什么人不适合做科研？ 第1页

第一，对科研没有兴趣的人不适合做科研。

第二，胆子小，脸皮薄的人不适合。小创新，本质上是做90%的人认为不可能的事；大创新，这个比例是99.9%。所以，在事情没成以前，会有无数的人打击你，否定你，甚至挖苦你。如果你动摇了，自我怀疑了，那就真输了。

第三，没有王八精神不要搞科研。什么是王八精神，就是一旦咬住就不松口，和问题死磕到底。这个前提是一定不能自欺欺人，如果这个问题从原理上就不可行，早点回头。

未完待续。

大师谈做科研

一

陈省身、杨振宁、李政道、李远哲在台湾清华（新竹）论学

1992年4月24日，陈省身、杨振宁、李政道、李远哲应台湾清华大 学（新竹）校长刘兆玄的邀请，参加清华大学80周年校庆，并在“杰 出校友座谈会”上回答师生的问题，座谈会的谈话记录被收录在《杨 振宁文集》（华东师范大学1998年出版）里，下文是从中摘选的部分内容。

数学系林同学：在科学研究的领域中，存在很多问题，这些问题 有大有小，我们研究应该从大问题着手较好，还是从小问题着手？

杨振宁：我念书时，有一位教授是当时世界著名的物理学家之一—此处指物理学家恩里克 费米， 常跟研究生座谈，有一次同学问他：应该做大题目，还是小题目？他 说：多半的时间应该做小题目，大题目不是不能做，只是成功机会较 小，若能透过做小题目的训练，则更能掌握解决大题目的精神。几十 年来，我仍觉得他的劝告是正确的。

陈省身：科学工作的好与坏、大与小，?很难说，要看各人不同 的判断。像爱因斯坦当年在瑞士联邦工学院做学生时，数学、物理是 同一系，二者不分，据他的自传中说，他可能学物理，也可能学数学， 但数学都是搞小问题，物理则是大问题，而他要研究大问题。爱因斯 坦是成功了，但我还是希望大家先选小问题来研究比较有把握一些（哄堂一笑）。

物理系同学：数学对科学而言是一相当严谨而有用的工具，但不 知诸位在研究过程中，会不会觉得数学限制了你的思考路径，发现数 学并非十全十美，有些问题并非数学能解决的？有时在研究问题时， 若能以数学以外的方法去看待，反而会变得很简单？

陈省身：有很多问题数学家的确不能解决。当年我在芝加哥大学 教书，有一位哈密先生就认为，学物理的人不要念太多数学。这话不 知是否正确？他说，一个物理学家所需要的数学，他自己就可以发现， 用不着去念太多书。

李政道：物理跟数学的确有很密切的关系，可是数学不是物理， 物理的目的是解释自然界的现象，解释要用到数学，可是关键在自然 界本身。有一个故事说：有个人拿脏衣服要去洗，看到有家店外面， 写着“洗衣店”，于是他就提着那包脏衣服进店里。里面的人问他： “你干什么？”他说：“我来送洗衣服。”“我们店不洗衣服！” “那为什么外面牌子写着‘洗衣店’？”“我们是卖那牌子的！”这故事是说：物理是真正洗衣服的，而数学是那牌子，不过牌子也很重要。（这时陈省身院士不疾不徐接过话）

陈省身：奇怪的是，这牌子会有用！（?是哄堂大笑）

杨振宁：我有一点补充意见。物理和数学有很微妙的关系。在十 八九世纪，数学和物理发展的时候，两者的关系十分密切。牛顿之所 以发展出微积分，是因为他想知道行星的轨道与万有引力，以及牛顿 的三大定律。可以说直到19世纪的上半叶，数学中很多思想的泉源是 从物理现象来的。可是后来数学的价值观逐渐独立，20世纪一位重要 的数学家，也是陈教授从前在芝加哥大学的同事，他在30年前说：20世纪数学最大的成就，是从物理的约束中自我解放出来。这句话以现在来说并不完全正确，物理学者通过他们的价值观念，研究了自然 现象，发现其中有很奥妙的数学结构，这些结构不是物理学家本来所 学过的，而数学家已从不同的价值观独立研究过，这情形已屡见不鲜， 最有名的例子是爱因斯坦的广义相对论。爱因斯坦在1908年开始，想推广他1905年的狭义相对论，使其在 引力场中也可运用相对的观念，这其中所需要的数学是爱因斯坦所不 知的，可是他有了一个思考的方向。后来他的一位数学朋友告诉他，这在上世纪黎曼已经开始，是19世纪数学的一个重要发展方向。这使 他在1915、1916年完成了他的广义相对论。所以，一个物理学家如果 不了解数学可能在他的研究范围里所能发生的作用，往往不易成功。

