AI岗位替代率测评④实验室主管28%

这一篇是AI岗位替代系列的最后一篇。

三月写完放了很久，一方面是比较忙，一方面是等一个时机。

这个时机是：AI终于让我结束了自己的所有岗位。

先回到正题。

（专业人士请忽略这张图中不专业的细节）

这个岗位具体是干什么的

这个实验室，是一个用于工程测试和方案验证的综合性实验设施。它能在产品开发的较早阶段介入，帮助团队验证性能、声学、热管理等多维方案。

我们的小团队覆盖了实验室建设、设备调试、外部测试、创新课题、团队管理和商务发展。需要身兼多职。我名义上是实验室主管，实际上涉及到的范围非常广。

如果说本系列的第一篇，空调试验工程师，是在不同车型上重复一套相对成熟的流程，那么这个岗位恰好相反。从零开始建设一个实验室，大量工作都是见招拆招：没有现成答案，没有可直接照搬的案例，需要在初创过程中不断遇到新问题、找资源、做判断、把事情推进到下一步。

这份工作一半在和人打交道，一半在和物理世界打交道。前者包括外部单位、供应商、团队、上级和合作方；后者包括实验室本体、设备、传感器、线路、结构件的安装和调试。两边都不容易，也都很难只靠文档解决。

① 实验室建设与设备调试（时间占比：35%）

以2024 年来说，年度最大的单项是实验室的建设调试。在建设调试中，可以用测试系统来做例子。这个系统相当于实验室的数据采集和控制大脑：每个子系统需要采集哪些变量、变量之间的物理运算逻辑是什么，变量之间计算的系数是什么——这些都需要先在技术上定义清楚，再交给软件开发方实现。

对我来说，建设调试工作的核心是技术需求定义与决策。比如在某个测试工况下，主系统、辅助设备和数据系统之间如何联动，每个工况如何标定，数据怎样被记录和调用。这类判断，AI 目前不能直接替我做；但它可以在信息整理、需求文档结构化、技术资料准备上显著提高效率。

再比如说核心测试设备的安装调试，它涉及关键传感器、海外供应商、英文技术资料和现场调试。人需要在场，理解图纸和技术说明，与工程师对接，并在关键环节确认现场状态。

这一板块还包括实验室验收标定、测量设备、辅助装置、工具采购等一系列设备相关工作。它们的共同点是：得跟设备仪器打交道、要动手操作，能在真实环境里做判断。

AI 替代率：22%（需求定义文档、资料整理和英文邮件起草可由 AI 辅助；现场判断、专业取舍和关键决策仍不可替代）

② 工程测试项目（时间占比：33%）

2024 年工时占比较高的一类工作，是外部委托测试。它通常需要在特定工况下完成车辆或模型的测试准备、现场执行、数据记录与结果整理，并与多方技术人员协同。

另一类是内部创新课题：比如研发一套多功能测试模型，使其同时具备多维工程测试能力。我在其中涉及到技术要求定义、模型厂对接、现场验证实验和最终资料整理交付等工作。

此外还有十几个不同规模的测试和咨询任务，形式包括性能测试、方案咨询、数据交付等。题型杂、边界经常变化，也有一些无模版可参照的研发性工作。

AI 在这一板块能做什么？数据分析和报告撰写有相当空间，过程资料整理、测试计划草拟和跨方沟通也能被明显提速。甚至某些项目需要用到软件开发，基本就完全由AI来生成代码。但实验本身，比如现场安装、测试执行、异常判断，仍然不是 AI 能直接搬动的领域。

