【新智元导读】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？
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。
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。
参考资料：
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.