AI时代,为什么科技巨头反而在抢博士?

AI来了以后，一个非常流行的说法是：

“以后学历没那么重要了。”

AI会写代码，会做数学题，会翻译，会写文章，甚至已经开始帮助科学家阅读论文、分析数据、做研究。于是很多家长自然会问：

既然AI什么都会，孩子还有必要那么辛苦地读书吗？

甚至有人开始质疑：大学还有那么重要吗？研究生还有必要读吗？花那么多年读一个博士，到底值不值得？但与此同时，一个看起来完全相反的现象正在发生。

全球最顶尖的AI公司，正在激烈争夺一批拥有博士背景的顶尖研究人才。

2025年，Meta从OpenAI招募多名核心研究人员。其中几位具有中国高校教育背景的研究人员尤其受到关注：

赵晟佳，清华大学本科、斯坦福大学博士；

任泓宇，北京大学本科、斯坦福大学博士；

毕树超，浙江大学本科、加州大学伯克利分校博士；

余家辉，中国科学技术大学本科，后来赴美国UIUC香槟分校攻读博士……

看看他们的履历，会发现一个非常有意思的共同点：

优秀的基础教育 → 顶尖大学 → 深入的专业学习 → 博士研究训练 → 全球AI最前沿。

这就产生了一个很值得家长思考的问题：

如果AI真的让“读书没那么重要了”，为什么站在AI最前沿的公司，反而如此重视这些接受过长期学术训练的人？

答案可能恰恰隐藏着AI时代教育最大的变化。

01｜不是“AI时代必须读博士”，而是博士让我们看见AI时代真正需要什么

首先必须说清楚：

当然不是做AI就必须读博士。

AI产业非常庞大。

软件工程、产品开发、AI应用、数据分析、商业运营等大量岗位，并不要求博士学历。

没有博士学位，同样可能成为非常优秀的工程师、创业者和技术人才。

所以我们真正应该讨论的，并不是：

“孩子将来一定要不要读博士？”

而是：

“为什么站在AI技术最前沿的一批人中，我们会频繁看到博士？”

这两个问题完全不同。

博士真正值得我们关注的，不是那三个字本身。

而是一个人为了获得博士学位，通常需要经历怎样的训练。

本科阶段，我们主要学习人类已经知道的知识。

而到了博士阶段，一个研究者真正要面对的问题往往是：

人类还不知道什么？

他需要阅读大量研究论文；

理解一个领域最前沿的进展；

发现现有方法的问题；

提出新的假设；

设计新的方法；

反复实验；

接受失败；

最后尝试创造一点过去不存在的新知识。

博士训练最核心的能力，是学习如何面对一个没有标准答案的问题。

这件事，在AI时代突然变得格外重要。

02｜为什么互联网时代和AI时代有些不同？

互联网时代当然也需要顶尖科学家。但大量科技公司的核心任务，是把已经存在的计算机技术做成更好的产品：

更好的软件；

更好的网站；

更好的搜索；

更好的用户体验；

更快的开发和部署。

因此，大量优秀的软件工程师可以创造巨大的价值。

但今天最前沿的AI竞争，又多了一层东西：

研究本身正在成为产品竞争力的一部分。

怎样让模型具有更强的推理能力？

怎样设计更好的模型架构？

怎样提高训练效率？

怎样让模型减少错误？

怎样让机器拥有更强的数学、科学和推理能力？

这些问题很多没有现成答案。

所以今天在AI公司里，会出现一个过去普通科技公司没有那么普遍的场景：

工程师和研究人员大量阅读paper、讨论论文、复现实验，然后尝试改进算法和模型。

这越来越像科学研究。所以真正站在技术前沿的人，需要的不只是：“我会不会使用这个工具？” 而是：“我能不能创造下一个工具？”

03｜这才是“博士”两个字真正值得家长思考的地方

我们当然不需要把每一个孩子都培养成博士。但博士人才被AI公司争夺这件事情，给基础教育提出了一个很重要的问题：

我们的孩子今天到底在为什么而学习？

如果学习只是：背知识；记公式；刷题；找到标准答案；那么AI确实会越来越强。

它记得比我们多。算得比我们快。搜索得比我们快。甚至写代码也可能比很多普通程序员快。

可是，如果学习培养的是：

理解复杂问题；发现规律；提出问题；逻辑推理；建立模型；

判断答案是否可靠；在没有标准答案的情况下寻找解决方案；

那么这些能力，在AI时代不仅没有过时，反而可能更加重要。

所以真正发生变化的，并不是：

“读书不重要了。”

而是：

“只为了记住答案而读书，越来越不够了。”