电机系黄教授：我有两个问题想请教诸位院士。第一，如何选取 研究的方向与领域？刚才几位先生谈到，即使在西南联大物质贫乏的 时代，如杨教授说，他的学士论文就能奠定他日后研究的基础。不过， 若从另一观点来看，诸位所遭逢的正是近代物理学蓬勃发展的阶段， 时也？命也？运也？我们到底要如何选择？第二，清华师资的基干大 概在四十岁左右，很多教员很努力，也愿意努力，不过有一点困难， 即不知如何做学术生涯的规划，关于这一点，想请教各位。

杨振宁：我想把这个问题用另一个方式说明。大学中有很多优秀 的研究生，他们自己和老师都不能预测未来的成就有多大，可是二三 十年后，成就却可能悬殊。回想一下，成功的同学在当时并不见得比 不成功者优秀许多，这其中有一基本的道理，即有人走对了路，左右 逢源，有人走错了路，再努力也不能有大成。那么将来有大发展的方 向是什么呢？这无法有一定的答案。一个研究生对自己前途最重要的 责任，是必须掌握自己所念的学科中那些部分是比较有前途发展的， 还要掌握住整个领域发展的大方向。如何做到呢？我的建议是，把 “天线”放长些，多方浏览，不只是浏览本身学科狭窄范围的文献， 更要随时留意其他的学科，透过广泛接触，才能找出这门领域的大方 向。　陈省身：选择科目与方向是很难决定的，中间有很多是靠机会。 我的建议是，要有广博的知识，不要只念自己本身科目的东西，不管 有无相关，都能尽量吸收，了解的范围愈广，做正确决定的可能性就 愈增加。

数学系王同学：想请教四位，您们都是在获奖之后，就一直留在 美国研究，事实上也都归化为美国籍，这是否说明了您们的研究生命 必须在美国才得以开展、延续？西方世界是否有比华人世界更优越的 科学研究潜力？诸位是否曾考虑在未来的日子里回到华人世界，在内 地、台湾或香港，从事科学研究或教育下一代？

李政道：研究的环境是不断在变的，陈省身、杨振宁与我当时的 中国环境跟今天又有不同，我大部分的工作是在美国。但很多新的成 功科学家，如高温超导体的朱经武、吴茂昆、赵忠贤等人，赵忠贤可 说完全是在内地进行，而吴茂昆则是在新竹。我们是一代传一代，尽 自己的努力帮助下一代人成长，我相信不久，两岸中国人与海外可以 联合起来，届时中国科学的发展一定可以获致极大的成功。

杨振宁：我想提两点补充意见。首先，我的研究工作若不在美国 的环境中是否做得出来？我曾经思考过，有一大部分工作，若我在 50年代初回到内地，是不可能做的，而这些都是和物理现象比较发生 关系的，因为这些现象发生的地方，主要是在美国，美国有很多人才、 财富、大型加速器、新资讯，若当时回内地，恐怕就不会朝这些方向 发展了。但是也有一些另外的工作是可以不在美国做的，一些不与立刻发 生的事情有紧密关系的工作，我也做过很多，而且很重要，如果我回 到内地，这些工作恐怕不仅能做出来，甚至会提早，因为我的精力只 好用在这上面。

杨振宁：刚才那问题背后或许还有一层涵义，即中国的传统文化， 是否与目前政治、社会、经济发展的条件，与对个人科技研究的前途 是不利的。关于这一点，我觉得眼光应该放远。19世纪末，中国文化 受西方文化冲击，发生激烈辩论，产生如“中学为体，西学为用”这 种说法。从近距离看，觉得中国在近代科学发展上很缓慢，但从远距 离看，其实不慢。第一次两个中国人得到物理学博士学位，都是在 1910年代于美国获得的，他们回到中国，教育了一批人，当我于 1938至1942年间在西南联大读书时，其课程跟当时世界第一流的大学 相比，完全是有过之而无不及，“有过之”，是因为我们良好的教育 传统。西南联大得天独厚，有强大的师资阵容，我得到很大益处。再举一例。中国内地一直给人落后的印象，这是错误的，内地的 科技其实相当进步。在1948、1949年时，中国根本不知何处有铀矿， 更不用谈开采了，但到了1964年，他们不仅试爆第一颗原子弹，两年 八个月后，又试爆了氢弹。这足以说明他们培养了千千万万的科学家， 所以中华民族与中国传统，在有组织的情况下，从科技上进军，是完 全可以跟西方社会抗衡的，西方人也很清楚这一点。因此，他们对中 国人能做科技工作不仅非常之佩服，而且害怕，这害怕也不是自今日 始，而是从19世纪末就开始了，当时中国人所做之事补偿了几百年之 落后。对于在下一世纪，中国人将走向每一科技的最前端，我深表乐观。

二

杨振宁非常注重品味（taste）和风格，喜欢用美、妙和优雅这样的词来描述物理学家的工作。杨振宁曾举过一个例子，在纽约州立大学石溪分校时，一个15岁的学生想进他的研究院。他跟这个学生谈话时发现，这个孩子极为聪明，能回答出杨振宁问的几个关于量子力学的问题。但是，却回答不出杨振宁的这个问题：“这些量子力学问题，哪一个你觉得是妙的？”杨振宁在回忆时说： “假如一个人在学了量子力学以后，他不觉得其中有的东西是重要的，有的东西是美妙的，有的东西是值得跟人辩论得面红耳赤而不放手的，那我觉得他对这个东西并没有真正学进去。”

