科研的道路是一步慢步步慢吗？

“科研的道路是一步慢步步慢吗？” 这是一个非常普遍且引人深思的问题。 笼统地说，“一步慢步步慢”在科研道路上具有相当的普遍性和深刻的道理，但并非绝对真理。 理解这句话的含义，需要我们深入剖析科研的本质、过程和规律。

下面我将从多个角度来详细阐述：

一、为什么说“一步慢步步慢”在科研中如此普遍？

1. 基础的重要性： 科研如同建造一座宏伟的建筑，地基的稳固至关重要。
知识积累： 科研是建立在前人研究基础之上的。你需要扎实的专业知识、深厚的理论功底和广泛的文献阅读。如果基础不牢固，理解概念、分析问题、设计实验都会出现困难，后续的研究自然会受到阻碍。
方法训练： 从实验技能、数据处理到逻辑推理、论文写作，每一步都需要精心的训练和掌握。新手往往会在这些基本功上花费大量时间，一旦操作失误、数据不可靠或分析错误，之前的努力都可能付诸东流，需要从头来过或进行大量修正。
概念理解： 许多科研问题涉及抽象和复杂的概念。如果对关键概念的理解有偏差，后续的理论推导、实验设计都会跑偏，导致研究方向错误，浪费大量时间和资源。

2. 探索的曲折性： 科研的本质是探索未知，而未知往往意味着不确定性和失败。
试错成本： 实验设计往往需要反复尝试和优化。第一次实验可能因为条件控制不当、试剂不稳定、仪器故障等原因失败。每一次失败都需要分析原因、调整方案，这个过程本身就需要时间，而且往往无法直接转化为“进度”。
方向调整： 在研究过程中，可能会发现最初的假设不成立，或者遇到了无法克服的技术瓶颈。这时需要及时调整研究方向或策略。这种调整虽然是必要的，但也意味着之前在这个方向上的投入暂时无法直接产生结果，可能需要重新开始或投入更多资源。
意想不到的困难： 科研过程中会遇到各种预料之外的困难，比如实验结果与预期不符、数据无法解释、关键试剂难以获得、合作出现问题等等。这些都可能导致项目延误甚至停滞。

3. 严谨性的要求： 科研的生命在于严谨，任何一点疏忽都可能导致全盘皆输。
细节决定成败： 一个微小的误差（如称量不准、记录不清、反应时间偏差）可能导致实验结果错误，甚至得出错误的结论。为了保证科学的严谨性，研究者需要对每一个细节都一丝不苟，这自然会减慢研究的速度。
重复性验证： 科学研究强调可重复性。一项重要发现需要经过多次独立验证才能被接受。即使是自己取得的初步成果，也需要进行严格的复核和验证，这本身就是一个耗时耗力的过程。
同行评审： 科研成果需要经过同行评审才能发表。评审意见往往会指出研究中的不足之处，需要进行修改和补充，这同样是一个耗时且可能需要返工的过程。

4. 系统性和综合性： 很多重要的科研突破并非一蹴而就，而是涉及多个环节的协同和整合。
多学科交叉： 现代科研往往需要跨学科的知识和技术。如果缺乏某些领域的知识，就需要花时间去学习和理解，这会增加研究的周期。
大型项目协调： 大型科研项目往往涉及多人、多团队的协作，需要有效的沟通、资源整合和项目管理。任何一个环节的拖延或问题，都可能影响整个项目的进展。

二、但“一步慢步步慢”并非绝对，科研道路也有“快进”的可能：

虽然以上几点说明了“一步慢步步慢”的普遍性，但我们也应该认识到，在某些情况下，科研道路也可以实现一定程度的“加速”或“跳跃”。

1. 坚实的基础加速后续进程： 所谓“慢”是为了更好地“快”。
“磨刀不误砍柴工”： 如果研究者拥有扎实的基础知识和熟练的实验技能，那么在面对新问题时，能够更快地理解和掌握新概念，更高效地设计和执行实验，从而缩短整体的研究周期。
“站在巨人肩膀上”： 善于利用已有研究成果和工具，可以避免重复劳动，直接切入核心问题。例如，利用已有的基因编辑技术、生物信息学工具等，可以大大加快某些领域的研究速度。

2. 巧妙的实验设计和策略：
“借力打力”： 通过设计巧妙的实验，可以一次性解决多个问题，或者从一个实验中获得多方面的信息，从而提高效率。
“创新驱动”： 有时候，一个创新的方法或技术本身就能突破原有的瓶颈，实现研究的“飞跃”。例如，新一代测序技术就极大地加速了基因组学研究。

