这年头读 PhD 真是有福了。 AI 审稿导致学术圈崩溃到了触目惊心的地步：亲眼见证所有的会议从 23 年中到现在，第一轮的 review 分数全部雪崩。我只记得 23 年的时候，ICLR 第一轮投稿可能中位数还有 5 分，现在直接 3 分都是高分？? 😅

最近我有个手握十篇AI顶会的博士朋友正在找工作，分享一下他找工作的经验吧： 整理了 50 多篇青云、Seed、Kimi 等大模型人才计划面经，发现一个挺反常识的现象： 论文多的人，不一定更容易通过。 面试官真正关心的通常不是论文数量，而是几个更具体的问题： 你的研究方向和团队是否匹配？工作里哪些部分是自己完成的？为什么这样设计？方法在哪些场景会失败？换到真实业务里，成本和收益是否仍然成立？ 研究型团队会重点考察问题定义、方法创新、实验设计和未来研究方向。但对于后训练、Agent 和推理系统岗位，工程闭环同样重要： 能不能搭建数据、训练、rollout 和评测流程？是否真正用过 verl、vLLM、Ray、DeepSpeed？遇到 reward 异常、熵崩溃、显存不足或吞吐下降时，能不能定位原因？ 所以常见的四类候选人，大致是： 1. 论文强、工程弱：Research Talk 有优势，但容易挂在 Coding、系统实现和工程追问。 2. 工程强、论文弱：业务组适配度不错，但需要证明自己不只是调用框架，也能定义和分析问题。 3. 论文和工程都强：竞争力最高，但面试官会重点确认工作是否真正由自己主导。 4. 两边都不突出：与其继续堆零散经历，不如完成一个方向匹配、指标完整、能讲清失败案例的闭环项目。 人才计划不一定选择履历最豪华的人，更可能选择： 1. 方向匹配，并且能够独立把问题推进下去的人。 2. 一篇能讲透、能复现、能落地的工作，可能比几篇说不清个人贡献的论文更有说服力

当前模型已经到上限了吗？可能还没有 让模型自己 thinking 这个事从 o1 开始我就不太信，考虑到现实情况，更多应该是当时的 OpenAI 需要向外界 claim 自己在模型上还可以走的很远，所以要做这个很容易让外人理解的 thinking 的输出结构 但抛开这样的原因，为什么模型要用 nature language 的形式来 thinking，而不是在 latent space thinking结束之后转成 nature language 呢 如果考虑到信息传递效率和失真率，都是 latent space 更有优势。自然语言是低带宽、线性、离散化的表达；而 latent representation 可以更高密度地保存模糊关系、多个候选路径和中间状态。很多推理过程也许根本不需要被翻译成人类语言，只有最终结论和必要解释需要自然语言化。甚至以后所谓的 Agent 越来越多后，Agent 之间的建联为什么要用自然语言，而不是隐空间自己的语言，也就是所谓的 AI 的语言呢？ Text CoT 更多的好处是在 nature language 空间做训练容易得到监督数据，而 latent space是没有的 所以我倾向于认为，text CoT 更像是当前阶段的工程折中：它容易构造监督数据，容易做过程监督，容易被 verifier/reward model 评估，也容易被投资人、用户和媒体理解。 有监督信号的场景就可以 scale，但这不是终点 或许一个新的方向可以叫做 LLP，latent language processing

一般来说，硕博确实算是深造；科研和学术圈生存这种领域知识尚在其次，主要是做 research project 让人有将真实需求闭环的能力。即使不说能够独立研究，读硕起码也见识过整个闭环是什么样的。 “上课耽误学习，读研浪费生命”，这话说得其实也没有问题，单纯是视角差异。天赋斐然之辈有的是方式学习到如何将真实需求闭环，只是这类人毕竟是少数。能在互联网上发言的，本就是少数了；能有流量的，更是少数，本身就是能力出众之人。 大多数计算机的学生本科时最像样的项目不过是毕设和大作业，但都是针对特定知识点的玩具问题，缺乏系统视野和理论深度：本科分立的知识点没有串联起来，也没有真实交付或者迭代经验。所以很多人接触真实项目是要实习、要读研了。 真说起来的话，没有任何道路是真正意义上有确定性的，能让人有确定性错觉的，往往是理解不够深入只看到了很局部的信息。不信时运、不认命和不作为一样都是心智不成熟的表现，非要指南针成精觉得给别人规划人生职业，就是单纯狂妄而已。 所以我认为，选合适的路。存在先于本质，也不能框定“我是一般人”自欺求稳：要做的不是按照对自己的定义行动，而是努力让自身成为天赋斐然之辈。

