白领工作真正有价值的部分，是报告、分析这类降低信息成本的事，而这恰好是 AI 用近乎零成本就能完成的，所以作为信息处理器的那层基础会被抽空⁠1。行研里读公告、扒数据、写初稿、做纪要这些环节会先被压价、先减少招人，而不是某天突然宣布岗位消失⁠2。但 AI 现在能做 80% 到 90%，最后 5% 到 10% 仍要人来收口：判断两个结论哪个更对、错在哪里、由谁负责⁠3。Ethan 在访谈里说得很直接，不是专家就收不了口⁠3。对买方研究来说，这意味着“会查会写”越来越不值钱，“敢下判断并承担后果”越来越值钱。

立正把时间该往哪投说得很清楚：向 AI 做不了的高价值活动集中，也就是关系、判断、战略、信任⁠4。他还主张，一个人被取代不是因为分享了方法，而是因为停在原地——已经解决的问题就该尽快标准化、交给 AI，自己往更难的问题走⁠5。放到你的处境，可迁移的方向可能是：把行业里可标准化的部分（数据整理、财务模型、纪要）尽快交给 AI，把精力放在对产业逻辑的独立判断、对管理层和产业链关键人的一手信息、以及对自己结论的负责上。生命科学背景在这里是资产：你比纯金融背景的人更能判断某个技术路线、临床数据、专利壁垒到底靠不靠谱，这正是“能收口”的领域知识⁠3。

与其先纠结“会不会被替代”，不如先验证自己能不能收口。可以挑一个你熟悉的细分领域（比如某个靶点或某类器械），让 AI 把公开信息整理成一份投资逻辑初稿，然后你逐条判断：哪些结论站得住、哪些数据被误读、如果错了会错在哪。这个过程能直接暴露你的判断力是在 AI 之上还是之下——如果你只能复述 AI 的结论，说明还停在信息处理层；如果你能指出它错在哪、并说清什么证据会推翻自己，那才是买方真正稀缺的能力⁠3。立正也提醒，不要停留在聊天框里，要让 AI 成为杠杆而不只是对话伙伴⁠6。