读博还是工作？一个 AI 方向硕士生的真实纠结

这个问题我想了很久。

作为一个电子信息工程的硕二学生，做计算机视觉方向，身边的人大致分两拨：一拨准备读博，一拨准备找工作。两边都有道理，两边都有风险。

我自己目前倾向读博，目标是东华大学和上海交大。但我不会告诉你”读博一定好”或者”工作一定好”——因为这取决于太多个人因素。

我只说我看到的事实，和我自己的思考。

学术界的风险，比你想象的大

第一章配图

AI 领域有一个很残酷的现实：技术迭代太快了。

2017 年 Transformer 出来，之前做 RNN/LSTM 的研究基本一夜过时。2022 年 ChatGPT 出来，传统 NLP 的研究范式整个被改写。2024 年 Sora 出来，视频生成领域重新洗牌。

一个博士读四到六年，而 AI 的技术范式迭代周期大概只有两到三年。这意味着你读博期间，研究方向可能被颠覆一到两次。

毕业时发现自己做的东西已经没人关心了——这不是极端情况，是真实发生过的事。

另一个问题是学术界和工业界的脱节。以强化学习为例，学术界大量论文在卷 Atari 游戏的分数——“在 100k 步的时候谁分数高”。但工业界需要的是能落地的东西：机器人控制、推荐系统、自动驾驶。学术界 overfit 到 benchmark 上了，和真实需求之间有一道很深的沟。

这不是说学术研究没价值，而是说如果你的目标是”进 AI Lab 做研究”，那 PhD 可能不是唯一的路，甚至不是最优的路。

第二章配图

我跟几个在 AI 公司工作的师兄聊过，他们给我最大的感受是：工业界招人，看的是你能解决什么问题，不是你有什么学历。

有没有 PhD 不是决定性因素，关键是你的经验和岗位的匹配度。你做过什么项目？解决过什么实际问题？能不能上手就干？这些比一纸学位重要得多。

而且工业界有一些学术界很难获得的资源：海量的真实数据（TB 甚至 PB 级别）、充足的计算资源（几百张 GPU）、以及最重要的——真实的业务场景。这些东西在学校里是很难接触到的。

从收入角度算一笔账：本科毕业直接工作，假设年薪 30 万，四年下来至少 120 万的收入和四年的职业经验。读博四年，收入接近零，毕业后起薪可能高一些，但要把前四年的机会成本追回来，需要很长时间。

第三章配图

从我了解到的信息来看，AI 行业现在最稀缺的不是算法工程师，而是 Infra 人才。

Infra 就是基础设施——训练框架（DeepSpeed、Megatron）、推理优化（vLLM、TensorRT）、分布式系统（Kubernetes、Ray）、硬件优化（CUDA）。这些东西门槛高，培养难、学术界基本不教，但每个 AI Lab 都急需。

有师兄跟我说，Infra 方向有三年以上经验的人才”屈指可数”，薪资比普通算法岗高出 30%-50%。

另一个关键能力是 Scalability——你能处理多大规模的数据、训练多大的模型、跑多快的推理。这些能力只有在工业界的实际项目中才能积累。

第四章配图

说了这么多工业界的好处，但我自己还是倾向读博。不是因为不认同上面的分析，而是因为几个个人原因：

第一，我的研究方向（多尺度图像检测、违章建筑识别）目前还在早期阶段，我觉得值得深入做下去。这不是一个已经被卷烂的方向，还有空间。

第二，我本科背景不是 985/211，硕士也是普通学校。在当前的就业市场上，博士学位对我来说是一个信号——它证明我在某个方向有深度积累。这个信号对我比对清北的学生更重要。

第三，我确实喜欢做研究。写论文的过程虽然痛苦，但想通一个问题、跑通一个实验的那种满足感，是工程任务给不了的。

但我也给自己设了一条底线：读博期间必须保持和工业界的连接。 每年找机会实习，学习工程化技能，关注真实的行业需求。不能把自己关在象牙塔里。

第五章配图

如果你也在犹豫读博还是工作，几个建议：

如果你目标是进 AI Lab 做研究员，工业界可能比 PhD 更快到达。经验匹配度比学历更重要。

如果你目标是学术界教职，PhD 是必须的，没有替代方案。

如果你不确定，我的建议是先工作。工作两三年再决定要不要读博，不晚。反过来，读了博再后悔，沉没成本就大了。

如果你像我一样，明确想深入一个研究方向，那就读。但要清醒地知道风险：技术可能过时、机会成本很高、毕业后的路可能比你想的窄。

没有标准答案。重要的是你想清楚自己要什么，然后为自己的选择负责。

本文来自「研路炼钢」