物理学家张首晟曾听过杨振宁在纽约州立大学石溪分校的一门课《理论物理问题》。杨振宁用了三堂课讲一种尚未发现的粒子磁单极子。他解释说：“如果急功近利的话，大家总是要找一个有用的课题，这个东西不可能有任何用的……但是它的数学结构非常非常优美，最好地体现了理论物理和数学的统一，也充分体现了理论物理的美。所以这个就是在别的地方学不到的。”

杨振宁的观点是，一个做学问的人，“要有大的成就，就要有相当清楚的品味。就像做文学一样，每个诗人都有自己的风格，各个科学家，也有自己的风格”；“物理学的原理有它的结构。这个结构有它的美和妙的地方。而各个物理学工作者，对于这个结构的不同的美和妙的地方，有不同的感受。因为大家有不同的感受，所以每位工作者就会发展他自己独特的研究方向和研究方法。也就是说他会形成他自己的风格。”他不喜欢赶时髦研究热门课题，而是更愿意从自己觉得有意思的方向去研究。也因此，杨振宁不赞成“苦读”，“如果你做一件工作感到非常苦，那是不容易出成果的。”

---

  tang-jie-yu-78 网友的相关建议: 
      

以“科研贡献”来评价的话，那就是缺少“学术基因”的绝大多数人

长文 多图，及残酷真相预警

在成功的科学生涯背后有没有可循的实证规律？有。

#先上结论

1. 学者一生中的“高峰研究”出现的时间点是随机的
2. 存在稳定而难以改变的“学术基因”，其几乎决定了科学家一生中能得到的声誉增量
3. 大多数人没有学术基因，而且许多后天努力并不能改变人们创造高影响研究的能力

（如果你打算或者已经进入学术界，那么，我希望提醒你：阅读本文需要较好的耐心、对追求真相的认真，以及良好的心理承受和自我安慰能力）

#最近更新

Q可能是什么？

#更新于19.5.12凌晨3点#

虽然尚无全面的调查，但或许一些研究能带来关于“什么是Q”的启发，或许Q和以下因素都有关系：

• 跨领域学习能力：Liénard等人（2018 Nov. 27th on Nature Communication)对生物科学领域的研究发现，那些博后导师与毕业导师文章差异越大、文章和博士后导师更相似、能够从毕业和博士后导师处整合研究的学生（以文章相似度衡量）更可能获得终生教职。另外，导师人脉及与导师的合作度也能促进其获得教职概率。

• 产前激素刺激：Tektas等(2019 Feb. 25th on PLoS One)发现女性科学家的右手食指-无名指的指长比(2D:4D，越低则产前雄激素水平越高)与其学术成就是倒U型的，即产前雄激素暴露水平中等的女科学家更有可能通过教授资格考试。

• 人格和基因：Rimfeld等(2016 on JPSP)发现，至少对英国16岁中学生而言，其（高度遗传的）人格对其学业影响成绩并不算小，特别是“尽责性”和“开放性”。另外，其GCSE考试（中考）成绩基本上2/3都是由基因间接决定的。

• 固定的小圈子：Ma等(2018 Dec. 11th on PNAS)的研究发现，科学奖项（Scientific prizes）更集中地被一个相对较小的且联系紧密的科学精英群体获得。例如，64.1%的获奖者获得了两个奖项，而13.7%的科学家获得了五个或更多的奖项。而且团体的联系紧密度能够预测奖项的获取。

Q模型同样适用于艺术和导演领域

# 更新于19.5.12凌晨5点#

Liu等(2018 July 11th on Nature)发现在学术领域“热手”（hot-streak，在某段时间内小宇宙爆发）的随机性同样适用于艺术和导演领域（之前的研究发现在体育、赌博和金融市场领域亦然）。换言之，高峰成果（hit works）的规律（顺序随机性、短暂性、无征兆性）同样适用于其他领域。

(`・ω・´)关于这篇文章可能值得专门再写一篇回答）

一般的，可以定义： 。考虑到“热手”的短期性，长期来看， 就是 。

同样，艺术和导演领域的N和Q同样服从对数正态分布

#正文开始#写于19.5.7

（同样发于：科研的道路是一步慢步步慢吗？）

打算用近年分别发在Science和PNAS上关于科学家职业生涯的两篇研究来一答，精读文献分享如下。

1 “学术基因”

Sinatra等人（2016 Nov. 4th on Science）发现，科学家职业生涯中的“高峰研究”（影响力最大的一篇研究）出现的时间点基本是随机的，但出现概率受到发表生产力和一个与个体科学家相关的常数“Q”影响。

