人。

一眼看清
指标浓度

格子越深,表示该主题在这项指标上越高。

最近审阅 来源与署名媒体署名方法说明

简短问答

成为化学家一定要读博士吗?

并非每份工作都需要。化学学士学位足以让人进入工业界的质量控制、配方研发与分析岗位,这类工作雇佣了在职化学家中的很大一部分。而主导原创研究——无论是在制药公司还是在大学主持自己的课题——几乎总需要博士学位,学术界通常还要在此之上再做博士后。

化学家和化学工程师有什么区别?

化学家研究并创造物质——设计分子,以克为量级开展反应,分析某种物质究竟由什么构成。化学工程师设计以吨为单位制造这些物质的工业流程:反应器、热量流动、分离塔。两者学位不同,工程师往往拥有正式执业资格,在工业界二者常并肩负责规模放大。

成为化学家要花多长时间?

中学毕业后读三到四年学士学位,足以获得第一份工业界的实验岗位。但要达到独立开展研究的资历通常远为漫长:再加四到六年攻读博士,随后往往还有两到五年博士后,因此在多数国家,走完一条研究型职业道路总共需要九到十二年是常态。

化学家收入如何?

据美国劳工统计局,2024年美国薪酬中位数约为8.5万美元,资深工业界科学家收入远高于此。瑞士巴塞尔化工走廊的薪酬更高;拥有博士学位的德国化学家起薪通常在6万至7万欧元左右;印度的薪酬只是这些数字的一小部分。世界各地的博士生在四到六年间通常只能拿到微薄的津贴。

AI和机器人会取代化学家吗?

部分会。自动合成仪、高通量筛选机器人和AI逆合成工具已经在完成实实在在的工作——2020年,利物浦大学的一台移动机器人化学家在无人值守下进行了数百次实验。但排查一个出了问题的反应、判断一个异常结果究竟是新发现还是污染、决定哪个分子值得去合成,依然顽固地属于人类,这正是为什么现实中的自动化比例是中等程度,而非全部。

化学家一天到底在做什么?

远没有电视剧里那样成天摆弄五颜六色的液体。典型的研究日在两件事之间切换:在通风橱里动手做实验的“台面工作”,以及用核磁共振、色谱和质谱等仪器弄清究竟合成出了什么。相当一部分时间花在数据分析、记录本和阅读文献上,许多反应会在无人看管的情况下彻夜运行。

从这一节开始 - AI与未来

打开对比实验室

分享本页

化学在自动化道路上走得比多数职业意识到的更远:肽与DNA合成仪已无人值守运行了数十年,高通量机器人每天在制药实验室里筛选数千个反应;2020年,利物浦大学一台移动机器人化学家独立工作了八天,进行了数百次实验,找到了一种比其人类设计者更好的光催化剂。AI逆合成工具如今能在数秒内提出可行的合成路线。

尚未实现自动化的部分很能说明问题。机器人能执行计划;但它不会注意到搅拌子停了、颜色因为某种正确的原因不对劲,或者那个出人意料的峰其实是一项发现而不是泄漏。2024年的诺贝尔奖有一部分授予了AI系统——但领奖的是那些决定该让软件攻克哪些问题、并判断其答案是否正确的人类。

30 / 100
中等

机器可替代的工作占比

台面化学中相当一部分工作——常规重复合成、筛选、初步谱图归属、文献检索——正在被自动化,自动驾驶实验室还会吸纳更多。但排查实验故障、物理实验室中的安全判断、区分假象与发现,以及决定哪个分子值得去合成,仍是没有近期自动化替代方案的人类任务。可能的结果是每个实验所需的人手更少,而不是每个问题所需的化学家更少。