04｜AI会做数学题，孩子为什么还要学数学？

这是一个特别典型的问题。ChatGPT已经能解很多数学题了。以后AI只会更强。那为什么孩子还要学数学？因为数学教育真正训练的，从来不应该只是计算。

它训练的是：

抽象能力；

逻辑推理；

模式识别；

建立模型；

从已知条件推导未知结果。

现代AI本身就建立在大量数学基础之上：

Linear Algebra；

Probability；

Statistics；

Calculus；

Optimization……

如果一个孩子未来只是使用AI，他当然不需要理解所有这些理论。

但如果有一天，他想知道：

AI为什么这样工作？

甚至进一步问：

有没有办法让AI工作得更好？

数学就开始变得非常重要。

所以AI可以帮孩子做一道数学题。

但AI不能替孩子建立数学思维。

05｜AI会写代码，为什么还要培养计算思维？

同样的道理。今天AI已经能够写出非常不错的代码。所以未来真正重要的，可能越来越不是：

“你会不会背Python语法？”

而是：面对一个陌生问题，你能不能理解它？

能不能把一个复杂任务拆开？

能不能找到规律？

能不能设计解决步骤？

能不能判断AI生成的代码究竟对不对？

这就是Computational Thinking——计算思维。也是为什么我们一直非常重视像Bebras这样的计算思维挑战。它不要求孩子先成为程序员。它训练的是算法背后的思维方式。

AI可以替你写代码，但首先要有人知道：究竟应该让AI解决什么问题，以及怎样解决。

06｜从Bebras到博士，其实是一条很长的能力成长路径

当然，一个十岁的孩子参加Bebras，距离博士研究还有非常非常远。

我们也绝不是说：“参加竞赛，就是为了以后读博士。”真正值得关注的是能力发展的连续性。一个孩子最开始可能只是觉得：这道题挺有意思。然后开始喜欢寻找规律。再后来喜欢数学。喜欢Computing。喜欢Physics。开始主动问：

“为什么？”

再大一点，他可能开始问：

“有没有别的方法？”

进入大学以后，他可能开始问：

“这个领域还有什么是人类不知道的？”

到了真正的研究阶段，他面对的问题就变成：

“我能不能找到一个新的答案？”

从十几岁的计算思维，到二十多岁的博士研究，当然不是一条人人必须走的道路。

但是其中有一种能力始终没有改变：

面对未知问题，愿意想，并且有能力继续想下去。

这才是我们真正希望基础教育帮助孩子建立的东西。

07｜所以，AI时代到底还要不要拼学历？

我觉得这个问题本身就问错了一半。

如果只是为了获得一张文凭，学历当然不是越高越好。

博士也绝不是成功的保证。

一个孩子是否应该读博士，应该取决于他的兴趣、能力、专业方向和人生选择。

但是如果因此走向另一个极端：

“AI时代学历没用了，读那么多书没有意义。”

同样值得警惕。

看看今天站在AI最前沿的研究人员，我们至少应该明白一件事：

真正深入的知识，仍然非常值钱。

而且AI越能够处理简单、重复、标准化的任务，人类越需要发展那些更难被替代的能力：

理解复杂问题；

跨学科学习；

独立判断；

科学研究；

创造新知识。

博士只是这些能力最集中体现出来的一个群体。

08｜我们真正应该给孩子准备什么？

没有人知道今天的小学生，二十年以后会从事什么职业。

那时候的AI会发展到什么程度，我们同样不知道。

所以教育最重要的事情，并不是过早地把孩子训练成某一种职业的人。

而是尽可能给他一个扎实的底座：

Maths，让他学会推理。

Science，让他学会理解世界。

Computing，让他学会算法与系统思考。

Language，让他能够阅读、表达和理解复杂思想。

Research，让他慢慢学会面对没有标准答案的问题。

在这个基础上，他将来可以成为工程师，可以成为医生，可以研究AI，可以创业，也可以选择一个今天甚至还不存在的职业。

至于他最终会不会读博士？

那应该是很多年以后，由他的兴趣和能力决定的事情。

09｜博士不是答案，但它提醒了我们一件重要的事

所以，当我们看到全球顶尖AI公司争夺博士研究人员时，真正值得关注的，并不是：

“赶快让我的孩子以后也读博士。”

而是：

为什么AI已经这么聪明了，人类最顶尖的创新，仍然需要如此长期、深入的学习？

答案可能很简单。因为AI可以帮助我们快速找到很多已经存在的答案。但是这个世界仍然需要有人：

提出新的问题；

挑战已有答案；

发现新的规律；

创造新的算法；

建立新的理论；

探索人类还不知道的东西。而这样的能力，从来不是一夜之间形成的。它从小时候的一道数学题开始；从一次“为什么”开始；从第一次独立解决一个陌生问题开始；

经过十几年甚至更长时间的阅读、学习、失败、思考和探索，才有可能慢慢形成。

所以，AI时代真正值得家长思考的，或许不是：

“我的孩子将来要不要读博士？”

而是：

“如果有一天，他真的想走到那么远，今天的教育，有没有给他留下这种可能？”

AI时代，不是读书不重要了。

恰恰相反——当机器越来越擅长给出答案，人类更需要培养那些能够提出问题、判断答案，甚至创造新答案的人。

这，或许才是今天我们重新思考“为什么读书”的意义。

PINNACLE｜让学习不止于考试，让孩子拥有走得更远的可能。