首先，在科学家生涯中，高峰研究出现的时间和次序是均匀随机分布的。对于整个科学家群体而言，高峰研究既可能是科学家学术生涯的第一篇文章，也可能是最后一篇文章（图E），并且在高峰研究之前或之后也几乎没有任何征兆（图B和图C）。

举个例子，弗兰克·维尔切克在其职业生涯发表的第1篇研究使其在2004年获得了诺贝尔物理学奖，而约翰·芬恩在职业生涯的非常晚期（在他被强制退休后）发表的研究才使其获得了2002年的诺贝尔化学奖。

而且，不仅对于物理和化学，这种规律对于各个学科都是成立的。

这其实是一件“恐怖”的事情，因为在“高峰研究”出现后，学者通常能够得到更好的待遇和资源，但是，待遇和资源是持续的，而运气则是完全随机的。换言之，可能“维尔切克们”在整个职业生涯中都倍受尊敬、坐享各种资源，而“芬恩”们则在职业生涯的末期之前都平凡无奇——即便这两人都有获得诺奖的水平。

其次，除了运气外，“高峰研究”的发表也受到一个科学家个体常数Q的影响。这个常数Q代表了科学家的一种稳定而系统地将研究项目转换为高影响力文章的能力。

模型发现，虽然高峰研究发表的时间是随机的，但是其影响力却不是。研究发现，一篇文章的影响力由运气和能力决定。用数学语言表达就是： ，其中 代表科学家 发表的文章 在发表10年后的被引量（即影响力）， 代表科学家所发表的某篇文章的潜在影响力。Q也就是 一个人能够把一个随机的项目做成一个高影响力文章的能力。

也就是说，我们可以用这个学者大多数文章的影响力来预测其高峰研究的影响力。他们的对数符合线性关系。这很容易理解，毕竟学术大牛的文章绝大多数都是比菜鸟的影响力要高的，而不是随机的。

这不仅对物理或化学成立，对很多其他学科也是同样成立的。

或许更为重要的一点是，之所以称Q为学术“基因”，是因为Q在大多数科学家的一生中都是稳定不变的。

终其职业生涯，大多数人并不能够提高自己做出突出贡献的潜力。

这更加令人细思恐极——或许当你踏入学术界的那一刻起，你的“天赋”就已经是注定的。在前半生和后半生都是一致的。

或许有人会问，Q是不是真的比其他因素更能预测高影响力的科学家？换言之，Q就是“天赋”最好的指标吗？

事实上，相比其他指标（h指数，高峰研究的被引量，总被引量和总产出），Q确实能够更好地预测诺贝尔奖得主，将诺奖得主与非诺奖科学家分开，也可以（只利用20篇文章就）很好地预测科学家的h指数。

不知道你有没有从这个图里看出另一些细思恐极的事情：发表文章的数量虽然对预测诺奖有用，但是其预测能力也只是比随机猜要稍微好一点。换言之，发表了很多文章并不太能说明一个人获诺奖的概率提高了。

当然，对Q的预测准确度基于发表的文章数量，文章数量发表得越多，模型对Q的预测就越稳定。在不同的学科，对Q预测的偏差大小也不同。不过，总体而言，当文章越发越多，或许你就越能够准确地了解自己的潜能。

关于发表的文章量还有另一个重要的发现：对于Q不同的学者而言，他们的发表数量和终其一生得到的引用量基本是呈线性关系的。

换言之，对大多数人而言，每一篇文章得到的平均引用量基本是相同的，而决定这个平均引用量的几乎唯一的因素就是“天赋”。

这很好理解，因为对于任意一篇文章，都有，而基本上是靠运气，所以，文章的平均影响力基本就取决于一个人的Q。

不过，学者们最后获得的终生影响力并不是线性的。因为，Q指数越高的学者还越高产。

虽然在职业生涯早期，高低Q学者的发文量没有太大差异，但是从第4年开始，高Q指数的学者的生产力斜率要大大高于低Q指数的学者（下图C）。残酷的事情是，终其职业生涯，许多低Q学者的生产力也仅能维持在年均1篇，与此同时，高Q学者的生产力是他们的2至3倍（下图E）。

或许你也看出了影响力的马太效应，就和贫富差距一样。

2 (残酷的)对数正态分布

值得一提的是，影响力、发表的数量和Q都服从右偏的对数正态分布，也就是具有很小的均值和很大的方差

换言之，很少的人发表了大量的文章，很少的文章得到了大量的影响力，很少的人具有很高的“天赋”。

[分布参数]影响力： 1.93， 1.05。发表量： 3.6， 0.57。Q： 0.93， 0.46。可以看到，影响力的方差要比发表量和Q的方差都大，在对数轴下，这一差距可能更显得触目惊心。