按任务计分,而非头衔。越低越安全。

AI难以取代的职业 →

机器夺不走的

排查真实烧瓶里的故障

88

反应会以具体、物理的方式出问题——本该是溶液的地方出现了凝胶,没人预料到的颜色变化。诊断原因依赖任何训练数据集都无法捕捉的台面经验。

选择该问的问题

82

决定哪个分子、哪种材料或哪项测量值得投入数月精力——这份指引一切自动化能力方向的判断力——依然完全属于人类,也正是资深化学家真正拿薪水去做的事。

安全问责

76

签署风险评估、在出事时负责回答的是人,而不是模型。危险物理工作的法律责任,把人类锚定在任何受监管的化学环节之中。

判断异常

72

分辨真正的发现与污染、仪器漂移或一厢情愿的想法,是这门职业最古老的技能——正是这项技能,把一种新元素与一个脏了的电极区分开来。

说服与同行评审

64

结果只有在写出来、被辩护并被重复之后才算数。说服审稿人、监管者与持怀疑态度的同行,是自动化能助推却无法完成的社会性工作。

它们已经在夺的

文献检索与路线规划

78

在数百万篇已发表反应上训练出来的AI逆合成工具,如今已能在数秒内提出可信的合成路线与先例——这项工作在十年前要耗费化学家一周的时间。

高通量筛选与数据采集

68

制药与材料实验室里的机器人平台每天运行并记录数千个微升级实验,这种量级没有任何人类团队能够匹敌,也没人愿意再回到手工时代。

常规重复合成

58

多肽、寡核苷酸以及在流动化学装置中已被摸透的反应大多能无人值守运行;一贯如此的是,合成中那些被反复走过的中段最先实现自动化。

初步谱图归属

50

软件如今已能从核磁与质谱数据草拟结构归属,并自动标出杂质——这是一次称职的初步解读,但恰恰在关键之处仍需化学家签字确认。

工作如何变化

自动驾驶实验室

闭环系统——机器人执行、算法挑选下一个实验——在2020年代从演示走向了实用工具,利物浦、多伦多的研究团队与工业实验室率先推动。化学家越来越多地设计一整套实验方案,而不是单个实验。

先计算,后动瓶子

机器学习的性质预测与量子化学筛选,如今会在任何合成之前就过滤候选分子,颠倒了“先造后懂”的旧秩序;2024年的诺贝尔奖把这一转变写进了化学的最高记录。

绿色化学变成法律

欧盟的REACH法规、全球范围的PFAS限制,以及净零排放的压力,正把1998年提出的绿色化学十二原则从一种理想变成合规工作,重新设计着整个行业的溶剂、原料与流程。

边界正在消融

化学的增长领域——弗朗西斯·阿诺德定向进化之后的生物催化、电池与半导体材料、mRNA化学——都处在与生物学、物理学和工程学交界之处,招聘也越来越青睐至少精通其中一个交叉领域的化学家。

分岔出的新职业

计算/机器学习化学家

构建并验证预测反应与性质的模型——这是化学研发中增长最快的职位名称,要求同时精通实验室与代码。

实验室自动化工程师

设计、编程并维护机器人平台与自动驾驶实验室;这是化学、机器人学与软件的混合体,在2010年代之前几乎不存在这个职位名称。

绿色化学专家

重新设计产品与流程以消除有害物质、削减碳排放——受REACH法规、PFAS淘汰以及各用化学行业的企业净零承诺所驱动。

法规事务化学家

在REACH、TSCA等制度下为每一种上市物质准备如今必须提交的安全档案与注册材料——这是一份稳定、薪酬优厚的工作,且随每一次监管收紧而增长。

AI 暴露情景

三个可逆透镜:增强、替代切片、新缝隙。教学标记,非预测。

增强

保留岗位;AI 加速草稿、分诊或调研,判断与责任仍在人。

替代切片

狭窄任务堆可能先压缩,相邻手艺反而增长。

新缝隙

在需信任 AI 输出的受监管场景,可能出现监督、集成与领域质检角色。

展望

自动化最快的任务,是那些可以被完整规定下来的:有先例的路线、有明确目标的筛选、有预期答案的谱图。抗拒自动化的,是那些定义不清的任务——一个行为异常的反应、一个可能是假象的结果、一个需要方向的研究项目。这与多数技术型职业面临的边界相同,但化学额外附加了一条物理风险的底线:总要有人对真实实验室的风险负责。

现实的未来是杠杆效应,而非被取代。一位操控机器人平台的化学家,一周内完成的工作量相当于1990年代一个团队一年的工作量,这会把就业重心转向那些能提出问题、判断异常、并跨领域整合的人——而远离那些纯靠细心重复搭建起来的职业生涯。这门曾经吸纳了光谱仪、废除了整个降解化学子领域却没有废除化学家的职业,正在把机器人实验室当作同一类工具来对待。

相近职业

不限同一领域,六项评分最接近的职业。

继续探索

继续探索

科学·研究领域的其他职业