如果没有博士学位，是否就与前沿AI研究无缘？
至少在Noam Brown看来，答案是否定的。
这位OpenAI研究员、o1模型的核心贡献者，近期分享了一系列“非典型研究员”的职业路径。
他们中，有人没有发表过论文，有人未曾攻读研究生，有人白天在麦肯锡工作，晚上在GitHub上推进研究项目。
也有人习惯于在推特上分享见解，或在开源社区积极提问。
这些人的共同去向是哪里？
OpenAI、DeepMind、Anthropic——全球顶尖的AI研究实验室。
进入OpenAI，博士学位并非必需
在一篇详细的长文中，Noam Brown讲述了Keller Jordan、Sholto Douglas、Andy Jones、Kevin Wang等多位研究员的经历。
纵观这些案例，他们普遍展现出一些共同特质：极强的自驱力与热情、坚持公开协作而非闭门造车、扎实的工程实现能力、懂得展示自己的工作，并且不执着于传统头衔。
以下是具体的故事。
Keller Jordan：从“套瓷”研究到推特学术
首先被提及的是Keller Jordan。
他目前任职于OpenAI，从事预训练相关研究。他的研究生涯，始于一次典型的“主动出击”。
Keller仅拥有本科学历（加州大学圣地亚哥分校），且当时并无任何论文发表记录。
毕业后，他先加入了一家专注于AI内容审核的初创公司。
工作之余，他并未停止探索。
Keller主动联系了当时仍在谷歌的Behnam Neyshabur，并展示了对其近期一篇论文的改进思路。
或许是出于“有人如此认真研读我的工作”所带来的触动，Behnam同意对他进行指导。
最终，他们与其他合作者共同完成了一篇被ICLR 2023接收的论文。
对于这种“主动联系+合作研究”的模式，Noam评价道：
遗憾的是，如今公开进行研究协作的空间可能比过去更小了，但在现有论文基础上提出实质性的改进，仍然是向实验室内部研究员证明你能力的绝佳方式。这也能让对方有信心为你争取一个面试机会。
而真正为Keller打开OpenAI大门的，是他在2024年底撰写的一篇博客《Muon: An optimizer for hidden layers in neural networks》。
（注：Muon是一种专为神经网络隐藏层设计的优化器，其核心思想是将常规的梯度更新进行“正交化”处理。）
当时，Keller发起并持续维护了一个“NanoGPT speedrun”项目。
该项目基于Karpathy的NanoGPT框架，系统性地比较不同训练配置与优化器，旨在将预训练速度推向极限。
Keller自行开发的Muon优化器，正是在这一系列速度挑战实验中表现突出。
这项工作引起了Andrej Karpathy的关注，也让Keller进入了OpenAI的视线。
后续加入OpenAI便水到渠成。
这种将研究代码公开在GitHub上、同时在社交媒体持续记录进程的方式，一方面使其研究水平与产出变得极易评估；
另一方面，也确保了这些工作没有淹没在arXiv的海量论文中，而是被业界真正看到，并最终获得了领域内顶尖研究者的认可。
归根结底，有效地展示自己的工作至关重要。
Sholto Douglas：在GitHub提问引起大佬关注
接下来，Noam分享了现Anthropic研究员Sholto Douglas的故事。
Sholto Douglas曾任职于谷歌，是Gemini项目的重要推动者之一。
而他，同样仅持有本科学位。
（他曾在北京清华大学进行过为期一年的交换学习。）
Sholto本科攻读机器人学，但毕业后却进入了麦肯锡工作。
这很大程度上是因为他未能申请到心仪的研究生项目。
于是，Sholto决定一边从事咨询工作，一边利用业余时间进行研究。据他在播客中分享，他的时间安排几乎是：
每晚10点至凌晨2点，以及周末每天至少6到8小时，全部用于编写代码、进行实验和推进研究项目。
在学习过程中，Sholto经常在Google开源机器学习框架JAX的官方GitHub仓库中提问。
这引起了当时在谷歌、现任职于Anthropic的James Bradbury的注意。
James感到好奇：这个持续提出高质量问题的人是谁？
在查看了Sholto的提问记录及其个人项目后，James主动联系了他，并邀请他参加Google DeepMind的面试。
最终，这位本科毕业、第一份工作与AI无关的Sholto成功加入了谷歌。
有趣的是，入职后Sholto才得知，他的招聘在某种程度上被视为一项内部实验：
尝试将一位热情与主观能动性极强的人，与团队中最优秀的工程师配对，观察会产生怎样的化学反应。
Andy Jones：自学成才，自费推进研究
Andy Jones现任Anthropic研究员，负责强化学习基础设施、沙箱系统，牵头多模态方向研究，并参与大模型训练。
在此之前，他是一位处于半退休状态的量化分析师。
与前述几位类似，Andy拥有极强的自驱力：他自费租赁计算资源，并自费发表论文。
在论文《Scaling Scaling Laws with Board Games》中，Andy不仅首次系统性地量化了训练计算量与测试计算量之间的权衡关系。