从对数正态分布我们可以得到另一件残酷的事情：对大多数人而言，终其一生，也做不出太大的成就。更残酷的是，这在其生涯的一开始就注定了。

对于低Q的学者而言，其职业生涯一生中的高峰研究的影响力不太可能超过50次，而高Q学者则轻松超过100次。

“世界的发展是由天才推动的”，这句话一点也不假，至少在学术界如此（或许，在大多数和学术界类似的地方可能也成立）。

4 什么决定了Q？

一个令人关切的问题是，什么决定了Q？特别是，有哪些外部因素能够影响Q？

可惜的是，之前的研究发现，Q的变异与以下因素都没有关系：职业生涯的长度（career length），时代（decade），团队效应（team effects）和领域（disciplines）。

换言之，无论在哪个时代、哪个领域，处在职业生涯的哪个阶段，和谁一起发文章，或许都不能改变一个人的Q。

以团队效应举例。下图是对于任意不同 的科学家 ，其与科学家 合作后，其的变化：几乎对称地集中于0，也就是 没有变化。（ 表示剔除与的合作后的）

5 院校的作用 (?)

那么，还有哪些外部因素能够决定一位科学家的“学术天赋”？毕业的院校和就业的院校可以吗？

毕竟，除了合作、生产力和时代等，我们能想到的最能影响学者声誉的因素或许就是其受教育的质量、所在的环境、研究团队的大小和性别等因素了。

不过，辨析这些因素的独立作用可不容易，一个原因就是学术界长期存在马太效应，即“好的更好，差的更差”。在更好的院校能拥有更好的资源和平台，这进一步促进了学者的产出和资源。通常而言，声誉更好/排名更高院校毕业的学生，也更有可能到那些同样声誉和排名更高的院校就业，因而有时难以分清“毕业院校”和“就业院校”的影响。

下面这幅图很能说明“一步慢，步步慢”的现象：

就规律而言，很少有人能够在博士毕业后去到比原来的院校更好的地方，大部分都前往更低层次的院校任教。但是，从首次任教的院校到另一个地方时，许多人都能到更有声誉一些的地方去。（能够连续“晋升”的人少之又少，连续“滑落”的人反而不在少数。）因此，最终绝大多数人都会回到比自己博士毕业院校排名稍微低一些的地方。（从斜率也可以看出）

不过，也不是所有人都会留在学术界。学界的竞争是惨烈的：即便在著名的院校得到暂时的教职，不少人也会最终离开学术界（当然，也可能是因为业界有更好的机会）。

更不用说，博士生和教员们还面临着巨大的精神和生活压力：研究生患抑郁和焦虑的可能性比一般人群高六倍。调查表明，41%的研究生在GAD07焦虑量表中的得分达到中度至重度，而此前调查显示在一般人群中这一比例仅为6%。

多数人最担心的事情就是职业发展（职位空缺数量、经费、价值不确定等）和生活压力（与大多数想象的“清闲”生活完全不同，学术生活的压力和工作时长完全可以媲美互联网公司的996，甚至更甚）

稍微扯远了点，回到院校的影响上

(`・ω・´)

Way等人（2019 Apr. 2nd on PNAS ）发现了一些值得注意的线索：

• 研究者毕业后的工作环境能够最大的预测其未来的发文量(productivity，产出)
• 就业和受训的所在机构都能够最大预测研究者的每年增加的被引量（prominence，声誉）

他们收集了在1970-2011年间，2453位从美国和加拿大所有205个计算机博士项目毕业，并进入常任轨制（tenure-track）的博士生的早期毕业和文章发表数据（加起来超过20万份文章和740万次引用），进行了一次匹配准自然实验分析(matched-pairs quasi-natural experiment)。

分析发现：

• 即便在不同地方受训，但就业院校(placement)相同的博士生们在发文量上没有差异。不过，从更好院校毕业的博士生，能在工作的前5年平均多收获301份引用（在63.9%的匹配中，更好学校毕业的博士生得到了更多的引用）。
• 另一方面，即便在同一院校受训，但去到更好就业院校的博士生在新的工作环境里更加多产（平均多5.1篇文章），且能得到更多的引用量（平均多344份引用）。对比而言，去到前20%的院校的博士生比去到排名最低20%院校的博士生们平均多17篇文章和824份引用，又比中间20%院校的博士生平均多9篇文章和543份引用。

不过，这是为什么？为什么就业的院校更能预测研究者的产出和声誉？

研究者猜测这可能与就业院校所能提供的环境资源和声誉有关，因为其能够促进(facilitate)新晋教员的产出、声誉和合作网络。

于是，他们列了一大堆和院校有关的因素，想看看这些因素对各项我们所关心指标的影响，总结如下图。

关键发现：

• 学院声誉能够促进绝大多数产出和被引指标，而院校的私立性仅能促进职业生涯前期的产出。
• 教职人均博士数量和适当的院系规模可以促进产出指标，且非常任轨制研究员亦能在模型2中促进产出
• 有更多女性（或者，性别比例更平衡）博士生的院校能促进院系外合作
• 但是，几乎没有院校特征能够预测学者长期的被引用量，仅有适当的院系规模可能具有促进作用

