碳化硅SIC

我其实非常认同其中一个观点：很多 PhD 不是没有科研能力，而是根本没有接受过完整的科研训练。 但我觉得这里还有一个更讽刺的现象。 现在很多导师招 PhD，已经开始要求学生在本科或者硕士阶段就有顶会论文，最好还能独立提出 Idea、设计实验、完成整篇 Paper。 问题是，如果一个学生在入学之前，就已经能够独立完成高质量研究，那博士教育究竟还准备教他什么？ 我们似乎正在把 PhD 从一种培养独立研究者的教育过程，逐渐变成一种筛选已经具备科研能力的廉价劳动力的机制。 导师希望学生一入组就能产出，却未必愿意花同样的时间去指导学生如何发现问题、建立 Scientific Taste，以及面对科研中长期的不确定性。 当然，科研能力不完全取决于导师，个人的主动性、基础能力和天赋也确实重要。 但如果一个学生读了五年 PhD，发表了不少论文，却依然不知道如何独立寻找有价值的问题，那我觉得这不仅是学生的问题。 一个 PhD Program 的成功，不应该只看它招进来了多少优秀的学生、发表了多少 Paper。 更应该看，一个原本还不会做科研的年轻人，在这里究竟成长为了怎样的研究者。 如果导师只愿意招已经会做科研的人，却不愿意承担培养研究者的责任，那我们可能真的需要重新思考，博士教育究竟是在教育，还是在招聘。

最近回顾了一些科技公司的兴衰，突然觉得，这对今天的 AI PhD 其实是一个挺重要的提醒。 我们从小接受的教育，往往让我们相信，只要掌握足够先进的知识和技术，就能够在未来的竞争中占据优势。 读博以后，这种信念甚至会进一步加强。 你开始追逐最前沿的 Research Direction，努力发表顶会论文，希望自己能够比其他人更早理解下一代技术。 但商业史告诉我们的事情，可能没有这么简单。 Kodak 很早就研发出数码相机，却没能成为数码摄影时代的赢家。 IBM 推动了 PC 的普及，但真正长期获利的，却是 Microsoft 和 Intel。 这些公司并不是不懂技术，恰恰相反，它们拥有当时最优秀的一批工程师和研究人员。 但技术领先，并不意味着能够长期捕获技术创造的经济价值。 我觉得 PhD 很容易忽略这一点。 因为我们身处学术环境，评价体系天然鼓励 Novelty、Technical Contribution 和 Scientific Impact。 只要一个 Idea 足够新颖，实验足够漂亮，能够发表一篇有影响力的 Paper，我们就会认为这项工作取得了成功。 这当然没有错。 但当我们离开学术界，进入真实的商业环境以后，游戏规则就变了。 客户可能根本不关心你的方法是不是 SOTA。 他们关心的是，你能不能解决一个真实的问题，能不能降低成本，能不能提高收入，以及为什么他们应该选择你的产品。 更残酷的是，你花几年时间研究出来的技术，可能最终被另一家公司以更好的产品形式、更强的 Distribution 和更低的价格带给市场。 技术成果可能改变整个行业，但真正赚到钱的人未必是最早做出这项成果的研究者。 而且在 AI 时代，这种现象可能会更加明显。 因为技术能力扩散得太快了。 今天需要一篇顶会 Paper 才能实现的功能，明天可能就变成 Foundation Model 的原生能力。 你花几年建立起来的技术优势，可能在几个月内迅速贬值。 所以我越来越觉得，对于想要进入工业界或者创业的 PhD 来说，Scientific Taste 当然很重要，但还需要逐渐培养另一种能力： 理解一项技术究竟如何在现实世界中创造价值，以及谁最终有能力捕获这些价值。 这包括 Product Sense、Distribution、商业模式、组织能力，以及对真实客户需求的理解。 当然，并不是所有研究都需要追求商业回报。基础科学的价值，也不应该由短期盈利能力衡量。 但如果一个 PhD 希望通过技术获得商业成功，就不能只停留在技术本身。 你可以是世界上最早发现某项技术的人，却未必是最懂得如何利用它的人。 研究教会我们如何创造新的知识，但商业世界还要求我们理解，这些知识为什么有价值，以及价值最终会流向哪里。

