AI冲击读博路：博士生职业规划怎么改

Anthropic研究员Jascha Sohl-Dickstein在题为《人类世的终结》的演讲中直接告诉在场博士生：你们原先设想的职业规划已经结束。这不是一句情绪化的口号，而是基于算力增长、AI任务完成时长等趋势做出的判断。对正在读博、准备读博或刚毕业的求职者来说，真正需要回答的问题不是「AI会不会取代我」，而是「我现在的路径还值不值得继续投入」。

博士生职业规划为什么突然失效

演讲里有一个细节很刺眼：一位博士生认同AGI将在3年内实现，却仍然计划两年博士毕业后做博后、再申请教职。Jascha的回应是，他非常确定10年后的学术工作不会是今天这个样子。

这背后的逻辑并不复杂。过去十年训练顶级模型的算力暴涨了1000万倍；AI独立完成任务所能持续的时间每隔几个月就翻一番；过去7个月里，模型开始解决数学家此前未能攻克的难题。当这些变化叠加在一起，传统学术职业所依赖的「慢周期、长积累、稳定晋升」假设就被动摇了。

对求职者而言，这意味着不能再用「读完博再说」来推迟决策。博士训练本身仍有价值，但如果把全部赌注押在一条假设十年不变的路径上，风险正在快速上升。

哪些研究方向更容易被AI压缩

Jascha给出的第一条生存法则很直接：不要做「慢条斯理的探索」，要做能被算力放大的事。他警告说，最需要避免的下场是辛辛苦苦干两年取得线性进展，别人给大模型写个Prompt，结果比你两年的心血还好。

这不是说所有基础研究都会消失，而是提醒求职者在选题和技能积累上做一次风险排查。那些高度依赖重复实验、文献梳理、标准流程推导的方向，更容易被规模化算力碾压；而那些需要定义问题、判断价值、协调资源、承担结果的方向，仍然需要人来主导。

对准备读博的人，选导师和课题时不妨多问一句：这个方向如果算力再涨十倍，是变得更有价值，还是更容易被替代？对已经在读的人，尽早把AI工具纳入日常研究流程，而不是等到毕业才补课。

稳定职业的安全感正在变贵

演讲中第二条法则针对的是「求稳」心态。很多人为了降低风险选择体制内、终身教职这类路径，但Jascha的判断是：如果AI引发大规模社会重构，社会的基线风险就已经高到无法逃避，你以为的安全选择其实并不安全，只是白白牺牲了高回报的潜力。

这句话对求职者的启发不是鼓励盲目冒险，而是提醒大家重新计算「稳定」的成本。当外部变化速度超过组织调整速度时，任何单一岗位的稳定性都在下降。更稳妥的做法是保持可迁移能力：能清晰定义任务、能借助AI放大产出、能在不同场景间转移经验。

把AI当下属，而不是当对手

Jascha提到自己每天和Claude一起工作，感觉像带了一个极其渴望执行、才华横溢但科研品味还一般的超级研究生，他自己已经完全不写代码了。这个描述对求职者很有参考价值：AI不是来抢饭碗的抽象威胁，而是一个需要被管理、被校准、被赋予明确任务的生产工具。

他同时给了一个警告：写作即思考，不要让AI为你写第一份草稿，否则你把思考也外包出去了。这条边界对求职者同样适用。可以用AI找错、扩写、做信息整理，但核心判断和表达必须自己完成，否则面试和实际工作中很容易露怯。

现在还能做什么

演讲最后强调，我们仍处于指数曲线的极早期，个人手里握着巨大的杠杆。对求职者来说，这意味着现在调整方向仍然来得及。具体可以做三件事：一是重新评估手头的职业路径，看它是否假设了一个十年不变的环境；二是把AI工具变成日常工作的默认配置，练习界定任务和验收结果；三是把选题和技能往「能被算力放大」的方向靠拢，而不是和算力比谁更耐得住重复劳动。

想看同类岗位和方向的实时变化，可以在求职者营地（qzzyd.com）按城市和行业订阅大厂官网在招岗位，用真实需求校准自己的下一步。

黄金时代不会一直开着门，但门还没关上的时候，先动的人拿到的杠杆最大。