换言之，这个研究告诉我们，很有可能学院的大多数特征并不能够预测那些高Q的学者。至于院校“声誉”，其甚至并不太是一个“外部”因素，因为对大多数学校而言，声誉并不太会随时间发生什么变化。所以，就长期的影响力而言，似乎我们并没有发现什么稳定的可以用来干预或提高长期影响力的外部因素。

既然这么多重要的外界环境都不可以改变Q，那么，基于以下证据，我的猜测是：或许很有可能不同的Q真的是“天生”的。换言之，主要取决于个人特质而非环境。

• 绝大多数人对学界的贡献并不大，真正巨大的创新几乎都是由“天才”做出的
• 大多数人创造重要文章的能力在整个职业生涯中几乎不会发生变化，极少有人能突然“变成天才”
• 仅靠努力的工作，发更多的paper并不能“锻炼”自己制造出更好的研究
• 与更厉害的他人合作亦不能提高自己的品味
• 到一个很好的院校接受训练和工作似乎也不能培养出这种能力

现在，恭喜你，了解到了学术界“残酷”的真相。

当然，如果你希望寻求安慰的话，这里有许多可以用于安慰自己的话：

• 我们不能穷尽一切可能影响Q的外界因素，所以谁知道没有其他因素呢？
• 统计规律也可能不适用于每一个具体的人，谁知道我不是那个例外？
• 虽然人数极少，但谁知道我不属于高Q的人群呢？
• 也许只是时间未到，运气未来，所以我迟迟没有做出“高峰研究”呢？

对于以上问题，答案都有可能是“是”。不过，我强烈建议你降低预期，因为“奇迹”并不总会发生。当然，对这些问题的肯定回答可能的确会让你好受一些，但或许并不能帮你做出明智的决定。

以上。

后记：“积极偏差”与“明智的决定”

#写于19.5.8

这篇回答从晚上7点写到凌晨3点成稿，一气呵成，可以说是近几周来最想写出的一篇文章。

但是，在希望成果能获得认可的同时，却又矛盾地不希望有太多人看到这回答， 因为 并非所有人都能接受自己很可能是个普通人的事实，也并非所有人都具有“真正的英雄主义”（罗曼·罗兰，1906，《米开朗基罗传》）。

但话说回来，我一向希望自己能在拥抱真相的同时具有“谨慎的乐观主义”。

比如，就本文而言，了解了“学术天赋服从残酷的对数正态分布”之后，我仍然愿意相信自己可能有潜能并愿意选择学术界。

但同时，正如认知神经科学家Tail Sharot所说的，在“企鹅自信地跳崖”之前，或许企鹅们也应该“准备好降落伞”。

换言之，做好以下问题的回答：

• 如果进入学术界后发现自己并无天赋，你的退路是什么？
• 如果发现自己对所学没有兴趣，对科研失去热情，考虑到时间和金钱成本，你最好的选择是什么？
• 如果遇到申请失利/导师变态/资金不足/家庭阻挠等情况，你是否有对应的举措？

然后，就放心而自信地踏上冒险的旅程吧。

祝你幸运，并最终幸福。

参考文献（更新的部分见文内链接）

Quantifying the evolution of individual scientific impact

Productivity, prominence, and the effects of academic environment

Scientific prize network predicts who pushes the boundaries of science

研究生患抑郁和焦虑几率比一般人群高六倍|《自然-生物技术》调研

Nature全球博士生调查

目前还是学生，从学生角度，没有匠人精神的，不适合做科研。

可以把人分成三类，对事有兴趣，对人际有兴趣和其他。做科研一定要喜欢做事，享受做事（哪怕是重复劳动）的过程。

可能有人不理解为什么喜欢做事，举两个例子。

小时候读过书法家教，学时不长，两三年，只会临摹。一天一到两小时，临四十个字。说白了就是个重复劳动，但慢慢写，会有乐趣。在观察字体结构和下笔时，脑中只有这件事，会进入一种类似冥想的状态，而这种忘我状态其实挺吸引人。

后来读高中和本科时，有个习惯是散步。单独散步，走路时想事情。我可以走两小时。这种匀速的走路过程，像是催化思考的媒介。一般人平时不会自省，因为没时间，而走路就把大段时间空出来，我没法玩手机，于是只能想事情了。

匠人精神也是如此，不是说我真的只“做”，而是依托“做”，我可以有额外时间思考，哪怕只思考我正在做的事，专注度高了也有很多收获。

有这种平稳心态，加上多思考，做事很容易成功。

---

很多人在做事时得不到满足，在他们眼里，做事是工具，实现目标是本质。

一切为目标的想法挺对的，但在科研这行很多课题都是“磨”，慢慢做事累积。光有目标，不享受过程，日子挺难熬。

很多身边的聪明人最后逃离科研，就是觉得劳动多，没赚什么钱，易挫败，心态崩坏。

这就是“为了做到极致”，和“做到极致”的差别吧。

---

另外，匠人精神也有个度的问题，太执迷于做事本身，会变成technician，过犹不及。

从喜欢做事，到有技术地做事，到有战略地做事；再加上一点智商，一点人际历练，较好的沟通表达能力，较低的物欲，家人支持，安贫乐道，基本就是一个科研工作者的理想状态了。

