最近，一位歐洲博士在機器學習圈子裏引起了轟動。他不禁感嘆，爲什麼他的美國同行一個個都開了掛，手裏拿着十篇頂級會議論文，五篇還是第一作者?他自己在歐洲讀博，四年中一邊學習一邊摸索，第一年忙着搞清楚研究是什麼，第二年發表了一篇頂會 CVPR 的論文，第三年才稍微掌握了項目管理和申請資助的竅門。

現在，簡歷上也只不過增加了兩篇論文，一個期刊和一個會議，都是以第一作者身份發表的。聽起來不錯，但相比之下，看到美國那些同行的成就，他簡直是目瞪口呆。

“他們是怎麼做到的?難道不需要睡覺嗎?” 他對這些美國博士的效率感到困惑。他認爲，自己並不比這些人聰明，每當有新的想法，他總會發現不久前某個斯坦福或 DeepMind 的博士就已經發表了似的研究。真正理解這些論文的深意，需要花費大量時間和努力，哪能在短短几個月內完成?

AI機器人寫論文

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

這位博士的心中充滿了疑惑，究竟是什麼因素讓這些人能如此高效?他並不是喜歡攀比的人，因爲每個人的環境不同。但在他看來，對於只有三年研究經驗的人來說，短短一年內源源不斷地產出高質量研究成果，真是讓人難以置信。

一些網友對此也表達了看法，認爲美國學術界競爭激烈卷得不可思議。在美國，工作文化就是拼命有一位曾在美國頂尖計算機科學項目裏做過本科生的人透露，研究生們每天工作超過10小時，幾乎全年無。有一次，他晚上七點去實驗室，發現同學們依舊在埋頭苦幹，直到凌晨一點纔回家。

雖然並不是室的硬性，但在這樣的環境中，大家都感受到巨大的壓力。不用說，美國的室裏雲集了全球頂尖人才比如，清華的一個頂尖項目，錄取率只有.1%。能夠吸引到這樣的優秀學生，讓他們每天都工作十個小時，不出成果都難。

當然，這種情況並不侷限於 AI 領域，幾乎所有的 STEM（科學、技術、工程和數學）領域都有類似現象。有人在物理學博士期間也過這種狀態，里根本沒有其他事情可做。

之外，資源差異也是一個重要因素。頂尖博士的資源簡直天差地別。有的實驗室配備了大量昂貴 GPU，讓研究進展大幅加速。而那些沒有資源的博士生們，則只能望洋興嘆。即便在美國不同高校之間，GPU 的配備情況差距也很大。

甚至有位 TOP5的機器學習博士在發帖時表示，自己的實驗室連一塊 H100都沒有，大家爲了爭奪計算資源 “搶”。相較於普林斯頓、哈佛等 “GPU 豪門” 而言，資源不足的博士生們自然無法迅速取得研究成果。

最後，知名機構的背書也是無形的助力。那些頂尖大學和大型科技公司之間的密切聯繫，不僅激發了創新項目的靈感，還提供了額外的資源支持。可見，究竟是什麼原因造成了這種懸殊的學術產出，真是一個值得深思的問題。