过去提到读博，默认的终点是大学讲台。这几年情况变了：不少论文发得漂亮的博士，毕业时头也不回地签了企业。

先看一组数字。教育部统计公报显示，2025年全国招收博士生20.16万人，首次突破20万；当年毕业博士11.29万人。和2015年相比，招生规模十年间涨到了约2.7倍。

人多了，高校的岗位却没有同步变多。博士就业的主战场从学术界转向工业界，早就算不上个别现象。

一、高校教职：坑少了，淘汰更狠

很多人对大学老师的印象还停留在“进去就稳了”。现在多数名校对新教师实行非升即走：先签一个聘期，常见的是六年左右，期内要拿到科研经费、发够论文、带好学生，考核没过就得离开。

麻烦在时间点上。读完博士再走完一个聘期，人已经三十五岁上下。这时被筛下来再转去企业，手里的论文很难换算成企业看重的项目经验。

收入差距也摆在那儿。按一线招聘者的说法，算法方向的优秀博士，头部公司开到年薪七八十万乃至更高并不稀奇，而“青椒”（青年教师的戏称）的收入往往只有它的几分之一。

钱少、压力不小、还可能出局。对没有家底托着的普通人来说，这笔账很难算得过来。

二、算力和数据，都在企业手里

这一条在人工智能方向最明显。

如今训练大模型，拼的是算力（可以粗略理解为显卡的数量）和数据规模。高校实验室里几十张高端显卡，常常要一屋子人排队用；头部企业的集群是以万张计的。数据也一样，学校多用公开的静态数据集，企业面对的是每天实时产生的海量用户行为，模型上线几分钟就能看到效果。

斯坦福大学《2025年AI指数报告》给了一个直观的数字：2024年全球有影响力的AI模型，近九成出自产业界，前一年这个比例还是六成。报告也提到，高被引论文仍以学术界为主。

想亲手做最大规模的实验，很多方向只能去企业。不少人选工业界，图的是那里有做研究的条件，薪水只是其中一项。

三、写申请书的日子，和看结果的日子

在高校做研究，相当一部分精力要花在“写本子”（科研项目申请书）上。没项目就没经费，没经费招不到学生，没学生出不了成果，职称也就无从谈起，一环扣一环。再加上师门、圈子这些因素，很多只想专心做技术的人被磨得很累。

企业同样有KPI和办公室政治，但衡量标准直接得多：指标涨没涨，系统快没快，上线稳不稳。报销、流程这类杂事，也有专门的部门接手。

四、去了企业，就算“上岸”了吗？

这部分很少有人提前讲。

落差感。 一位转去国企的博士这样形容自己：工作不难，收入比做科研划算，人却慢慢“空”了。当年被拒稿的煎熬、论文录用的狂喜，在新环境里没人能懂，那些年下的苦功好像没留下什么痕迹。

标签。 “博士”两个字在职场有时反成负担。有人等着看你是不是书呆子，有人把琐碎的活儿推过来，顺口一句“你不是博士吗”。学历带来的光环，大概只够撑过入职那几天。

补课。 在学校，算法能跑通就行；在企业，要的是在成千上万台机器上稳定运行。有带团队的工程师提到，新来的博士头一回做上线就把服务搞崩了，原因是没考虑内存和并发这类工程问题。

节奏。 高校允许几年磨一个成果，企业两个季度没产出，绩效就危险了。技术换代也快，读博时钻研的细分方向，可能两三年后就没人做了。

也有相反的选择。有人明知高校待遇差、杂事多，仍然留下，理由很朴素：只有在那里，还能挤出时间做自己认定值得做的研究。

五、三个问题，帮你想清楚

• 你更在意什么：探索本身的乐趣，还是成果被真实用起来？
• 家里的经济状况，容许你承受几年低收入和可能的淘汰吗？
• 你的方向对算力、数据、设备的依赖有多重？依赖越重，企业的优势越大。

答案因人而异，没有哪条路天然高人一等。

写在最后

博士流向企业，对科研生态未必是坏事。教育主管部门曾公开表示，我国博士毕业生到企业就业的比例，与发达国家相比仍然不够高。人才流动起来，企业的真问题能被带回课堂，高校也会被倒逼着改善待遇、重视成果转化。

那位自称“空心”的博士最后说，自己并不后悔：能养家，能看着经手的项目落地，这份踏实感同样对得起当初投身科研的那股劲儿。

读博的出路早就不止一条。看清自己手里有什么、想要什么，比纠结“学术界还是工业界”更要紧。

参考资料

1. 教育部《2025年全国教育事业发展统计公报》（博士招生、毕业人数）
2. 斯坦福大学 HAI《2025年AI指数报告》：https://hai.stanford.edu/ai-index/2025-ai-index-report
3. 教育部2023年12月19日新闻发布会（博士毕业生到企业就业比例的表态）

客服热线：155-4600-3091（微信同号）