先把被剪掉的那半句话补上。
今年6月，Anthropic研究员雅沙·索尔-迪克斯坦（Jascha Sohl-Dickstein）在斯坦福一场物理学与AI交叉会议上对早期职业阶段的科研人员做了一场演讲。他讲起自己与一位优秀研究生的对话：对方先笃定地说相信AGI三年内就会到来，几分钟后聊职业规划，讲的仍然是读完博士、做博士后、找教职。他追问的是这个矛盾。所以"读博无意义"这五个字，不在那场演讲里。DeepTech深科技知乎
10月20日前后，这场搁了四个月的演讲被重新翻出，先在海外社交平台引发热议。"Anthropic科学家称AGI若三年内到来读博将失去意义"随即成为国内问答平台的热榜话题。硕博群体转发时的心有戚戚是真的——只是真正值得从这场演讲里拿走的，不是退学冲动，而是三个可以立刻核对的问题：他究竟说了什么、焦虑有多少是真的、已经在路上的人是怎么破局的。36氪知乎
那场演讲说了什么
索尔-迪克斯坦现任职于Anthropic，曾在谷歌大脑和DeepMind工作，是2015年那篇把扩散模型带进深度学习社区的论文作者之一。这场演讲的核心判断建立在一组数据上：过去十年，最大模型的训练计算量增长了约1000万倍。按评估机构METR的标准，AI能独立完成的人类"整个工作日"级软件任务，能力指标不到一年增长了约10倍，快过了他自己的预期。他还引用Epoch AI的预测称，如果趋势持续，到2030年AI计算规模可能达到2025年的约1万倍——他由此判断，人类仍站在指数曲线的早期。小红书36氪DeepTech深科技
由此他给出几条建议。选题上，他劝年轻人做目标明确、推进快、能合作的项目，跑在指数曲线前面，不鼓励缓慢的开放式探索。他反复提到要避免的情形是：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能得到更好的结果。工具上，尽早每天使用AI，他自己已经不再亲自写代码，但AI生成的图和结论必须人来把关。写作上，可以让AI修改、挑逻辑漏洞，但初稿最好自己写，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"。职业上，他点出"稳妥"的幻觉：如果整个社会的系统性风险本来就高，看似安全的道路未必买得到安全，选稳妥，你只是放弃了上限，没换来安全。知乎DeepTech深科技小红书
值得留意的是，他的原话里没有回答"该不该读博"，被质疑的只是把它当成默认答案这件事本身。DeepTech深科技
焦虑不是玻璃心，是训练路径被抽走了
热搜标题传回国内时，评论区里最扎眼的一句是"智力与学术能力在AI面前，直线贬值"。这种情绪并非凭空。今年5月底，一名在瑞士读物理博士的新生发帖：一个卡了他两周的推导，导师带着最新模型几个小时就推平了。他的幻灭不在问题被解决，而在学徒制本身塌了。他写道：以前的学术界是个漫长的学徒制。你得先搬砖、当苦力，才能熬成博后，最后变成独立PI。可是现在，AI直接把"搬砖"的阶段给暴力抹去了。这篇近两千赞、上千收藏的帖子写道：往上看，传统模式培养的存量博后堵着通道；往下看，新人靠肉身实践建立直觉的落脚处正在被蚕食。小红书小红书
这正是索尔-迪克斯坦那句话能击穿硕博的原因：它戳的不是学位值不值钱，而是"如何成为一个会做研究的人"这条路径还在不在。不过同一批帖子的评论区里，另一种声音获得了更高的赞：“读博是训练发现问题的能力和品味”。有人提醒AI的成本相对于"会自费买token"的博士生还偏高；也有人指出湿实验、以及"结果和预期对不上时判断问题出在假设还是方法"的环节，暂时还轮不到模型来做。两种声音都真实，它们共同说明：焦虑的对象是训练方式，不是那纸文凭。小红书
"无意义论"有一个自我反驳的角落
把演讲放回它的传播链条里看，至少有三层失真。第一层是反讽：索尔-迪克斯坦最有分量的贡献——2015年那篇论文——恰恰是他劝年轻人避开的"缓慢的、开放式的探索"，发表后数年无人问津，直到2020年DDPM出现才真正火起来，后来成了Stable Diffusion、Sora这条技术路线的底座。他若2015年按2026年的建议选题，大概率不会去做这件事。这不是说他自相矛盾，而是提示了一个他在演讲里没展开的事实：一个领域最有价值的东西，常常诞生在"看起来不划算"的时间段里，而博士阶段恰是这种探索机会成本最低的窗口。知乎
第二层是条件。“把编码、执行、验证交给AI、人保留判断”，对一个有二十年积累的研究者成立；对博一学生，这些笨活本身就是判断力的来源。他在写作上留了例外——初稿必须自己写，因为写作即思考——但推导、复现、debug同样是在思考，为什么例外只留给写作？第三层是对象与前提。演讲的听众是斯坦福会场里已经拿到入场券的早期科研人员，被劝的是"重新审视默认选项"，却被转发给大量正在门口决定进不进的人，"读博就没意义了"这句话其实被剪掉了一半，不该被当成退学理由。而且"AGI三年内到来"本身没有共识：AGI究竟何时到来，目前仍有很大不确定性，这是旧金山AI圈的流行判断，其他学科的研究者普遍谨慎得多。把一个人的概率信念当成所有人的行动指令，才是真正的信念与行动脱节。知乎小红书DeepTech深科技
已经在路上的人，给出了三种破局
与其问学位会不会贬值，不如看同样处境里已经有人验证过的做法。
一是选题从"求稳"换成"难替代"。在国内读CS博士的博主弗兰克今年6月写过一篇近八百赞的经验帖：工具会越来越便宜，脑子里有没有东西越来越贵，“在 AI 时代真正值得卷的其实不是代码本身，而是 taste、problem formulation、storytelling，还有在一堆 hype 里还能保持脑子清楚的能力”。这与演讲里列的方向异曲同工：AI for Science、模型可解释性、AI安全、政策治理——去做能借AI之力、而不是被AI之力覆盖的问题。小红书
二是与AI明确分工，把判断权攥在手里。能外包的是头脑风暴、代码、图表、找漏洞；不能外包的是验证、初稿和"结果对不对"的最终裁决。这也是那位瑞士博士生帖子下最多人认同的方向：AI加快了产出，也让错误更快堆积，判断力恰恰要在亲手核对里长出来。
三是把"稳不稳"换算成"要不要"。那条热榜问答下，被高赞的回答给拿到offer、正在犹豫的人的建议是：别问学位会不会贬值，先问问自己想不想要那四五年里可以安心做一件"看起来不划算"的事情的机会。弗兰克自己的答案是"再选一遍还是会读"——理由不是对冲风险，而是思维方式确实被练得更有条理，以及目标本来还在。经济学教授杰森·波茨在《AI之后的大学》里也给出了同向的判断：当AI压低了论文写作、编程和获取知识的成本，大学传统的知识传授与学历认证功能面临挑战，剩下的价值更多在提出有价值的问题、验证成果和长期探索。知乎DeepTech深科技
这场争论真正的落点大概是：让硕博群体不安的从来不是"读博"，而是"不知道自己为什么读"。索尔-迪克斯坦那场被剪断的演讲里，经得起核销的部分恰恰是他真正的原话——如果你相信某些事，就该让它反映在你怎么过这几年的选择里。