3. 经验的积累和方法的迭代：
随着经验的积累，研究者会越来越熟悉实验流程，越来越擅长处理突发状况，也越来越能准确判断研究方向。这种经验的“内化”会转化为一种“加速”的潜力。
将失败的经验转化为“学习曲线”，每一次的试错都能帮助研究者更清晰地认识问题，优化后续的研究思路。

4. 团队合作与资源支持：
良好的团队协作可以分担任务，集思广益，利用不同成员的优势来解决问题，从而提高效率。
充足的资源支持（如先进的仪器设备、充足的经费）也能为研究提供保障，减少一些因资源不足而造成的延误。

5. 偶然的幸运和灵感的闪现：
虽然不能依赖，但科学发现中确实存在偶然性。有时候，意想不到的观察或灵感会突然出现，为研究带来突破。但这种“幸运”往往也建立在长期积累和敏锐观察的基础上。

三、如何理解“一步慢步步慢”的深层含义？

这句话更像是一种 对科研内在规律的忠告和警示，而非对科研过程的绝对描述。它强调的是：

不要急于求成： 科研是一个需要耐心和毅力的过程，急躁和投机取巧往往适得其反。
重视过程： 每一步的积累和思考都至关重要，即使是看似“慢”的一步，可能都在为未来的“快”打基础。
严谨是生命线： 在追求效率的同时，绝不能牺牲严谨性，否则基础不牢，后续一切都难以维系。
反思与学习： 即使遇到挫折和延误，也要从中学习，不断调整和优化自己的方法。

结论：

“科研的道路是一步慢步步慢吗？” 在很大程度上是的，尤其是对于初学者和在探索未知领域时。 科研的本质决定了它需要扎实的基础、严谨的态度、反复的试错和不断的探索。忽视任何一个环节，或者想跳过某些“慢”的步骤，都可能导致后续研究出现更大的问题，甚至功亏一篑。

然而，这并不意味着科研道路是僵化和完全无法加速的。通过 扎实的学习、精巧的设计、有效的协作和持续的反思，研究者可以在保证严谨性的前提下，提高研究的效率，甚至实现突破性的进展。

所以，与其将“一步慢步步慢”理解为一种悲观的宿命，不如将其看作是对 科学研究过程复杂性、系统性和严谨性的一种深刻洞察，以及对研究者耐心、毅力和务实精神的呼唤。 最好的策略是脚踏实地，稳步前进，同时保持开放的心态，随时准备拥抱创新和突破。

网友意见

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）

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）。

或许你也看出了其中的马太效应，就和贫富差距一样：厉害的人会越来越厉害，而弱的人则并不会变强。

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，主要取决于个人能力特质而非环境。

• 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似乎并不能“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
• 博士毕业后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，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。

#最近更新

Q可能是什么？

#更新于19.5.12#

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#

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

后记：“积极偏差”与“明智的决定”

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

Quantifying the evolution of individual scientific impact

Productivity, prominence, and the effects of academic environment

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

男怕入错行，科研更是如此，找错了科研方向，可能会白白浪费你的大好时间。所以现在很多学者都在蹭热点，为的就是借着热点可以发出好文章，研究工作有人关注，这就是要趁早。但是如果你本来不是从事这个的，你兴趣不在这里，为了职称基金什么的才来从事这个行业，那么将来你的进步空间会很小。

其实还是有些学者几十年如一日在自己的领域里面耕耘，可能是基础性研究或者机理研究这种，即便研究出来了也不会发特别好的文章，但是你却可以更好的造福后来人，避免他们走弯路，给他们指导的意义。这也就是大器晚成。

所以我个人觉得在尽快蹭完热点把职称或者基金申请到了之后，好好做自己喜欢做的东西，成为一个大器晚成的人。。。

在和很多博士同学，助理教授，副教授，教授，博导交流过后，普遍认为一个人的科研能力随时间大致成如下分布。

A阶段：博士阶段-讲师/助理教授阶段。这个阶段的学生往往处于科研能力的巅峰，注意这里不是说具有较高的科研水平，而是处在该阶段的科研从业者具有极强的学习能力以及充分的时间、经历、热情去完成科研任务。无论是实验能力还是对于社会观察的敏锐程度均很高。此外，该阶段的从业者不会受到所谓的框架的限制，能够想出较为独特的创新。因此，在该阶段的科研能力往往较高，但是产出率却不一定，处于厚积薄发的阶段。