AI 替代率：25%（测试执行和现场判断：10%；咨询、报告、项目协调：50%；整体加权平均：25%）

③ 技术管理与运营（时间占比：22%）

2024 年的年度计划、人事、财务、平台报告与验收、实验室日常运营，加在一起占到全年工时的 22%。

这一板块里，AI 替代的分化最明显：

·高替代部分：报告撰写、财务对账、计划文档起草。AI 已经能很好地分担，而且效率确实高。

·中替代部分：比如工作计划的逻辑建构、指标定义、材料框架。它需要和上级、团队对齐，AI 可以作为很强的辅助。

·低替代部分：人员沟通、日常运营判断。这些高度依赖具体的人、具体的关系和具体的现场，AI 够不到底层语境。

举个让我印象很深的例子：年度事业计划涉及实验室定位、收入目标、团队规划和关键里程碑。AI 可以帮搭框架、查资料、打磨语言，但真正的判断——下一阶段要争取什么方向、和什么类型的机构合作、最优先补哪块能力——来自对实验室现状和行业生态的真实理解。AI 没有这个现场感。

AI 替代率：45%

④ 商务联络与外部接待（时间占比：4%）

每次有重要外部单位到访，都需要介绍实验室能力、沟通合作意向、处理技术和商务问题。这件事在工时里比例不高，但单次分量很重，因为一次沟通可能决定后续合作能不能落地。

AI 能帮写接待方案、准备介绍资料、整理会议纪要，但现场对话本身它做不到。实验室能力怎么讲、对方真正关心什么、当场问题如何判断和回应，这些仍然是人的领域。

（接待工作还有一个潜台词：人在代表这个团队的可信度。这个角色，AI 还不知道怎么扮。）

AI 替代率：12%

⑤ 创新课题与探索（时间占比：6%）

这一块包括国际合作、数字化探索等。它们的共同特点是：没有现成答案，需要自己探索、比较和判断方向。

AI 在这里的角色很有意思。它是很好的讨论对象和信息助手，能帮快速梳理文献、整理思路、草拟合作方案。但真正决定探索什么方向、值不值得投入，背后仍然需要对行业趋势、实验室能力边界和合作方诉求的真实理解。

AI 替代率：33%

同样的两个注脚

注脚一：AI 替代任务，不等于不需要人。

这个岗位里，AI 已经深度参与了我的实际工作：数据后处理系统、日常英文沟通、报告框架、资料整理，都曾经被 AI 明显加速。但这些工作仍然需要我判断对不对、要不要调整、下一步怎么做。用 AI 做这些，并不是让 AI 替代我，而是让我能把精力放在真正需要判断的事情上。

注脚二：如果 AI 替代了这些任务，任务本身还存在吗？

这个岗位的核心工作——建实验室、做测试、发展合作——暂时不会因为 AI 而消失。真正会被压缩的，是大量辅助性的文字工作：报告、计划、邮件、材料、纪要。

但有一个更微妙的变化：如果 AI 能降低建实验室和做工程测试的技术门槛，比如生成标准化需求文档、辅助做仿真分析、快速搭建数据处理流程，那么进入这个领域的门槛会下降。实验室本身代表的物理世界的验证准则，很难被 AI 替代，但“能把实验室跑起来的人”的门槛会被重新定义。

综合评分

标准化程度越高的工作，AI 越容易替代；而这个岗位的工作内容确实更不标准化，每个任务都不一样，每天都在处理新问题。

低替代率还有一个附加条件：这个岗位要求实验室运营、工程测试、项目管理、商务拓展和团队管理能力的复合能力，会更难被单一 AI 工具接管。随着 AI Agent 能力提升，这个边界正在快速缩小。

写到这里，我对这个系列的感受也变了：它不只是回顾过去的岗位，而是在回答我为什么把下一阶段全部工作精力转向个人全量化 AI 开发。在这个系列里，AI 是很好的工具。

但AI不只是一个工具，从更大的层面来讲，它是在重写商业模式，行业格局。所以，下一个课题是，不再拘泥于一个岗位，跳出自己的角色，从更广的视角来看待，AI对这个世界来说价值创造和价值分配的新定义。是不同维度的探索。

后续的系列，敬请期待。