作品声明：内容取材于网络
前阵子刷到路透社的报道时，我属实被 AI 行业的 “烧钱力度” 惊到了，Meta 为了挖走 OpenAI 的一名员工，直接开出了 1 亿美元的天价签约金。
这可不是小数目，相当于让一个普通人不吃不喝赚上几百年，也难怪大家都说现在 AI 人才是 “抢破头” 的香饽饽。
但就在全行业都在为抢人疯狂时，谷歌生成式 AI 领域的元老 Jad Tarifi 却泼了盆冷水：“现在才想着读博蹭 AI 热潮，纯属拿人生赌未来。”
这话瞬间让不少想靠读博挤入 AI 圈的人慌了神：一边是天价抢人的火热市场，一边是行业元老的劝退警告，到底该信哪一个？AI 时代想立足，读博真的成了 “无用功” 吗？
先说说 Meta 这波 “1 亿挖人” 背后的逻辑，其实这不是个例，而是当前 AI 行业人才供需失衡的缩影。
随着大模型、生成式 AI 的爆发，真正懂技术、能落地的核心人才就那么多，各大公司只能靠砸钱抢人，毕竟谁先握有顶尖人才，谁就有可能在技术迭代中抢占先机。
但热闹的人才市场背后，藏着一个很多人没看清的现实：行业需要的是 “能解决问题的实践者”，而非 “只懂理论的研究者”，这也是 Jad Tarifi 劝退读博的核心原因。
作为佛罗里达大学的 AI 博士，Jad Tarifi 太清楚读博这条路有多 “磨人”，他在公开分享里提到，读博意味着要牺牲人生中最好的五年，每天面对重复的实验、不确定的结果，还要承受论文发表的压力，“除非你对这个领域爱到愿意赌上所有，否则真的别轻易尝试”。
更关键的是，AI 行业的迭代速度太快了，现在火的技术方向，等你花五年读完博士，很可能已经成了 “过去式”。
就像他说的，“说不定等你毕业，机器人 AI 相关的核心突破都被别人做完了”，那真的想入 AI 圈，就没别的路了吗？
Jad Tarifi 给出了两个选择：要么钻进 “AI + 生物” 这种还在早期的细分领域，比如 AI 药物研发、基因序列分析，这些方向目前人才缺口大，且短期内不会被热潮覆盖；要么就干脆别碰，去寻找更适合自己的赛道。
其实不止 Jad Tarifi，连享誉全球的数学物理学家 Freeman Dyson 都对博士制度 “没好感”。
这位量子电动力学的重要奠基人，一辈子都为自己没有博士学位而自豪，甚至直言 “博士制度就是个彻头彻尾的灾难”。
他在《反叛的科学家》里写过，博士制度诞生于 19 世纪的德国，初衷是为了培养大学里的教授，那时候知识更新慢，适合慢悠悠地深耕理论。
但现在不一样了，尤其是 AI 行业，需要的是快速试错、跨领域协作的人，而博士制度却逼着学生花好几年时间，去研究一个可能毫无实际价值的细分课题。
“最后拿到的博士学位，更像一张‘合格证书’，却证明不了你能解决真实问题”，更遗憾的是，过长的培养周期还劝退了不少有志于科学的女性。
很多女性在博士期间面临家庭、年龄的压力，最终不得不放弃科研，这在 Jad Tarifi 看来，是整个行业的损失。
除了博士，Jad Tarifi 还把矛头对准了医学、法学这类 “长周期学位”。
他警告说：“别以为只有博士耗时间，医学要读 5 年本科 + 3 年规培，法学要过司考 + 实习，前前后后快 10 年，等你真正入行，可能会发现自己浪费的时间，根本换不回预期的回报。”
这话不是没有道理，现在 AI 已经开始渗透这些领域，比如 AI 辅助诊断能快速分析影像结果，智能合同审查工具能替代基础的法律文书工作，那些只懂基础理论、缺乏实践能力的人，很容易被行业淘汰。
可能有人会问：“不读博，难道就进不了 AI 核心圈？” 看看那些没读博却改变了 AI 行业的人，答案就很明显了。
Transformer 架构的核心贡献者之一 Noam Shazeer，没有博士学位，却提出了多个影响深远的模型优化思路。
