沒有博士學位，是否意味著與人工智能前沿研究無緣？OpenAI研究員Noam Brown近期分享的案例顯示，這條傳統路徑正在被打破。多位非典型研究者通過獨特方式進入頂尖AI實驗室，他們的經歷為行業人才選拔提供了新視角。
現Anthropic研究員Sholto Douglas的路徑更為獨特。這位清華大學交換生在麥肯錫工作期間，利用每晚十點到凌晨兩點的時間進行AI研究。他通過在JAX框架GitHub倉庫頻繁提問，引起谷歌研究員James Bradbury的關注。這種主動交流的方式，最終幫助他突破專業背景限制，進入谷歌DeepMind工作。內部資料顯示，他的入職被視為驗證"高主動性人才與頂尖工程師配對"實驗的重要案例。
轉型研究者的案例同樣引人注目。前量化分析師Andy Jones通過自費租賃算力完成《Scaling Scaling Laws with Board Games》論文，系統量化訓練與測試計算的權衡關系。這項研究不僅被納入o1模型技術報告，更直接影響了測試時計算范式的發展。他的經歷顯示，跨領域知識積累和獨立研究能力正在成為重要競爭力。
本科畢業生直接進入頂尖實驗室的現象愈發普遍。Kevin Wang在NeurIPS 2025憑借《1000 Layer Networks for Self-Supervised RL》斬獲最佳論文后，立即獲得OpenAI錄用。Noam Brown特別指出，這類研究者的共同特點是具有"一眼可見"的突破性成果，這種特質比簡歷上的常規成就更具說服力。
行業招聘標準正在發生微妙變化。多位受訪者提到，導師推薦的分量加重，但核心考察點轉向實際研究能力。Stability AI的案例頗具啟示：該公司80人研發團隊中僅16人持有博士學位，且相當部分成員來自社交媒體挖掘。這種轉變反映出，在快速迭代的AI領域，工程實現能力和研究透明度比傳統學術頭銜更具價值。
薪酬觀念的轉變同樣值得關注。Noam Brown公開分享個人職業選擇時表示，放棄量化交易的高薪轉投AI研究是"人生最佳決定"。他觀察到，當前頂尖AI實驗室的薪資水平已與金融行業持平，研究者無需在物質回報和科研理想間做出妥協。這種變化正在吸引更多跨領域人才加入。
