最近，一位欧洲博士在机器学习圈子里引起了轰动。他不禁感叹，为什么他的美国同行一个个都开了挂，手里拿着十篇顶级会议论文，五篇还是第一作者?他自己在欧洲读博，四年中一边学习一边摸索，第一年忙着搞清楚研究是什么，第二年发表了一篇顶会 CVPR 的论文，第三年才稍微掌握了项目管理和申请资助的窍门。
现在，简历上也只不过增加了两篇论文，一个期刊和一个会议，都是以第一作者身份发表的。听起来不错，但相比之下，看到美国那些同行的成就，他简直是目瞪口呆。
“他们是怎么做到的?难道不需要睡觉吗?” 他对这些美国博士的效率感到困惑。他认为，自己并不比这些人聪明，每当有新的想法，他总会发现不久前某个斯坦福或 DeepMind 的博士就已经发表了似的研究。真正理解这些论文的深意，需要花费大量时间和努力，哪能在短短几个月内完成?
图源备注：图片由AI生成，图片授权服务商Midjourney
这位博士的心中充满了疑惑，究竟是什么因素让这些人能如此高效?他并不是喜欢攀比的人，因为每个人的环境不同。但在他看来，对于只有三年研究经验的人来说，短短一年内源源不断地产出高质量研究成果，真是让人难以置信。
一些网友对此也表达了看法，认为美国学术界竞争激烈卷得不可思议。在美国，工作文化就是拼命有一位曾在美国顶尖计算机科学项目里做过本科生的人透露，研究生们每天工作超过10小时，几乎全年无。有一次，他晚上七点去实验室，发现同学们依旧在埋头苦干，直到凌晨一点才回家。
虽然并不是室的硬性，但在这样的环境中，大家都感受到巨大的压力。不用说，美国的室里云集了全球顶尖人才比如，清华的一个顶尖项目，录取率只有.1%。能够吸引到这样的优秀学生，让他们每天都工作十个小时，不出成果都难。
当然，这种情况并不局限于 AI 领域，几乎所有的 STEM（科学、技术、工程和数学）领域都有类似现象。有人在物理学博士期间也过这种状态，里根本没有其他事情可做。
之外，资源差异也是一个重要因素。顶尖博士的资源简直天差地别。有的实验室配备了大量昂贵 GPU，让研究进展大幅加速。而那些没有资源的博士生们，则只能望洋兴叹。即便在美国不同高校之间，GPU 的配备情况差距也很大。
甚至有位 TOP5的机器学习博士在发帖时表示，自己的实验室连一块 H100都没有，大家为了争夺计算资源 “抢”。相较于普林斯顿、哈佛等 “GPU 豪门” 而言，资源不足的博士生们自然无法迅速取得研究成果。
最后，知名机构的背书也是无形的助力。那些顶尖大学和大型科技公司之间的密切联系，不仅激发了创新项目的灵感，还提供了额外的资源支持。可见，究竟是什么原因造成了这种悬殊的学术产出，真是一个值得深思的问题。