---

  patrick-zhang-3 网友的相关建议: 
      

题主这个问题有意思，我也来掺和一把。

科研内容可大可小，大型科研项目可达国家层面，小的科研项目简单到技术发明。我从未参与过国家级的科研项目（最多打个擦边球，例如三峡工程、核电工程等等），但企业的技术创新和技术革新，倒是都参与过，并且获得一定的成绩和奖项。

做研究，不可避免的就是与他人合作。

某次搞科研，内容是超高温色料粉末的研究，用于红热玻璃的表面着色。由于颜料粉末与金属氧化物有关，于是公司就找了某高校化学系的老师和我配合研究。

这位老兄满脑子想的就是他的职称晋级，实际工作几乎一窍不通也毫无兴趣。到企业来，我带他参观了现有的机械设备，以及全生产线的工作和控制原理。同时，工艺工程师向他介绍了工艺情况，以及研发需求。

然而，这位老兄仗着他是老师，对我们根本看不起，看我们的眼神里带着极度不屑。

这位老兄回校后，近一个月联系不上。如果联系上就百般推脱，总说教学忙。

我某次专程到学校实验室去找他，他在和旁人闲聊，看我来了就生气，说为何不事先通知他，日后不允许搞突然袭击。

我听完后转身离开，从此不再与他联系。

回企业后，我从《物理化学》教材开始研究，学习了许多与无机材料有关的书籍。我在企业化验室做了许多化学实验，申请拨款自己制造了一台1200度的可控温电炉，经过三个月的努力，终于制备出四种色料，分别是钴系（蓝色）、铬系（金星色）、铁系（棕色）和铜系（绿色），基础色料为一种熔点低于400度的低熔点玻璃。接着又用了两个月的时间，研发配套了自动喷涂设备，试车后效果良好。

事后，我们对喷涂设备和色料制备申请了两项发明专利。

成功后，这位老兄主动来找我了，低三下四地求我把技术介绍给他。我问他，为何当时不对我们认真合作？他告诉我，他读的专业是有机颜料，不是这种高温无机颜料。我说，既然不懂就要说，何必这样藏着掖着。他死皮赖脸地向我要技术文件，被我让保安把他赶走了。他告到总工处，总工非常清楚实际情况，也很不客气地让他离开，并把他的所作所为汇报给学校。

事情过去很久了，他的面容也渐渐淡忘了，但对他的印象一辈子都忘不了。

结论是什么？若发现某人对某项研发毫无兴趣，只关注个人利益，就要特别注意：这种人不适合于做科研同伴，不可能会真心合作。

==============

事实上，这位老师已经成为我一辈子的反面教员了。

这是他的悲哀，却是我的幸运。他让我认识到什么是人性，什么是优秀，什么是丑陋，待人做事应当采取何种态度，等等。

在教学中当我带学生进行毕业设计时，或者参加毕业设计答辩时，也包括给学生上专业课时，时不时地就会冒出那位老师的面容。我常想，我绝不能给学生留下这种令人反感的印象。

在工作中当我进行较为复杂的电力监控系统编程时，虽然有时难度很大，但我绝不在工作中留下不负责任的遗憾，尽量做到完美。

这应当是做人的基本原则吧。

---

  present-is-gift 网友的相关建议: 
      

有一说一，其实性价比最高的4K蓝光播放设备很可能是二手xbox

---

  yang-zheng-zhu-3 网友的相关建议: 
      

上清北有一万个方法，你非要挑个最难的

你高中赚一个亿捐栋楼说不定还简单点儿

---

  sun-yan-88-83 网友的相关建议: 
      

985+北大的，可能不具有代表性。

本科是中南大学，专业是材料科学与工程。

硕士到了北大，专业是先进材料与力学。

之前在象牙塔内，也还没觉得这专业有多坑，还是心安理得地搞学习搞科研写文章，主攻电池材料方向，现在也发了不少文章。

到现在研究生阶段已接近尾声，本人也加入找工作的大军，才开始对材料这个专业有更深的认识。

材料的就业面其实不宽，但是也不至于太窄，新能源、制造、电子、车厂、航天、军工等行业都有招材料的。

根据我个人经验，（我接触到的）理工专业中，岗位数量及薪资总体大概是下面这个趋势。

计算机>机电>机械土木=材料化学>生环

材料似乎是排在末尾没错，但其实也不至于太差，因为我们还有号称材料遮羞布的华为。

题外话，华为能把材料应届生的薪资拉到计算机的入门水平，如果你是锂电或者半导体领域的优秀毕业生，在华为甚至能领到超越计算机大多数应届生的薪酬。

在材料下属的细分方向中，我个人感觉又大体是如下趋势。

半导体(或IC相关)=电池>高分子>金属>加工>其他

工业界的就业情况细分来说。

大厂

像华为中兴oppovivo这些企业，每年都招大量的半导体、高分子、电池、屏幕、封装领域的研究生。

大厂给材料专业学生的薪资都还过得去，其中不少紧缺的材料方向的岗位，硕士基本都有三四十万年薪的。博士生去华为则都是四五十万起步。

小厂

除了上述大厂外，其实还有很多小厂可供选择。美的，格力，海尔，长虹，长鑫，瑞声，海康威视，华星光电，京东方，中芯国际。其中还可以包括一些外企，三星，英特尔，西部存储，宝马.......

