「慢知識的護城河」

大家都知道科學是集體成就。
引力波是幾千人花幾十年搞出來的。AlphaFold 背後是整個 DeepMind 團隊。沒有人會說這些是某個天才單打獨鬥的結果。
但科技公司在招 AI 研究員的時候，賭注押的恰恰相反。
《Nature》剛發的評論揭了一個數字：入職約五年、論文引用量排在前列的年輕研究員，隔年跳去業界的機率，是同期普通學者的 100 倍。
100 倍。不是兩三倍。
這不是個人選擇的問題，這是結構性的抽血。
一個頂尖 AI 教授，全薪大概 20 到 40 萬美金。聽起來不少。但 Google、OpenAI 給的 total comp，可以到 100 到 300 萬。同一個人，做的是類似的工作，薪資差了一個數量級。
業界的邏輯很直接：只要有一個「10x 工程師」，就不用養十個普通的。而且現在連這個邏輯都在進化——如果 AI 能替代中低階的工程師，那就更應該集中資源搶頂尖的人。
問題是，這個邏輯把一件事搞反了。
你可以把學術界想成土壤，業界是在上面蓋房子。
土壤的工作是慢的，是不預設應用場景的，是允許失敗的。它產出的是可以被反覆引用、被開放批評的知識，而不是一個被商業目標驅動的產品。
把土壤裡最肥沃的那部分挖走蓋房子，短期房子蓋得更好，但長期你的地基在慢慢空洞化。
我自己在 PhD 最後這一年同時在處理這個問題：論文要發，但也面對業界 offer。
那個選擇不只是薪資計算，是在選擇你的研究問題將以什麼速度、服務於誰的邏輯。
業界的問題是真實的，但都有一個隱含的時間壓力和應用方向。學術的問題是自由的，但你必須接受那個自由是有代價的。
這個流失不會靠「學術界要更有競爭力」解決。錢的問題不能用更少的錢打贏。
它真正需要的是學術系統重新想清楚自己在提供什麼「業界沒有的東西」，然後讓那個東西對真正在乎它的人變得更可見、更有吸引力。
有個概念我一直在想：我把它叫做慢知識的護城河。
不是所有有價值的知識都能在 18 個月的產品週期裡被兌現。那些兌現不了的，必須有人守著。
--------------------------
引用:
1. Sanders, N. E., & Schneier, B. (2026). Why sky-high pay for AI researchers is bad for the future of science. Nature.

2. Jurowetzki, R., Hain, D. S., Wirtz, K., & Bianchini, S. (2025). The private sector is hoarding AI researchers: what implications for science? AI & Society, 40(5), 4145–4152.