LO
这个职业有新的已核实记录时通知我 → · 标出哪些任务是你的(VOLO Pro,发布期间免费)→
基金申请书撰写人
寻找资助来源,为资助方撰写申请,让申请符合每个资助方的规定,并报告资金取得的成果。生成式 AI 如今在写作中很常见:一项对美国联邦科研申请的研究发现,大模型的使用自 2023 年起急剧上升。资助方用规则作出回应:美国国立卫生研究院不把主要由 AI 写成的申请视为申请人自己的想法,并在发现有人一轮提交超过 40 份申请后,把每位研究者每年的申请上限定为六份;英国研究与创新署禁止在没有人参与的情况下生成整份申请或其中部分。这些证据大多来自科研资助,而不是慈善机构。美国预测到 2035 年筹款人员(申请书撰写人归在其中)就业增长 6%,没有提到 AI。
列出你申请的资助方,查一查每家对申请中使用 AI 有什么规定。
这不是失业概率。它把「岗位任务中有多少暴露于自动化」与「采用实际走到了哪一步」合成为一个值 —— 只用于在同一套口径下横向比较职业,除此之外不作他用。
适用于慈善机构、大学和研究团队里的申请书撰写人、基金管理人员和科研发展人员。作家、文案和技术写作有自己的页面。证据是一项美国筹款人员的劳动力预测、两家科研资助方关于申请中 AI 的规定、一项关于美国联邦科研申请中大模型使用的研究,以及一所医学院用来检查申请措辞的工具;它们大多来自科研资助,确立的是资助方怎样约束 AI 写的申请、AI 在申请中用得多广,不是申请书撰写人的人数或收入怎样变化。
到底什么在变#
分析单位是任务,不是职位名称。职业不会被整体替代 —— 变的是它的任务构成。
每一格是一项任务。大小是它在这份工作里的分量,颜色是它正在往哪个方向走。点一格,看这个判断还不能说明什么。
这是科研资助方的规定和一项针对研究者申请的研究;它们没有测量慈善机构的申请书撰写人,也没有测量 AI 承担了他们多少起草工作。
这就是你做的吗?认一下,这一页会缩到只剩与你有关的那一份。
职位名只是一组恰好被打包买走的任务,而没有两个人手里的那一组是一样的。什么都不会被发送出去 —— 它只留在这个浏览器里。
近期变化#
美国。劳工统计局预测,2025 至 2035 年筹款人员就业增长 6%,从 140,900 人增至 148,700 人,每年约有 10,000 个职位空缺。O*NET 把申请书撰写人列为这一职业的职称之一。页面没有提到人工智能或自动化。
一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。
美国。这项研究结合两所大型研究型大学的保密 NSF 与 NIH 申请,以及全部公开的 NSF 与 NIH 资助项目,发现大模型使用自 2023 年起急剧上升,并分为少量使用和大量使用两类;使用越多,项目越缺乏独特性,在 NIH 与申请成功相关,在 NSF 则没有。它测量的是申请的研究者,不是专职的申请书撰写人。
一件工具在真实工作里被大规模使用,并且被测量到 —— 而做出「用它」这个决定的是使用者本人,不是雇主。它比「技术能力」多:干的是真活,不是演示;又比「实际部署」少:没有任何雇主把它投入生产、要求使用、或围绕它改过流程。权重定为 `cautious`:`automating` 的定义是「机器能做这件事**并且**有采用迹象」,而这就是一种采用迹象 —— 但使用可能只是试用,而且相当一部分测量来自有利害关系的一方,所以一条永远不够,两条独立的才够。还要注意是谁在计数。厂商遥测直接看得见这件事,而它同时在卖这件工具,所以这类记录要在适用范围里写明这层利害;而一个统计机构去问企业「员工有没有在任务里用 AI」,看见的是同一条通道、却没有任何利害 —— 在它存在的地方,它是更好的来源。
美国。一所医学院构建了一个结合规则与大模型的安全工具,用来检测受不断变化的州与联邦政策限制的申请措辞并给出替代说法;其精确率 1.00、召回率 0.73、F1 为 0.84,优于通用模型,25 名教职员工对其可用性评价很高。由一个机构的开发者自行构建和评估。
真实场景里的小规模试验。说明落地条件正在被检验,不代表条件已经成立 —— 所以单独一次试点永远不够,两次互不相干的才够。