这些工资普遍就在14w~25w范围了，但是其大部分本来就在非一线城市，生活花销和买房压力也小，所以生活质量不见得会比大厂差。而且有些小厂的薪资也是可以和大厂比肩的。

国企或研究所

最后还有就是国企央企或研究所这个选项了，这种工资是14w~22w间，但是福利多多，有编制且稳定，要是离家近那就更完美了。某些蒸蒸日上的央企甚至比计算机和金融的大厂更香，还不用担心失业，不过这种基本都是清北本科才能够到门槛。

本回答只针对材料专业，所以什么转行或者公务员的就不在回答考虑范围之内了。

---

回到正题，生化环材到底是不是坑，我觉得相对计算机专业来说是的，不管是在科研还是就业方面。相对其他专业，则也没那么坑。

而一切的原因就在于，其中充斥着大量毫无用处的灌水的科研。这进一步导致其性价比低。

什么叫性价比低。在计算机领域，你可能只要成为应届生的前百分之十，就能找到光鲜亮丽的工作。但是在材料领域，你必须成为前百分之一，才能找到对等的工作。

不看我上面说到那么多大厂小厂，我就问问，材料专业每年毕业多少人，又有多少人能真正挤进这些大厂小厂呢。僧多肉少是也。

生化环材的专业属性决定了，他们是前沿学科没错。听起来高大上。

但是前沿学科有个问题，就是应用价值普遍不高，别看整天文章发的起飞，但是落地投产基本都是没法实现的。

既然所学所做的应用价值不高，那自然工业界就用不上，企业能招的对口的也就不多了。而每年学校为了参加各种排名评比，又需要大量的文章来秀科研肌肉，所以自然要招大量的生化环材的学生来搬砖干活。

此消彼长之下，供求越来越不平衡，性价比越来越低。学生也不是傻子，自然专业的高考分数线也越来越低，分数高的都往计算机跑了。

当然同一个专业下不同方向就业市场也不一样，像电池半导体这些方向就业会好一些，而纳米材料二维材料什么的那真的就是非常艰难了。

更可怕的是，这些学生出了学校真的是无一技之长，感觉本科四年下来啥都没学到，研究生读完除了搬砖不知道自己能干啥。

总之，如果你已经入“坑”，并且不打算走科研也不想进入工业界。那还是能转专业转专业，能学cs学cs，能选调的选调。如果还没入坑，那就多为自己的人生思考，想清楚自己到底爱不爱物理和化学的结合学科，别被什么“王牌专业”“前沿学科”给忽悠了。

如果各位有准备跟我一样还继续在材料方向死磕的，那我的建议是，不找高校教职的话，就一定要在毕业前一年找个实习，去华为这种有材料相关岗位的大厂实习，这是你进入工业界的黄金敲门砖。或者提前去政府机关实习，为以后选调做准备。

研究方向的话，我首推电池材料领域。相关期刊的影响因子高，评奖学金和优秀毕业生优势大。就业也有华为小米宁德时代比亚迪等知名企业可选，上限足够高。

---

最后更一个材料研究生出路选择，总有一条适合你。（难度分为1到5级，数字越大难度越高。）（我个人推荐程度分为1到5星。）

硕士：

硕士毕业→工业界（1-3级）（2星）
硕士毕业→头部大厂（4级）（4星）
硕士毕业→国企及研究院（2-4级）（4星）
硕士毕业→头部互联网（4级）（3星）
硕士毕业→金融（3-4级）（2星）
硕士毕业→普通选调生（3级）（4星）
硕士毕业→央选及省组织部（5级）（5星）
硕士毕业→一线中小学教师（4级）（5星）

博士：

博士毕业→工业界（1-3级）
博士毕业→头部大厂（2级）
博士毕业→国企及研究院（1-2级）
博士毕业→头部互联网（4级）
博士毕业→金融（2级）
博士毕业→普通选调生（1级）
博士毕业→央选及省组织部（3级）
博士毕业→一线中小学老师（2级）
博士毕业→博后→普通高校（3级）
博士毕业→博后→普通211（4级）
博士毕业→博后→普通985（5级）
博士毕业→博后→顶尖大学（100级）

博士层次已经超越我的认知（狗头），就不妄自推荐了。

以上所有仅是个人思考，主体写于2020年秋招季，不客观公正，仅供娱乐。

---