15. 选题能力远比你想象的重要。 读博最容易产生的一种错觉，就是觉得只要自己足够努力，最终就一定能做出好成果。 但实际上，你可能在一个错误的问题上花三年时间，最后发现这个问题本身根本不值得解决。 一个好的研究问题，应该同时考虑 Scientific Importance、Tractability、Novelty，以及你是否真的对它感兴趣。 不要把「这个方向很热门」当成「这个问题很重要」。 尤其不要因为导师已经有了一个 Project，就默认这个 Project 一定值得你用几年时间去做。 16. 尽早建立自己的 Scientific Taste。 科研里有一件非常难教的事情，就是判断一个工作到底好不好。 为什么有些论文实验做得非常完整，但读完觉得没有任何意思？ 为什么另一些工作看起来很简单，却能改变整个领域的研究方向？ 这背后是 Scientific Taste。 多读真正改变过领域的经典论文，多了解重要发现背后的历史。不要只读最近两年的顶会 Paper。 慢慢建立自己对什么是重要问题、什么是漂亮的解决方案、什么是扎实证据的判断。 一个 PhD 最可怕的事情，不是不会做实验，而是已经很会做实验，却始终不知道什么实验值得做。 17. 不要把导师的评价当成对自己能力的最终判决。 导师有更多经验、资源和人脉，你应该认真听取他的意见。 但导师同样有自己的 Research Agenda、Funding Pressure 和 Career Incentives。 他认为重要的事情，未必永远是最适合你的事情。 你需要学会区分 Advice 和 Instruction。 更重要的是，逐渐建立能够独立评价自己工作的能力。 如果读博五年，你始终需要导师告诉你下一步应该研究什么，那么你可能已经完成了不少项目，却还没有真正完成科研训练。 18. 尽早学会把自己的想法写清楚。 不要等实验做完了才开始写 Paper。 很多时候，你觉得自己拥有一个非常漂亮的 Idea，只是因为它还停留在脑子里，没有经历严格的逻辑检验。 试着在项目开始之前，就写出 Problem Statement、Hypothesis、Methodology、Expected Contribution。 如果一个研究问题连几段话都无法准确描述，那通常意味着你还没有真正想清楚。 写作不是科研完成以后的包装工作，而是帮助你发现逻辑漏洞的过程。 19. 不要成为实验室里最优秀的工具人。 有些博士生非常能干。 会写代码，会修服务器，会调试模型，会搭实验平台，导师和同门遇到技术问题都喜欢找他。 但五年以后，这个人可能帮所有人完成了项目，自己却没有几项真正独立的研究成果。 当然，技术能力很重要，帮助别人也是建立合作关系的方式。 但你需要警惕，自己是不是在不断解决别人的问题，却没有时间思考自己的问题。 一个 PhD 最重要的资产，不是整个实验室离不开你，而是离开这个实验室以后，你仍然有独立开展研究的能力。 20. 合作之前，把 Contribution 和 Ownership 讲清楚。 学术圈很多令人痛苦的矛盾，并不是因为人有多坏，而是因为大家对贡献、署名和责任有完全不同的预期。 在项目刚开始时，尽量明确谁负责核心 Idea，谁做主要实验，谁写论文，谁维护代码，以及作者顺序按照什么原则决定。 不要觉得谈这些东西很功利。 恰恰相反，提前把利益关系讲清楚，才能减少未来不必要的冲突。 一个成熟的研究者，应该既能慷慨地帮助别人，也能清楚地保护自己的劳动成果。 21. 学会尽早杀死一个没有希望的项目。 年轻 PhD 很容易陷入 Sunk Cost Fallacy。 一个实验已经跑了三个月，一个方法已经修改了十几个版本，即使越来越怀疑最初的假设，也不愿意放弃。 