有人花了1.8亿份全球招聘数据做了一个分析，想看看AI到底干掉了哪些工作。结果出来之后，我盯着那个名单看了很久——全球招聘降幅最大的前十个职业里，「生物统计学家」赫然在列。
不是文案，不是翻译，不是客服。是生物统计学家。一个你在选专业的时候被告知"就业前景广阔""STEM稀缺人才""美国绿卡快车道"的方向。
说句不好听的，这事儿的讽刺程度堪比"铁匠亲手打造了一台冲压机，然后被这台机器淘汰"。统计学是AI的两大基础之一，另一个是计算机科学。你用概率论、用贝叶斯定理、用因果推断训练出来的模型，转过头来就把你的岗位给优化了。
说破｜这不是一个"统计学药丸"的故事，而是一个关于信息不对称如何让你选错方向的故事。你以为自己在风口上，但风口可能正在把你往悬崖边推。
先看数据。这份来自Revealera的研究覆盖了2023年1月到2025年10月的全球招聘信息，数据直接从企业官网抓取，不是从LinkedIn或者Indeed这种聚合平台来的，重复率极低。结论是：2025年全球职位发布总量比2024年同期下降了8%，这是大盘。而在这个大盘基础上，有些岗位的降幅远远超出了平均线。
| 📊 2025年全球招聘降幅最大的10个职业（vs 2024年同期） | ||
| 排名 | 职业 | 降幅 |
| 1 | CG艺术家（影视特效/3D） | -33% |
| 2 | 合规专员 | 显著下降 |
| 3 | 摄影师 | -28% |
| 4 | 作家/内容写作者 | -28% |
| … | （可持续发展专家、环境技术员、生物信息学家） | 显著下降 |
| 8 | 生物统计学家 | 显著下降 |
| — | 对比：机器学习工程师 | +40% |
| 数据来源：Revealera全球1.8亿份招聘数据分析（2023.01-2025.10），研究者Henley Wing Chiu，2025年11月发布 | ||
你注意到没有？生物统计学家和生物信息学家，这两个曾经被留学中介反复安利的"就业神仙方向"，双双上榜。而同一张表上，机器学习工程师的招聘量增长了40%。
话说回来，这并不意味着"统计学完了"。恰恰相反，全国政协委员、中国科学院院士陈松蹊在2025年两会上说了一个让人有点懵的事实：中国统计学博士毕业生一半以上选择去业界，导致高校师资严重短缺。北大每年统计学博士毕业也就十几个，最终可能只有一半进入高校。他甚至呼吁把统计学纳入"强基计划"，提升到基础学科的战略高度。
你品，你细品——一边是全球招聘在缩水，一边是院士在喊缺人。这矛盾吗？
一点都不矛盾。被砍掉的是执行层，被抢着要的是决策层。AI干掉的不是"统计学"这门学科，而是"跑模型、清数据、出报告"这套动作。
我在500强研发总部工作的时候见过一种典型场景：一个统计师花两周时间清洗数据、跑回归、做可视化，最后给项目负责人交一份报告。负责人扫了两眼，问了一个问题："所以这个变量和结果之间是因果关系还是相关关系？"统计师愣住了。因为他的训练里80%是"怎么跑模型"，只有20%是"怎么判断因果"。
现在AI把那80%的活儿干了，而且干得又快又便宜。你对着电脑改了八遍SAS代码，AI可能两秒钟跑完。那剩下那20%——判断因果、设计实验、提出假设——恰恰是大多数统计学博士在培养过程中最缺的训练。
有意思的是，因果推断——这个统计学里曾经最"学术"、最不被业界重视的子方向——正在变成AI时代最值钱的技能。ICLR 2025上，剑桥大学提出的Celcomen模型首次在空间转录组学中实现了因果推断的可识别性。DeepMind也在研究如何用提示策略让大模型进行因果推理。2025年7月，第七届泛太平洋因果推断大会在北京举办，哈佛大学的Donald Rubin都来了。因果推断从"冷板凳"变成了"顶流"。
这就是信息不对称最残酷的地方。你三年前决定读统计学/生物统计的博士，中介告诉你的是"好就业、对口药厂、薪资可观"。没人告诉你的是：药厂需要的那种"跑临床试验数据"的统计师，正是AI最擅长替代的类型；而真正抗AI的能力——因果思维、实验设计、跨学科判断力——在你的博士培养方案里可能只占了很小的比重。
我不是要唱衰统计学，恰恰相反。陈松蹊院士说得对：统计学是整个数据科学的基础，人工智能有两个基础，一个是计算机科学，一个是统计学。但"基础"不等于"就业"。物理学是所有工科的基础，你见过几个物理学博士去工厂当工程师的？
| 📋 统计学/生物统计博士：被美化的 vs 真实的 | |
| 你听到的版本 | 更接近真相的版本 |
| "STEM稀缺人才，就业率极高" | 博士就业率确实高，但硕士已经卷起来了；传统岗位正被AI压缩 |
| "进药厂做临床统计，年薪百万" | 药厂统计岗正是AI替代的重灾区；高薪属于资深统计师和决策层 |
| "统计学是AI的基础，越来越重要" | 学科重要 ≠ 岗位安全；重要的是你处在"造AI"还是"被AI替代"的位置 |
| "方向广，金融科技医疗都能去" | 方向广但壁垒低的那部分正在被数据科学家/ML工程师蚕食 |
| 综合来源：Revealera 2025招聘数据、北京大学统计科学中心陈松蹊院士2025年两会提案、虎嗅网2025年11月分析 | |
所以，如果你正在考虑读统计学/生物统计的博士，或者已经在读了，我的建议很直接：
第一，想清楚你是要做"用工具的人"还是"造工具的人"。如果你的博士生涯主要在学SAS/R/Python跑模型，那你学的这些技能的半衰期可能比你想象的短得多。如果你在学因果推断、实验设计、统计理论，这些东西的保质期要长得多。
第二，不要在一个方向里闷头读五年。统计学最大的优势是"万金油"，但万金油的前提是你真的涂到了不同的领域上。跟医学院、商学院、公卫学院的人合作，比在统计系里自己跟自己玩要有用得多。因果推断之所以火，不是因为数学更难了，而是因为它真正解决了其他学科的核心问题。
第三，关注"AI做不了的那20%"。提出正确的问题，判断一个分析结论是否可信，在不确定性中做决策——这些能力不会写在你的培养方案里，但它们才是你未来最硬的护城河。
统计学不会死，但"只会跑模型的统计学博士"这个物种，可能正在进入濒危名单。你需要做的不是换方向，而是在这个方向里站到更高的位置上去。
话说回来，这个逻辑不只适用于统计学。几乎每一个"技术执行型"的博士方向都面临同样的拷问：你读的这个博士，培养的到底是AI能替代的能力，还是AI替代不了的判断力？这个问题值得每一个正在申博、读博的人认真想一想。