17 岁 AI 实习生日薪 5500 元，1998 年的算 “中登” 00 后 AI 从业者，多数喜欢用动漫或卡通角色做头像，习惯用表情包和感叹号，工作间隙会在周围一连串的冰美式订单中点一杯棉花糖热可可。 见一位 00 后 AI 创业者前，投资人提醒我们，想快速拉近距离最好给他带两杯奶茶。 刚刚本科毕业，大厂或投资机构已经给他们开出 200 万元、500 万元 或 100 万美元的高额年薪。不过，谈起几百万元的薪水时，喝着棉花糖热可可的年轻研究员语气平淡，像是讨论上学期的课程表。 “哎，我不太在意，多个一两百万也都无所谓。” 另一位 22 岁的研究员有类似的想法，“反正要创业，我也挣不了几年的工资”。今年夏天，他刚刚大学毕业，拿超过 500 万元的年薪，还有大厂和投资机构想要挖他。 大模型行业批量制造了几百、几千个年薪数百万的年轻精英。大厂们打破过往年龄、职级、经验的限制，高薪招揽年轻人才。 几位猎头和 HR 说，顶尖高校毕业、在大厂大模型核心团队实习过、顶刊论文方向符合、拿到大厂头部人才计划的应届生年薪基本都在 150 万元以上。一位参与 Seed 招聘的人士说，2024 年 TopSeed 校招生年薪约 150 万元，2025 年涨到 300 万-500 万元，2026 年核心岗位的校招生可以开到 600 万元，部分人还能更高。 还没毕业，这些人才就被提前锁定——2000 元起步，最高不止 5500 元，日薪。有人拿到 Meta 的实习录用，月薪 2 万美元，且提供食宿。在大多数行业实习日薪 200 元就算不错时，这些数字超出常识，听到的人经常需要再次确认，“日薪还是月薪”“人民币还是美元”。 按照行业统计数据，2026 年一季度北京外卖员平均月薪一万出头，一个日薪 5500 元的实习生相当于 10 个外卖员。一个年薪 300 万元的 AI 研究员干一年，抵得上一名 2025 年毕业的本科生勤奋工作 39 年。后者还要保证自己别失业。 即便在以高薪著称的互联网大厂，想达到年薪 300 万，你需要硕士毕业，连续工作 8 至 12 年，经历至少 3 次晋升答辩，每一次都名列前 30%，还要身处核心业务或赶上高速发展，才能在 40 岁前成功干到字节 3-2、阿里 P9、腾讯 T11 以上。这时候，你已经管着几十人的团队，在行业里小有名气。 而今天一个 22 岁、本科刚毕业的 AI 研究员，没带过人，没做过业务决策，没经历过一次绩效周期，就拿到了同等收入。 何况他们实在年轻。“1998 年出生，在基模团队里已经算 ‘中登’。” 一个大厂大模型团队的实习生有点沮丧，自己比同公司多数实习生年龄大。有次加班到深夜，他抬头见到一位年纪 “小多了” 的实习生，“写代码时还蹦蹦跳跳的”，他加重语气，又说了一遍，“字面意义上的蹦蹦跳跳”。 年纪相对小的才 17 岁——大厂对年龄越来越不设限，很难说谁最小。她被一家大厂的 HR 主动联系上，一边准备高中期末考试，一边在大模型团队实习，在工位上庆祝了六一儿童节。 “读博很浪费时间啊！” 一位年轻研究员想劝那些清华 “姚班” 的朋友，“最聪明的大脑为什么要那么慢地学？” 他举例，一位 19 岁的斯坦福学生没读到大二就离开学校，很快为自己的 AI 初创公司募集了 450 万美元融资，“最坏的情况不过是重新回到斯坦福”。 一名招聘人士曾劝过三四名博士放弃学位、转为正职，开出颇有诱惑的职级和薪酬。“如果读书是为了找到好工作，你现在已经有了。而且两年后不一定还有。” 于是几个年轻人选择中途退学，奋力一跃抓住 AI 这趟车。 一家 AI 公司创始人想法更激进。他计划让读高一的孩子休学，边工作边学习，“他在学校怎么可能学到比我这儿更多的东西？” 全球投资机构  Antler 调研超过 3500 名独角兽创业者后发现，2024 年，全球 AI 独角兽创始人的平均年龄 29 岁，而 2020 年他们大都 40 岁。这个数字大概率还会继续下降——AI 让这些足够聪明的年轻人有可能找到一份更高薪水的工作，也有可能把身价推至数亿美元。