更在“测试时计算扩展”成为热门概念之前，就比较了扩展预训练与扩展测试时计算的影响。
这项研究使他迅速在机器学习社区受到广泛关注。
此后，这项工作直接推动了包括o1在内的模型所采用的测试时计算范式，并被Noam Brown收录于o1的技术报告中。
据社区网友补充，Andy的经历远不止于此。
他在英国完成了四年制的数学硕士学位，随后用九个月时间自学了软件工程与机器学习。
接着，他从事了一年的生物信息学研究。
之后，三年的量化交易工作已足以让他实现财务自由。
即便如此，Andy并未停下脚步，而是完成了一系列独立研究探索，并最终加入Anthropic。
Kevin Wang：从本科生直接进入OpenAI
此外，Noam透露，像OpenAI这样的顶级实验室，确实会直接从本科阶段招聘研究员。
Kevin Wang便是其中之一。
2025年，Kevin Wang在完成本科学业后，直接加入OpenAI，从本科生一步迈入一线研究团队。
这并非一次偶然的“破格录取”。
一方面，Wang获得了导师的有力推荐；但更关键的是，他手握一篇质量极其突出的论文。
对于OpenAI而言，在顶级会议上发表的“水平良好”的论文并不罕见。
真正稀缺的，是那些能在第一眼就抓住眼球、脱颖而出的工作。
Noam回忆，在NeurIPS 2025的5290篇投稿论文中，他们几乎立刻注意到了Wang的研究。
后续的结果也印证了这一判断——
他的第一作者论文《1000 Layer Networks for Self-Supervised RL: Scaling Depth Can Enable New Goal-Reaching Capabilities》，最终荣获NeurIPS 2025最佳论文奖。
谈及招聘标准，Noam给出了一个非常实际的评价：
导师的推荐信分量很重。因为仅凭简历，甚至只是阅读论文，本身就很难全面评估一名研究员的真实潜力。
最后，Noam也分享了他对“薪酬”与“工作意义”的看法：
关于“薪酬”：我认识一些人从事量化金融是为了赚钱，但五年后他们开始反思——我究竟在用自己的生命做什么？
我们正处在一个非常特殊的历史时期。从事AI研究，你既有机会积极参与并塑造这个时代最重要的技术发展，同时也能获得相当可观的报酬。
我本科毕业后在量化交易行业工作了一年，但我不希望自己此生对人类的“贡献”，仅仅是让股票市场的效率提升那么一点点。
后来，我选择降薪转行去做 AI 研究——这是我人生中做过最好的决定。而在今天，你甚至不需要降薪，也能走上这条路。
早进厂，没什么问题
除了Noam的分享，一个越来越明显的趋势是：想要做好研究、进入前沿AI实验室，博士学位本身似乎已不再是必需品。
例如，GPT论文的一作、CLIP的一作Alec Radford，就是本科出身。而OpenAI的首席研究员Mark Chen，同样只有本科学历，并且最初从事的也是量化交易。
在Noam那条帖子下，有网友一针见血地总结道：
这是一篇很棒的长文，讲述了没有博士学位的人如何进入前沿AI实验室进行研究。
博士学位能给你带来导师和同行圈子，但它并不会自动赋予你好奇心、主动性或研究品味。
上文提到的Keller就是一个典型例子。他是在完全公开的环境中开发了Muon优化器，整个实验过程和结果都直接发布在推特上——甚至没有正式论文，只有一篇博客文章。
但其影响力是显而易见的：目前OpenAI、Kimi、DeepSeek等机构都在使用它。
类似的故事并不少见。例如，Stability AI的80名研究员和工程师中，只有16位拥有博士学位，而且其中相当一部分是直接从推特上招募的。
换句话说，你不需要博士学位才能成为一名优秀的研究员或工程师。你只需要真正动手去做，并且让别人看到你在做什么。
最近做客《WhyNotTV》的嘉宾翁家翌——他从GPT-3.5到GPT-5都有深度参与，负责GPT后训练阶段的强化学习基础设施——也仅拥有硕士学位。
他在播客中提到：相比于攻读博士学位，尽早进入工业界或许是更好的选择。
因为等到博士毕业，研究范式可能已经迭代了一轮；而且博士阶段面对的往往是“玩具”基准测试，而非真实世界的复杂系统和约束。
与此同时，许多顶尖AI实验室真正紧缺的，其实是工程能力极强的人才。至于能否进入、进入后做什么，很大程度上取决于：实验室当前最需要什么，以及你是否已经在过往经历中证明自己能够补上那块关键的拼图。
参考资料
[1] https://x.com/polynoamial/status/2014084431062114744
[2] https://www.youtube.com/channel/UC5xLV_gJAP9psKcyrJ3ZIcw
[3] https://www.marketingaiinstitute.com/blog/the-marketing-ai-show-episode-74
[4] https://www.dwarkesh.com/p/sholto-douglas-trenton-bricken
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/18762