因为放弃意味着过去三个月好像白费了。 但科研里真正昂贵的不是已经投入的时间，而是未来还准备继续投入的时间。 定期问自己： 如果今天才第一次听说这个 Idea，知道目前所有的实验结果，我还愿不愿意开始做它？ 如果答案是否定的，就应该认真考虑 Pivot。 当然，Negative Result 也可能非常有价值。关键在于这个项目是否还能够产生可信的知识，而不是能不能勉强凑出一篇 Paper。 22. 尽量让自己的工作拥有外部可见性。 不要把所有科研成果都封闭在导师和实验室内部。 在合适的时候开源代码，整理 Documentation，参加 Workshop，做学术报告，和其他实验室的人交流。 你需要让 Community 有机会独立评价你的工作。 很多时候，真正改变职业机会的，不是导师说你很优秀，而是领域里的其他研究者已经知道你是谁、做过什么，以及你的工作是否值得信任。 学术声誉不是一夜之间建立的。 它来自长期稳定的研究输出，以及别人与你合作时积累的真实体验。 23. 不要只向比你厉害的人学习，也要认真对待你的 Peers。 很多年轻 PhD 太在意认识大教授、知名研究者，却容易忽略同一年入学的普通博士生。 但十年以后，这些人可能会成为各个学校的 Faculty、工业界的 Research Scientist，或者某个领域的重要贡献者。 很多长期合作关系，并不是在双方都很成功的时候建立的，而是在大家都还没有什么资源的时候建立的。 不要把 Networking 理解成向上寻找资源。 最值得珍惜的关系，有时恰恰是两个年轻研究者在彼此都不被重视的时候，愿意认真讨论对方的 Idea。 24. 尽早拥有离开学术界的能力。 我非常赞成以独立科研的标准要求自己，但不认为所有 PhD 都必须以成为 Faculty 为唯一目标。 一个 PhD 应该尽可能培养可迁移的能力。 研究设计、数学、编程、实验方法、沟通、写作、复杂项目管理，这些能力不应该只能在学术圈内部发挥价值。 尽早了解 Industry 的实际需求，认识不同职业路径上的人。 这并不意味着你不够热爱科学。 恰恰相反，一个人只有拥有选择权，才更有可能出于真正的热爱留在学术界，而不是因为不知道还能去哪里。 25. 不要把长期透支自己当成科研的必要条件。 我同意科研需要长时间的投入，也同意很多重要成果来自看起来没有进展的漫长积累。 但我不认为每天工作 14 小时应该成为年轻 PhD 的普遍要求。 科研需要专注力、创造力，以及长期保持对问题的敏感。 如果一个人已经疲惫到没有能力认真思考，只是在机械地跑实验、修改代码，那么再多工作两个小时也未必有意义。 有些时候，你在办公室坐了十二个小时都想不明白的问题，可能散步半小时突然就有了思路。 不要把 Hours Worked 当成 Research Productivity 的替代指标。 这本身也是一种 Goodhart's Law。 26. 永远保留一个真正属于自己的研究问题。 这是我最想补充的一条。 读博以后，你会逐渐发现，很多人都有自己的目标。 导师想要 Funding，实验室想要 Paper，学校想要 Ranking，Community 想要新的 Benchmark 和 SOTA。 这些目标并不一定是坏的，你也需要学习如何在这样的系统里生存。 但我希望每个 PhD 都能保留至少一个问题。 一个即使没有人给你经费、没有人承诺能发顶会、没有任何短期回报，你依然愿意花时间去理解的问题。 你可能暂时没有条件真正投入它，但不要忘记它。 因为读博最遗憾的事情，可能不是五年以后没有拿到 Faculty Offer。 而是五年以后，你已经非常熟练地知道怎样写 Proposal、怎样发表 Paper、怎样获得 Funding，却再也想不起自己最初为什么对科学感到好奇。 一个 PhD 可以为了毕业、收入和职业发展做很多妥协。 但至少应该保留一点不需要向任何人解释的好奇心。