想啥呢，AI这玩意看似阳光普照，但是不同的人之间用它的手法或者收益千差万别。再加上，读博其实得分三个阶段来看，分别是录取前、读博中和毕业后。

录取前

01

我相信不管你从别人口中，还是从新闻中得知，博士在扩招。是的，从宏观数据上来看，博士教育确实迎来了“扩招”的春天。各大高校纷纷增设博士点，招生名额逐年攀升。这无疑给了更多人触摸博士门槛的机会。从这个角度看，获得一个博士候选人的“身份”，似乎比几十年前要容易。

但是从个体角度来看，扩招的背后其实是申请者技术的爆炸性增长，也就是分子的确增多了，但是分母涨的更多。

你的竞争者不再仅仅是隔壁实验室的学霸，而是来自五湖四海、背景各异的“卷王”们。他们可能手握多篇SCI，实习经历横跨产学研，甚至自带项目和经费。这使得进入真正优质的、有前景的导师团队的竞争，变得空前激烈。

所以，读博前的“容易”更像是一种假象。整体录取率的提升，掩盖了个体突围难度的急剧拉升。

读博中

02

如果你很幸运或很不幸的开始读博，那么这个阶段AI对你的加成的确非常大，甚至我觉得在AI时代读博真的是一件非常幸运的事情。

你像很多人开始读博后才开始补编程，补机器学习知识，一般恶补一年左右才能达到做实验的水平，但现在不一样了，你只需要知道理论知识，就可以让AI或者AI编程软件直接帮你搞定编程以及实验，这对于一部分的文科专业以及基础比较差的工科专业学生非常爽，可以说，只要博士毕业条件不变，这几年读博的确要比ChatGPT出现以前爽的多。

还有英语相关的技能，比如英文写作，再比如文献综述，现在都有AI工具可以直接做。

但有利就有弊，那就是AI都替你做了，人就会产生一种”我懂了“的假象，这是致命的。

你不愿意逐字逐句地去啃那些晦涩的经典，去辨析不同研究间的细微差异和逻辑漏洞，这个过程中，AI越来越强，你批判性思考能力越来越弱。

另外，过于依赖AI进行数据分析，可能会让你成为一个“调包侠”，知其然不知其所以然。你得到了结果，却失去了对研究方法底层逻辑的深刻理解。当面对复杂或全新的问题，需要对方法进行创新和调整时，你可能会束手无策。

可以说，AI让读博的“体力活”变少了，但对“脑力活”的考验却可能以一种更隐蔽、更高级的形式出现了。博士的核心，在于创造知识，而不仅仅是“搬运”和“整合”知识。AI可以成为最锋利的矛，但持矛者的手臂和心智若不够强大，终将被矛所累。

毕业后

03

扩招往往不是因为需要更多的人才，而是缓解就业压力。

这么来理解，扩招一个博士，可能就会有10个硕士产生了读博的念头，往前推，就可以有100个准大学毕业生选择考研/保研，而不是直接工作，那么低迷的就业市场就少了100个竞争者。

那扩招个几千几万个博士生呢，是不是就业压力就能缓解不少。

所以，人才不一定就是人才，而是特定的产物。

就业压力大是全范围覆盖的，博士的就业压力大也一样。

就跟刚刚说的一样，读博时候就简单了，每个人理论上可以发比前几届更多更好的论文，放到个人身上成立；但是一旦算总账，就会发现每个人的情况差不多，大家都比以前发的文章，那么在就业的时候，所有的竞争者能力都在提升，所以就业的相对门槛并没有变化，反而随着毕业人数多竞争更加激烈。

并且这个时候，潜藏的危机就来了，那就是当脱离了AI这个强大的“外骨骼”后，个体的真实能力可能会暴露无遗。

比如面试，尤其是学术面试，是一场无法依赖AI的“裸考”。当面试官要求你脱稿阐述研究的逻辑、即兴回答尖锐的挑战、清晰地进行白板推演时，那些在读博期间被AI“代劳”的思维训练的缺失，会让你显得捉襟见肘。

你的Presentation可能逻辑流畅、语言优美，因为稿子是和AI一起打磨的，但当面对Q&A环节的追问时，你可能会发现自己的知识体系是“碎片化”的，缺乏深度和韧性。

这种“AI依赖症”的后遗症是：我们可能培养出了一批擅长利用工具解决“已知问题”的高级技工，而非能够定义和解决“未知问题”的研究者。在顺风顺水的日常研究中，他们是高效的“超人”，但在需要展现真正硬核的、不插电的学术思辨和表达能力时，他们可能变回了那个需要辅助的“脆弱巨婴”。

结论

最后，结论是读博的本质，从来不是一项简单的技术操作，而是一场艰苦卓绝的智识探险和心性修行。AI可以为你提供更先进的“探险设备”，但无法替代你作为“探险家”的勇气、智慧和坚韧。

从这个意义上说，现在的博士们，面临的不再是“容不容易”的问题，而是一个“如何在这种史无前例的便利中保持清醒和”的全新且更为复杂的课题“。