学术界崩塌前夜 ...

AI 人才大战正让学术界陷入前所未有的危机！博士生月津贴只有几千美元，却要面对硅谷百万年薪的诱惑；实验室为一块显卡焦头烂额，大厂却豪掷千亿买 GPU。博士生本是科研与教学的支柱，如今却加速流向产业。教授担心学生半路跳槽，政府和高校的补救也远远跟不上。未来的 AI 突破，还能出现在大学实验室吗？

一图看透全球大模型！新智元十周年钜献，2025 ASI 前沿趋势报告 37 页首发

博士生的处境，正在被 AI 风暴彻底改写。

哈佛博士每个月拿着 4205 美元津贴，而硅谷 AI 公司一开口，就是百万年薪。

实验室里博士生还在为一块显卡焦头烂额，大厂却挥金如土买下千亿 GPU 集群。

这场人才争夺战，正在把学术界推向前所未有的危机。

哈佛教授 David Alvarez-Melis 甚至坦言：

大家都有一点怕错过的感觉

这不仅是一场产业的淘金热，更是一场动摇学术根基的地震。

博士生的尴尬：一边领补贴，一边看人拿百万年薪

博士生和 AI 公司之间的薪资，已经从「差距」变成了「天堑」。

在哈佛，计算机博士生的月津贴只有 4205 美元，一年大约仅 5 万美元。

而在硅谷，AI 公司给博士生开出的起薪，动辄就是百万美元。

即便是提升补贴，也依旧杯水车薪。

2023 年，CMU 大学把博士生的最低津贴从 2.7 万美元涨到 3 万美元，但相比行业的薪水，这几乎没有任何竞争力。

卡内基梅隆大学的计算机科学教授 Vincent Conitzer 直言：

学生本来就不指望能拿和业界一样的薪水，但当差距越来越大时，就不得不担心了。

而且，这并非美国独有的矛盾。

在澳大利亚，博士生的标准津贴约为 AU$33,511/ 年，但最低工资标准约 AU$47,627/ 年，不少候选人因此被劝退。

在英国，UKRI 也不得不出手，从 2025 年秋季开始，将最低博士生津贴提高 8%，新标准为 £20,780/ 年，试图更贴近生活成本。

与此同时，产业界的诱惑却越来越强烈。

Meta 曾被曝出向 OpenAI 顶尖人才提供 1 亿美元签约奖金，试图用金钱强行挖人。

不少科技公司在招聘具有 AI 或机器学习经验的工程师时，还会额外给予高达 20 万美元的薪酬溢价。

学术界的「穷养博士」，和业界的「豪掷百万」，正把博士生一步步推向实验室之外。

算力鸿沟：博士生抢显卡，大厂烧千亿

如果说工资差距让博士生心灰意冷，那么算力鸿沟则直接决定了他们能不能做出像样的科研。

在实验室里，博士生常常为了几块显卡排队，甚至要东拼西凑才能把模型跑起来。

而与此同时，微软、Meta、Alphabet 等巨头今年光是在 AI 算力基础设施上的投入，就高达数千亿美元。

这种悬殊的对比，让年轻学者望而兴叹。哈佛教授 David Alvarez-Melis 坦言：

一些大学已经意识到，这类研究越来越依赖算力资源，所以才开始尝试加大投入。

但现实是，哪怕像哈佛 Kempner 研究所这样有雄厚背景的机构，筹钱扩建 GPU 集群依旧困难重重。

执行主任 Elise Porter 就说：

这是我们必须拥有的关键工具，但它极其昂贵。捐赠者可能存在，但凤毛麟角。

学术界早就有人提出警告：这种差距正在形成「算力鸿沟」。

一项题为「The Compute Divide in Machine Learning: A Threat to Academic Contribution and Scrutiny?」 的研究指出，产业实验室与高校在 GPU 使用量上的差距正急剧扩大。

这不仅限制了学术研究者参与前沿模型开发的机会，也削弱了他们对安全性、可解释性等问题的监督能力

一些大学正在尝试自救。

比如普林斯顿大学投资建设了一个由 300 块 H100 GPU 组成的集群，用于支持生成式 AI 研究；

普林斯顿大学的全新 GPU 集群将有助于将人工智能研究留在公共领域，普林斯顿大学计算机科学系的查尔斯 · C · 菲茨莫里斯教授、大学语言与智能计划负责人 Sanjeev Arora 表示。