17 岁 AI 实习生日薪 5500 元，1998 年的算 “中登” 00 后 AI 从业者，多数喜欢用动漫或卡通角色做头像，习惯用表情包和感叹号，工作间隙会在周围一连串的冰美式订单中点一杯棉花糖热可可。 见一位 00 后 AI 创业者前，投资人提醒我们，想快速拉近距离最好给他带两杯奶茶。 刚刚本科毕业，大厂或投资机构已经给他们开出 200 万元、500 万元 或 100 万美元的高额年薪。不过，谈起几百万元的薪水时，喝着棉花糖热可可的年轻研究员语气平淡，像是讨论上学期的课程表。 “哎，我不太在意，多个一两百万也都无所谓。” 另一位 22 岁的研究员有类似的想法，“反正要创业，我也挣不了几年的工资”。今年夏天，他刚刚大学毕业，拿超过 500 万元的年薪，还有大厂和投资机构想要挖他。 大模型行业批量制造了几百、几千个年薪数百万的年轻精英。大厂们打破过往年龄、职级、经验的限制，高薪招揽年轻人才。 几位猎头和 HR 说，顶尖高校毕业、在大厂大模型核心团队实习过、顶刊论文方向符合、拿到大厂头部人才计划的应届生年薪基本都在 150 万元以上。一位参与 Seed 招聘的人士说，2024 年 TopSeed 校招生年薪约 150 万元，2025 年涨到 300 万-500 万元，2026 年核心岗位的校招生可以开到 600 万元，部分人还能更高。 还没毕业，这些人才就被提前锁定——2000 元起步，最高不止 5500 元，日薪。有人拿到 Meta 的实习录用，月薪 2 万美元，且提供食宿。在大多数行业实习日薪 200 元就算不错时，这些数字超出常识，听到的人经常需要再次确认，“日薪还是月薪”“人民币还是美元”。 按照行业统计数据，2026 年一季度北京外卖员平均月薪一万出头，一个日薪 5500 元的实习生相当于 10 个外卖员。一个年薪 300 万元的 AI 研究员干一年，抵得上一名 2025 年毕业的本科生勤奋工作 39 年。后者还要保证自己别失业。 即便在以高薪著称的互联网大厂，想达到年薪 300 万，你需要硕士毕业，连续工作 8 至 12 年，经历至少 3 次晋升答辩，每一次都名列前 30%，还要身处核心业务或赶上高速发展，才能在 40 岁前成功干到字节 3-2、阿里 P9、腾讯 T11 以上。这时候，你已经管着几十人的团队，在行业里小有名气。 而今天一个 22 岁、本科刚毕业的 AI 研究员，没带过人，没做过业务决策，没经历过一次绩效周期，就拿到了同等收入。 何况他们实在年轻。“1998 年出生，在基模团队里已经算 ‘中登’。” 一个大厂大模型团队的实习生有点沮丧，自己比同公司多数实习生年龄大。有次加班到深夜，他抬头见到一位年纪 “小多了” 的实习生，“写代码时还蹦蹦跳跳的”，他加重语气，又说了一遍，“字面意义上的蹦蹦跳跳”。 年纪相对小的才 17 岁——大厂对年龄越来越不设限，很难说谁最小。她被一家大厂的 HR 主动联系上，一边准备高中期末考试，一边在大模型团队实习，在工位上庆祝了六一儿童节。 “读博很浪费时间啊！” 一位年轻研究员想劝那些清华 “姚班” 的朋友，“最聪明的大脑为什么要那么慢地学？” 他举例，一位 19 岁的斯坦福学生没读到大二就离开学校，很快为自己的 AI 初创公司募集了 450 万美元融资，“最坏的情况不过是重新回到斯坦福”。 一名招聘人士曾劝过三四名博士放弃学位、转为正职，开出颇有诱惑的职级和薪酬。“如果读书是为了找到好工作，你现在已经有了。而且两年后不一定还有。” 于是几个年轻人选择中途退学，奋力一跃抓住 AI 这趟车。 一家 AI 公司创始人想法更激进。他计划让读高一的孩子休学，边工作边学习，“他在学校怎么可能学到比我这儿更多的东西？” 全球投资机构  Antler 调研超过 3500 名独角兽创业者后发现，2024 年，全球 AI 独角兽创始人的平均年龄 29 岁，而 2020 年他们大都 40 岁。这个数字大概率还会继续下降——AI 让这些足够聪明的年轻人有可能找到一份更高薪水的工作，也有可能把身价推至数亿美元。