GPT 开山论文的第一作者 Alec Radford，同样不是博士，却在 OpenAI 通过无数次实验，找到了大模型训练的关键方法。
还有 “思维链之父” Jason Wei、OpenAI 的首席研究官 Mark Chen，他们都没有博士学位，却靠着实战中的突破，成了行业里的顶尖人才。
最典型的例子是 Alex Krizhevsky，他在硕士期间和 Ilya Sutskever、Geoffrey Hinton 一起研发出了 AlexNet，直接掀起了深度学习的浪潮，
这可是 AI 发展史上的里程碑事件，但他并没有继续读博，而是选择进入 industry 做更落地的研究。
当然，也不能完全否定博士的价值，比如 metislist 的 AI Top 100 榜单里，超过一半的上榜者有博士学位。
但这份榜单也有局限性，它没法完全反映一个人的学术贡献，比如微积分奠基人之一的莱布尼茨，在榜单里只排到 67 名。
而且榜单里没有博士学位的人，平均年龄比有博士学位的人小 3.5 岁，在 AI 产品化、场景落地这些领域的贡献占比更高，这说明什么？博士是 AI 行业的 “加分项”，但不是 “入场券”。
OpenAI 的招聘标准也印证了这一点，在他们的官网里，“好奇心”“毅力”“跨团队协作能力” 被列为核心要求，却没提 “博士学位”。
说到底，AI 时代的竞争，早已不是 “学历的比拼”，而是 “价值的较量”，你不用为了蹭热潮去读博，也不用为了跟风去学某个技术，但一定要找到自己真正热爱的方向。
可能是 AI + 教育，可能是 AI + 环保，甚至可能是用 AI 做艺术创作，然后把所有精力投入进去，做到 “比别人更懂，比 AI 更细”，这才是不被淘汰的终极策略。
毕竟，Meta 愿意花 1 亿挖人，不是因为那个人有博士学位，而是因为他能解决别人解决不了的问题。
那些没读博却成了 AI 大牛的人，也不是运气好，而是他们把 “热爱” 变成了别人替代不了的价值，所以，与其纠结 “要不要读博”，不如先问问自己：“我到底想在 AI 时代，创造什么价值？”
对中国而言，这种人才虹吸效应的直接冲击，就是本就紧张的高端 AI 人才储备面临更大流失压力。
毕竟在绝对的资本差距面前，部分研发人员难免会被高薪吸引，而核心人才的流失往往意味着关键技术研发的停滞甚至倒退。
但挑战背后，中国 AI 产业也在走出一条差异化的破局之路，与美国巨头的 “人才垄断” 策略不同，中国企业选择以 “开源生态 + 技术性价比” 构建竞争优势。
2025 年同期，百度文心 4.5、腾讯混元 - A13B、华为盘古 Pro MoE 三款开源 MoE 模型集中发布，性能已比肩国际顶级模型，而研发成本却显著降低。
以腾讯混元为例，仅激活 130 亿参数即达到 GPT-4 级推理能力，这种 “低成本高产出” 的技术路径，不仅降低了中小企业的 AI 使用门槛，更形成了独特的生态吸引力。
开源生态的崛起，正在一定程度上对冲人才流失的影响，通过开放技术成果、构建协作社区，中国正在培养一批扎根本土的 AI 开发者，形成 “全民参与、共同迭代” 的人才培养模式，这与美国巨头的 “精英垄断” 形成鲜明对比。
对中国而言，应对这场人才争夺的关键，或许不是盲目跟风 “天价抢人”，而是持续夯实基础：一方面加大本土 AI 人才培养力度，通过校企合作、项目实践缩短人才成长周期。
另一方面深化开源生态建设，让技术成果快速转化为应用价值，用场景优势留住人才。
当中国能形成 “培养 — 实践 — 成长” 的人才闭环，当开源生态能孕育出更多本土创新，即便面对美国的人才垄断，也能走出一条自主可控的发展之路。
毕竟，AI 竞争的终极赛场从来不是 “谁抢了多少顶尖人才”，而是 “谁能构建起可持续的创新生态”。
热门跟贴