「慢知识的护城河」

大家都知道科学是集体成就。
引力波是几千人花几十年搞出来的。AlphaFold 背后是整个 DeepMind 团队。没人会说这些是某个天才单打独斗的结果。
但科技公司在招 AI 研究员的时候，赌注恰恰相反。
《Nature》刚发的评论揭了一个数字：入职约五年、论文引用量排在前列的年轻研究员，隔年跳去业界的概率，是同期普通学者的 100 倍。
100 倍。不是两三倍。
这不是个人选择的问题，这是结构性的抽血。
一个顶尖 AI 教授，全薪大概 20 到 40 万美元。听起来不少。但 Google、OpenAI 给的 total comp，可以到 100 到 300 万。同一个人，做的是类似的工作，薪资差了一个数量级。
业界的逻辑很直接：只要有一个「10x 工程师」，就不用养十个普通的。而且现在连这个逻辑都在进化——如果 AI 能替代中低阶的工程师，那就更应该集中资源抢顶尖的人。
问题是，这个逻辑把一件事搞反了。
你可以把学术界想成土壤，业界是在上面盖房子。
土壤的工作是慢的，是不预设应用场景的，是允许失败的。它产出的是可以被反复引用、被开放批评的知识，而不是一个被商业目标驱动的产品。
把土壤里最肥沃的那部分挖走盖房子，短期房子盖得更好，但长期你的地基在慢慢空洞化。
我自己在 PhD 最后这年同时在处理这个问题：论文要发表，但也面对业界 offer。
那个选择不只是薪资计算，是在选择你的研究问题将以什么速度、服务于谁的逻辑。
业界的问题是真实的，但都有一个隐含的时间压力和应用方向。学术的问题是自由的，但你必须接受那份自由是有代价的。
这个流失不会靠「学术界要更有竞争力」解决。钱的问题不能用更少的钱打赢。
它真正需要的是学术系统重新想清楚自己在提供什么「业界没有的东西」，然后让那东西对真正关心它的人变得更可见、更有吸引力。
有个概念我一直在想：我把它叫做慢知识的护城河。
不是所有有价值的知识都能在 18 个月的产品周期里被兑现。那些兑现不了的，必须有人守着。
--------------------------
引用:
1. Sanders, N. E., & Schneier, B. (2026). 为什么天价薪酬对 AI 研究员不利于科学的未来。Nature.

2. Jurowetzki, R., Hain, D. S., Wirtz, K., & Bianchini, S. (2025). 私营部门囤积 AI 研究员：对科学有什么影响？AI & Society, 40(5), 4145–4152.