孟菲斯大学也建立了「iTiger」GPU 集群，为区域科研和教学提供算力支持。

但与大厂动辄千亿美元的投入相比，这些尝试仍显得杯水车薪。

一边是博士生「抢显卡写论文」，一边是大厂「烧钱堆 GPU」。

这场算力军备差距，正在成为决定博士生去留的关键因素。

人才断供：学术界的血液正在流失

博士生在学术体系里，扮演着极其关键的角色。

他们不仅是实验室里最主要的科研人员，还承担了大量本科教学工作。

可以说，博士生就是学术界赖以循环和成长的「血液」。

但如今，这股「血液」正在加速流向产业。

MIT 教授 Jim Collins 警告，如果博士生过早被行业吸走，整个科研系统就会「失血过多」，难以维持长期健康。

危机并非夸大。博士生一旦提前离开，学术界面临的不是少一个研究助理这么简单，而是科研项目断档、学术梯队塌陷。

更重要的是，博士生原本是未来教授的储备力量。

人才流失过快，意味着未来能成长为独立学者的人数骤减。

一篇来报告指出，若博士生人数显著减少，不只是研究受影响，本科教育也会受到冲击。

很多博士生兼任教学助理，他们帮助批改作业、带讨论课、辅导本科学生；若人数减少，本科生的导师资源、课堂互动及反馈都会变差。

与此同时，美国部分大学正因为联邦科研经费不确定性而缩减 PhD 招生人数。

最新文章报道，美国许多研究所推迟或撤回了对博士项目的录取通知，主要原因是经费拨款的不稳定。

这让很多教授忧心忡忡：一边百万年薪的吸引力，一边是学术界的根基动摇。

当博士生越来越把学术当作跳板，整个体系都可能出现断供的危险。

混合模式：在大厂打工还能顺便拿博士？

当学术界苦苦思索如何留住博士生时，产业界已经抛出了一种「折中方案」。

在伦敦、巴黎和特拉维夫，Meta 的研究实验室 FAIR 给博士生开出了一种特殊的选择：

你既可以在 Meta 做研究员，又能在本地大学同时攻读博士学位

这种模式看似双赢——博士生既能拿到行业的高薪与算力支持，又不会完全离开学术圈。

Meta 的 Llama 首批研究论文就诞生于这种模式，其中的作者 Hugo Touvron 和 Gautier Izacard 都是在 FAIR 工作、同时攻读博士的代表。

类似的模式并不只存在于 Meta。

在英国，DeepMind 长期资助牛津、剑桥等高校的博士项目，部分学生在攻读学位的同时，也能进入 DeepMind 实习或参与研究。

谷歌也推出了 PhD Fellowship Program，为博士生提供资金与算力支持，并开放研究合作。

微软同样设立了 PhD Fellowship，并通过与多所大学的研究院合作，让博士生能在 MSR 的科研与学术研究间切换。

这种混合模式正在变得越来越普遍。不过，也有学校态度谨慎。

比如斯坦福就明确反对这种「双重身份」。副教授 Stefano Ermon 解释说：

他们希望学者 100% 投入学术，而不是一半在产业一半在学校

一边是 Meta、DeepMind 等公司大开方便之门，一边是斯坦福坚守学术纯粹。

未来博士培养会不会就此「学术 - 产业混血」？这一议题正在成为新的焦点。

教授的焦虑：招学生先担心人会不会跑

一场 AI 人才大战，不仅让博士生犹豫要不要留在学术界，也把教授们推入了前所未有的焦虑之中。

哈佛助理教授 David Alvarez-Melis 就直言：

大家都有一点怕错过的感觉。

这句话本来是用来形容行业里的 FOMO，如今却成了学界教授的心声。

情况有多严重？以波士顿大学的新晋教授 Naomi Saphra 为例，她刚要开始招博士生，就已经被数十封申请邮件「轰炸」。

但她的纠结点不再只是学生的学术水平，而是：这些人能不能坚持到毕业，而不是中途跑去拿高薪。

在这样的环境下，教授们的角色发生了微妙变化。

他们不仅是学术导师，还得像人事经理一样，反复评估「人才留存风险」。

一旦学生选择半路跳槽，实验室的项目就可能陷入停滞。

更让教授们担忧的是，博士生的不稳定不仅影响实验室，还可能波及科研经费的申请。

美国国家科学基金会（NSF）等资助机构在评审时，往往要求申请团队具备稳定性。如果博士生频繁流失，评审委员会会怀疑项目能否顺利完成。

当教授们都开始用「能不能留下来」作为选人标准时，足以说明学术生态的焦虑程度。

AI 热潮带来的不确定性，已经渗透进博士招生的每一个细节。

从津贴到年薪的巨大鸿沟，从 GPU 紧缺到千亿算力军备，再到博士生被提前「截胡」，AI 热潮正以前所未有的力量撼动学术界。

博士生本是学术体系的支柱，却在金钱与资源的双重诱惑下加速流向产业；教授们则一边为经费、算力发愁，一边担心学生半路离开。

在这个节点上，学术界和产业界似乎正在走向两种极端：要么守住学术的纯粹性，要么接受「混合模式」的现实。

但问题是——当 AI 公司抛出高薪与海量算力时，高校还有什么筹码，能留住这些未来的科研中坚？

也许，真正的考验才刚刚开始。