美国。这家科研资助方说,它不会把主要由 AI 写成、或其中部分主要由 AI 写成的申请视为申请人的原创想法,资助后才发现 AI 的,可能移交调查是否构成科研不端。它发现有研究者在一轮中提交了超过 40 份不同的申请,于是自 2025 年 9 月 25 日的受理日起,把每位项目负责人每个日历年的新申请、续申请、再申请或修订申请限定为六份。这是一家科研资助方的规定;它约束申请人,而不是点名约束基金管理人员。
监管、补贴或公共采购正在要求或出资推动采用 —— 与「限制或撤回」互为镜像。它说明采用正在被要求,不说明采用已经发生,所以单独一条永远不够,两条互不相干的才够。
英国。这家资助方的政策允许申请人谨慎使用生成式 AI,但规定不得在没有人参与的情况下用它生成整份申请或其中部分,使用了的应如实说明,评审人员除润色自己的语言外不得在评审中使用。这是一家科研资助方的规定;它约束申请人和评审人员。
监管、补贴或公共采购正在要求或出资推动采用 —— 与「限制或撤回」互为镜像。它说明采用正在被要求,不说明采用已经发生,所以单独一条永远不够,两条互不相干的才够。
这对你意味着什么#
如果你刚入行,预期 AI 会起草初稿,资助方会问你是否用了它。培养资助方看重、AI 又无法代劳的能力:了解本机构的工作、把它与每个资助方的优先方向对上,以及让申请守在规则之内。
预期初稿会更快,关于声明 AI 使用的规定也会更多。策略、与资助方的关系和合规仍在你手里。
你的选择#
四个方向,每个都写明真实约束和一个本周可验证的动作。继续做下去也是正当选择 —— 只要它是被选择的,而不是被默认的。
成为熟悉各资助方 AI 规定的人
资助方如今对 AI 的使用和声明各有规定,违反规定的申请可能被拒。
各资助方的规定不同,又经常变化,需要持续阅读。
列出你申请的资助方,查一查每家对申请中使用 AI 有什么规定。
留在策略与资助方关系上
申请数量上限和原创性规定,让挑选并打磨更少、更强的申请更有价值。
关系工作取决于机构是否把策略托付给你。
列出你去年的申请里哪些获得了资助,成功的那些有什么共同点。
转向科研发展或基金管理
大学和研究机构需要管理多个资助项目的合规、预算和报告的人员。
这需要了解科研资助体系,往往还需要在机构里工作的经验。
查一查你附近大学的科研发展或基金管理岗位。
常见问题#
就现有证据看,不会。AI 在起草中用得很广,但资助方如今对它设了限:NIH 不把主要由 AI 写成的申请视为原创,UKRI 禁止在没有人参与的情况下生成整份申请。美国也预测 2025 至 2035 年筹款人员(含申请书撰写人)就业增长 6%。
我们不用年数回答这个问题。看看你申请的资助方对 AI 写的申请怎么说,以及 NIH 这类上限是否改变了机构提交申请的数量。这些比任何日期都更能说明问题。
取决于资助方。UKRI 允许申请人使用,但不能在没有人参与的情况下生成整份申请或其中部分;NIH 不把主要由 AI 写成的申请视为申请人的原创想法。请查看每个资助方自己的政策。
NIH 说,它发现有研究者借助 AI 在一轮里提交了超过 40 份不同的申请,于是自 2025 年 9 月起把每位研究者每年的申请上限定为六份。
这些判断底下是什么#
这一页上 4 条任务判断里,2 条有已核实事件支撑、2 条是平台推断,每一条都在它出现的地方标注着。它们底下是 1 个技术维度、一条自语言模型进入公众视野以来的回溯轨迹,以及 5 条已核实事件。
同一个职能里的其他岗位#
一家公司先把工作分成职能,再分成岗位。下面这些和这一份工作同在「技术与数据」里 —— 那是一件关于组织结构的事实,不是「它们相似」或者「它们在朝同一个方向变」的判断。
初级程序员 · 中高级软件工程师 · 前端工程师 · 后端工程师 · 数据工程师 · 算法 / 机器学习工程师 · AI 研究员 · 测试工程师 · 数据分析师 · 数据科学家 · 统计师 · 业务分析师 · 业务系统与流程负责人 · IT 支持 / 技术支持 · 网络安全分析师 / 安全运营 · 运维 / 平台工程师 / SRE · 网络工程师 · 技术文档工程师 / 技术写作