“AGI 若三年内到来，读博将失去意义”——这句话不是 Anthropic 科学家的原话，而是被剪掉了前提的传播标题。 说这话的雅沙·索尔-迪克斯坦（Jascha Sohl-Dickstein）在他的演讲里始终没有回答“该不该读博”；他真正抛给年轻人的是一个更尖锐的问题：如果你相信自己口中的时间线，你的行动还成立吗。今年 6 月，他在斯坦福一场物理学与 AI 交叉领域会议上向早期职业阶段的科研人员做了这场演讲；10 月中下旬，演讲内容在知乎、微博、小红书、抖音重新发酵，知乎问题「如何看待这一观点」在 10 月 23 日登上热榜。 对准备升学的人来说，需要避的坑不是“博士还值不值钱”，而是被半句话替自己做决定。DeepTech深科技
他到底说了什么：一条被掐掉前提的“焦虑金句”
演讲开场，索尔-迪克斯坦讲了一段亲身经历：他遇到一位很优秀的研究生，对方笃定地表示相信 AGI 三年内会出现；几分钟后聊起职业规划，说的还是读完博士、做博士后、找教职。他觉得这里面有矛盾——嘴上相信世界几年内会巨变，行动上却默认既有学术体制会照常运转。他批评的是“信念和行动对不上”，不是学位本身。 他也承认，自己不知道一二十年后的教职会变成什么样，只是确信未来的学术研究和今天会有很大不同。AI解码师
由这个矛盾出发，他谈到传统职业规划建立在“稳定换回报”的权衡上，但如果 AI 真的引发大范围系统性变化，所谓安全的选择未必还能提供预期中的保障，不如多考虑自己真正感兴趣、且可能产生长期影响的事。完整版本里还有一条明确的边界：研究者可以让 AI 修改文章、检查逻辑，却最好不要让 AI 代写论文初稿，因为写作就是思考，把写作外包出去，实际上也把思考外包了。 而这些关于读博的全部表述，在传播链上被压缩成了“三年后读博无意义”。DeepTech深科技小红书
这番话为什么被认真对待：他给出的证据链
索尔-迪克斯坦是扩散模型这条技术路线的早期重要研究者，先后在谷歌大脑和谷歌 DeepMind 工作，目前任职于 Anthropic——不是随手转述的自媒体说法。DeepTech深科技
演讲里他给出一条能力增长的证据链：过去十年，全球最大 AI 模型的训练计算量增长了约 1000 万倍，他粗估目前最大模型的训练规模已开始接近人脑一生计算量的某些估计范围；他还提到，数学家埃尔德什留下的未解决问题，已开始被 AI 给出部分解答。 他同时引用独立评估机构 METR 的口径——用“模型能独立完成多长跨度的软件任务”衡量能力——并说自己不到一年前还预测要到 2026、2027 年 AI 才能完成相当于人类一整天工作量的任务，而这项指标随后增长约 10 倍，快过了他的预期。 基于 Epoch AI 的算力趋势预测，他认为到 2030 年 AI 计算规模可能达到 2025 年的约 1 万倍——变化可能仍在指数早期。小红书DeepTech深科技
更值得注意的是态度的变化速度：一年前他在哈佛讲类似内容，收到的邮件直斥这是“疯话”。 而在这次的会场上，他说旧金山 AI 研究圈里许多人认为 AGI 可能在几年内出现，即使主张时间线更长的，追问下来说的也多是十年左右；相比之下，其他科学领域的研究者通常谨慎得多。同一周，「诺奖得主 Hassabis 称 AGI 最快 2 年内到来」的提问也在知乎挂着热议——大佬们的时间表彼此冲突，这本身就是信息。DeepTech深科技
证据只能覆盖到这里：三个边界
这番话的听众，是斯坦福会场里那批已经拿到入场券的人；他讨论的是选题和科研方式怎么调整，不是面向所有学生的劝退令。 整场演讲中，他其实没有直接回答年轻人究竟该不该读博士——这是第一层边界。AI解码师
第二层边界在于，他自己的经历恰好是反例。他最出名的成果是 2015 年那篇把非平衡热力学引入生成模型的论文，此后好几年无人问津，直到 2020 年 DDPM 带火扩散路线，它才成为 Stable Diffusion、Sora 这一代技术栈的底座。 那正是一项“缓慢、自由、没有明确终点”的探索，放在他劝人避开的“跑不赢指数曲线”类别里毫无胜算——一个领域里最有分量的东西，往往诞生于“看起来不划算”的时间段，而博士阶段恰恰是机会成本最低、容得下慢探索的阶段。AI解码师
第三层边界，是日本经济团体联合会今年 2 月那份博士人才报告给出的相反结论：在生成式 AI 和智能体浪潮下，博士训练出来的深度专业能力、全局视角和独立探究能力反而更重要。 他本人几乎每天与 Claude 协作、不再亲自写代码，但前提是二十年的积累；对刚入学的博士生来说，复现失败的论文、推错的公式、调到凌晨的参数，恰恰是“这个结果好得不正常”这类直觉的来源——“把执行外包、把判断留给自己”对资深研究者成立，对新生未必是同一道题。AI解码师
对升学规划的人，真正要避的是三个坑
第一个坑：拿被剪断的金句做人生决定。 看到“某科学家称某某过时了”，先回到原始演讲核实三件事：他的前提是什么、说给谁听、他本人有没有给出标题里那个结论。 即便在这轮传播里转述最广的说法，也只是“别急着把它当成退学理由”。微博小红书
第二个坑：把任何人的 AGI 时间表当成规划前提。 从“最快两年”到“十年”再到怀疑现有路线根本到不了，业内分歧巨大且频繁被现实修正——连索尔-迪克斯坦本人都承认自己一年前的预测被指标增速打脸。更可靠的做法是观察你所在领域的信号：你花两三年做的阶段性成果，是否真会出现“向最新基础模型提个要求就得到更好结果”的情况；实验科学环节被 AI 渗透的程度如何。你真信极短时间线，就该像他质询那位研究生一样重排自己的选择；你不信，也不必被恐慌推着退场。
第三个坑：把学位本身当成要保的东西。 博士阶段真正稀缺的资产，是四五年可以安心做“不划算”深度训练的窗口——研究品味、独立判断和提出好问题的能力，都从这里长出来。如果读博只是为了头衔，无论 AGI 来不来，这个决定都值得重新审视；如果是为那段探索窗口，它目前还没有被任何预言关闭。索尔-迪克斯坦没有替年轻人回答该不该读博；他留给所有人的其实是同一句话：判断必须自己做，也外包不出去。
