[科学家正在消失]⑤韩国科研体系难让研究者长期成长…出路何在？

by Kim Jonghwa

Published 22 May.2026 06:30(KST)

Updated 22 May.2026 07:27(KST)

open/close

应从单纯扩充研究人员数量转向关注其长期成长
是时候着手构建研究人员职业安全网

即便因 AI 普及重组研究生态
要完全取代研究人员仍存在明显局限

编者注“科学家正在消失”这句话听上去或许有些夸张。毕竟从数字上看，理工科研究生人数和研究开发（R&D）投资仍在维持。然而在实际科研一线，却出现了研究生名额招不满、博士后长期“漂泊”、地方研究所长期冷清等完全不同的景象。阿视亚经济通过本次系列报道，追问“科学家为何正在消失”。为了让科学家能够长期留下来、持续开展研究，我们尝试寻找答案：韩国要打造这样的国家，政策与一线现场需要发生怎样的改变。

“当前韩国科学技术界的问题不在于人手不足。人才是培养出来了，但我们没能打造出让研究人员长期留下并持续成长的结构。”

科学技术政策研究院（STEPI）高级研究委员 Park Gibum（见照片）于本月20日接受阿视亚经济采访时，如此剖析当前理工科危机的本质。他指出，自20世纪90年代以来，韩国持续增加科学技术人才数量，但却未能同步构建足以吸纳并培育这些人才的研究生态和劳动市场。他强调：“现在必须摆脱单纯量的扩张型政策，将政策方向整体转向能够让研究者长期成长的结构。”

科学技术政策研究院高级研究委员 Park Gibum 上月22日接受阿视亚经济专访。科学技术政策研究院供图

“问题不是理工科人力短缺而是缺乏研究岗位”

Park 高级研究委员近期也在国会、韩国科学技术团体总联合会（科总）、韩国科学技术翰林院联合主办的论坛上指出，以扩大研究生招生规模为重点的人才培养政策，已经走到极限。他判断，现在的核心问题不是人才匮乏，而是供需错配。他表示：“过去30年间，韩国实际上从未真正出现过理工科人力在数量上的不足”，“今后应当把政策能力从单纯扩充人力，转而集中到创造高质量的研究开发（R&D）岗位和构建长期职业发展结构上。”

1991~1995年，R&D 相关岗位的新增需求规模，是实际毕业的理工科博士人数的2.6倍。但此后供需曲线逐渐倒转，到2016~2020年，新增博士人力规模已增长到博士级岗位的2倍。

相关文章：[科学家正在消失]②博士学位之后只剩下一纸“1年期合同”

Park 高级研究委员尤其将地方研究生态的弱化视为国家层面的危机。他表示：“如果目前这种向首都圈集中的趋势持续下去，一些地方大学今后在确保研究生来源方面本身就可能面临巨大困难”，“地方研究生态一旦发生断裂，仅靠短期预算投入很难恢复。”

他分析称，虽然并非所有非首都圈地区都在同时动摇，但随着研究人力和学生流入不断向特定大学和特定领域集中，地方内部的差距也在迅速拉大。他强调：“迄今为止政策主要围绕扩大研究经费和增加研究生名额展开，而今后在国家层面上必须做出战略性选择——究竟要长期维持哪些大学、哪些研究领域。”

关于以短期课题为中心的结构以及博士后研究员（Postdoctoral researcher，博士后）阶段长期化的问题，他指出：“当前体系将过度的不确定性转嫁给年轻研究者”，“越是优秀的人才，反而越早离开科研一线，这种悖论正在出现。”他建议：“现在必须超越以论文数量和短期成果为中心的评价体系，构建一套能让青年研究者在长期内成长为独立研究者的职业安全网。”

人工智能能否取代空荡荡的研究室

在以少数人力处理更多论文和数据的极限环境下，有观点认为，人工智能（AI）有望成为维持研究生产力的现实替代方案。生成式 AI 的应用范围正迅速从论文检索和摘要扩展到实验设计、数据分析和代码编写等研究全流程。在研究一线，甚至流传着“一个熟练研究生的工作量，AI 轻松就能完成”的说法。

专家们也一致表示，在研究现场利用生成式 AI 来完成论文初稿撰写、实验条件搜索、数据可视化等工作，从而加快研究进度的情况，正在日益增多。

德国马克斯·普朗克安全与隐私研究所（MPI-SP）部门负责人 Cha Miyoung 表示：“AI 能在很大程度上减少重复性数据分析、论文检索、基础代码编写等工作量”，“过去需要研究生连续忙上好几天的任务，如今越来越多由 AI 在数小时内完成。”她接着预测：“就像一人创办的初创企业一样，研究室也有可能被重组为少数精英构成的高效率团队”，“融合 AI 技术的全新科学职业群体将会大量涌现。”

但她也断言，AI 不可能完全取代研究者。Cha 部门负责人表示：“把握研究的整体方向，并统筹复杂过程的‘编排’，将成为人类的核心领域”，“AI 可以提高效率，但对于‘为什么需要开展这项研究’这一哲学性提问和价值界定，最终仍将由人类来完成。”

Park 高级研究委员同样划清界限称：“AI 不可能完全取代研究人员。”他强调：“归根结底，关键在于‘提出什么样的问题’”，“越是 AI 时代，越需要那些长期积累经验、具备问题意识的研究者，其价值反而可能更加重要。”他同时认为，应当为利用 AI 重组研究生态敞开可能性之门：研究室有望从过去依靠大量研究生长时间进行重复实验的“人力密集型”模式，转向由少数核心研究者与 AI·自动化系统协作的“智能化”结构，从根本上改造研究室本身的结构。