热榜词条这次是个问号：如何看待 Anthropic 科学家称「AGI 若三年内到来读博将失去意义」？问题里的这句「结论」，原演讲里其实没有——整场演讲，他并没有直接回答该不该读博。真正引发传播的是他和一名研究生的对话：对方先笃定地表示，自己相信 AGI 三年内就会出现，但几分钟后，又极其自然地谈起接下来的规划——读完博士、做博士后，然后找一份大学教职。他批评的正是这两句话的落差：嘴上相信世界几年内剧变，人生规划却按旧世界照常运转。要么把时间判断放进重大决定，要么重新审视自己到底信不信。知乎DeepTech深科技
原话是四条具体建议
这场演讲今年 6 月在斯坦福大学一场物理学与 AI 交叉领域会议上完成，题目叫《在人新世最初与最后的日子里，给青年研究者的建议》。听众是刚入行的年轻研究者，建议拆开是四条。选题要预留模型增长：最容易踩的坑，是花两年做出重要进展，做完时别人给最新基础模型写个提示词就得到更好的结果——所以要做目标明确、合作推进、速度快的项目，挑能从算力和模型升级中持续受益的方向。DeepTech深科技知乎
工具要往死里用，但底线要留住：他自己已经不再亲自写代码，分析、出图都交给模型，可论文初稿最好自己动手——写作就是思考，把它外包出去，等于把思考外包了。职业路径上，他话说得更直：如果 AI 真会引发大范围社会变化，人们本来就面临很高的系统性风险，看似安全的选择未必提供预期的保障。DeepTech深科技
但演讲里埋着两处自我反诘
第一重是路径悖论。索尔-迪克斯坦最出名的学术身份，恰恰是扩散模型的早期重要研究者——而这条路线在其后多年并不是聚光灯下的方向。今天他劝年轻人放弃的「缓慢、自由、没有明确终点的探索」，正是他自己成果走过的路。第二重是训练悖论：把编码、执行、验证交给 AI，对积累深厚的科学家成立，可博士生的研究品味，恰恰是从这些「笨活」里磨出来的；既然外包写作等于外包思考，为什么只给写作留例外？热榜讨论中一种相对清醒的调和正落在这里：真正的分歧不在要不要读博，也不在 AGI 本身，而在科研入门阶段的训练怎么重建。DeepTech深科技知乎
前提本身也只是预测，不是事实
「AGI 三年内」不是共识，而是一条正在坍缩的时间线的端点。DeepMind CEO 哈萨比斯在《华尔街日报》专访中把预期时间狂砍至 2 到 3 年——不到两年前，他的说法还是 5 到 10 年。乐观者的量化依据乍看很硬：按独立评估机构 METR 的任务时长指标，AI 独立处理软件任务的能力一年间增长了约 10 倍；而不到一年前，连索尔-迪克斯坦自己都以为，「一整天人类工作量」要等到 2026、2027 年。所以他给「瓶颈派」的建议反而比任何时间线都更值钱：把判断转成可量化的指标，建立测试并持续追踪，别停在直觉争论上。至于 AGI 本身，定义至今没有统一：厂商已多次宣布 AGI 到来，研究者还在争论评判标准。36氪DeepTech深科技
读博的挤压不需要 AGI 当前提
博士群体的真实处境，供给侧的变化已经先于 AGI 发生。教育部《2025年全国教育事业发展统计公报》显示，全国共招收研究生143.85万人，其中博士生20.16万人，硕士生123.68万人；在学研究生429.95万人，其中博士生75.36万人；毕业研究生116.65万人，其中博士生11.29万人。公报配套分析同时指出，博士生招生增速快于硕士。把这组数字和「三年」放在一起，读博的时间风险就完整显形了：时间线兑现，你毕业时面对的是被重塑的科研格局；不兑现，面对的仍是连年扩招后的同场竞技——博士的「稀缺」属性在供给扩张中已经回落，回报更取决于学科与导师团队的匹配。顺带一提，说「三年」的那位本人给出的其实是更长的坐标：机器人替人类做物理实验，若 10 到 15 年内还实现不了，他会感到惊讶。对一段四到六年的博士周期来说，任何时间线预测都只能当不确定性用。光明网DeepTech深科技
热榜真正问的：信念和行动怎么对账
把词条落回决策，是三个当场能答的问题。第一，读博动机是什么：如果只是要头衔或躲就业，这个理由在博士招生两位数增长的年代已经在松动，与 AGI 无关；如果想要的是几年不被考核追着跑、做「看起来不划算」之事的机会，它在全球提速反而愈发稀缺。第二，课题的半衰期有多长：下一个模型升级会放大它，还是抹掉它。第三，这几年里，判断力的形成过程走没走在自己手上。经济学家杰森·波茨在《AI 之后的大学》里的判断与此同向：当 AI 大幅降低论文写作、编程和知识获取的成本，大学传统的知识传授与学历认证功能也将面临挑战，更留下来的价值是提出好问题、验证结果和长期探索。索尔-迪克斯坦没留下标准答案，但演讲本身就是答案：AGI 来不来，思考都外包不出去。DeepTech深科技