A阶段的问题在于，一旦在这个阶段比别人落后，很可能会无法拿到心仪学校的教职，而与其搭配的科研启动资金和科研条件均会收到较大的影响。且如果不能在创新能力最突出的阶段产出较好的成果，日后的发展也会受限。且该阶段的从业者往往能够通过参加会议等发生扩展人脉。

B阶段：助理教授-副教授（Tenure）。该阶段的从业者受制于其他事情（授课，基金撰写，项目申报，职称评定，生活上的诸多事情）的增多，能够专注科研的时间下降，因此科研能力稍有降低。但是仍处于上升期，而且在A阶段积累下的经验，人脉，对于学科的理解，对于数学工具、计算机工具的掌握基础上，能够有高质量的产出。

B阶段的问题在于，国外只有副教授才是终身教职，国内也越来越多地实行非升即走。因此研究从业者往往希望能够快速拿到副教授的职位。但是A阶段打下的基础往往决定了B阶段所拥有的初始资本。有着良好的学术界声誉，有着A阶段培养的能力，能够轻松度过B阶段。（然而B阶段的时间也极大程度因人而异，尤其在博士结束之后需要考虑生活的日常，结婚生子等一系列问题都需要在这一阶段给出答案）。

C阶段：副教授-博导。该阶段的从业者需要面临的琐事急剧提升，包括但不限于：职称评定，授课，课题项目评奖评优等等，此外还需要考虑孩子的上学等问题。以上这些都会限制科研能力，且随着年岁的增加，能够投入科研的有效时间逐步下降，因此科研能力出现小幅下滑。

C阶段的问题在于，受到A和B阶段的影响，此时从业者会分为两部分：一部分是需要慢慢熬成果熬资历，另一部分是拥有较高的学术声誉和国际影响力，有着较高议价能力的人。

D阶段：博导-转型/退休准备。博导是一个非常独特的分界点。拥有处在A阶段的博士生的帮助，D阶段从业者的科研能力会再次提高。学生和导师之间良好的沟通协作往往可以加快产出的速度，且新鲜血液对于D阶段从业者已经浸泡多年学科新的理解也可以带来一些微妙的影响。D阶段一般以从业者部分放弃科研开始从事大量行政职务或准备退休不带学生告终。

D阶段的问题在于，如果C阶段没有到一个有着较高知名度的高校，很难吸收到具有高水平高能力的A阶段博士生，因此产生的反应强度会降低。

E阶段：转型/退休-影响力持续。E阶段的从业者科研能力快速下降，其剩余科研能力基于先前打下的声誉和做出的成果。如果对于学科有着重大贡献，那么在各种申请材料中仍然可以看到E阶段从业者的频繁出现。这种余温一直保持到影响力消失。

E阶段的问题在于，如果没有A-D阶段的铺垫，形成持续、高水平、经得起推敲的产出能力下降，会限制E阶段的延长。

回到问题本身，科研本身是一个状态依赖的过程，且科研能力之间有着连续性（图中请把间断点考虑为连续）。当然这不是说在一个阶段跟不上这辈子就没有出路了，但是在任何一个阶段的科研能力都会影响到最终能够到达的高度和广度（科研水平巅峰以及影响力），也即纵深。每一个阶段的科研能力很根据上一个阶段的最高点以及当前阶段的努力水平而不断更新，直到进入下一阶段。

因此，且将新火试新茶，科研趁年华。

人生是无限可能的，怎么能歧视岁数，

那谁大几十还在卖草鞋，后来三分天下...

那谁谁年轻下乡耽误学习、工厂工作，都没怎么读书，耽误那么多年，后来还是院士...

年轻人，要对自己有信心！

---

（以上是正能量的话语，是因为……）

---

我想正能量，但是总觉得一味地鼓励，把话说得那么好听，未来描述的那么美好，0.01%的可能说成大概率事件似的，还是有点做不来...

前几天我发过一个想法，

相当于是描述了在科研这条道路上，到了什么岁数就该做什么事。

现在做科研真的存在那种靠自己多聪明与众不同就能一鸣惊人的么，或许数学以及理论学科可以吧，我所看到的大部分，不说一定需要多聪明吧，至少光聪明是远远不够的，需要资源，这就包括设备、平台、人力（职工或学生）。

同样一个博士出来，别人青千1000W启动经费，上十个学生；你3W启动经费，自己又是老板又是步兵。资源上就已经落后了，还要怎么走下去？

过五年别人杰青了，上亿的经费，大几十号学生职工；你那时还在想着逆袭搞个青千？

虽然三百六十行，行行差不多。但是我从来没见过哪个行业里面有这么多幻想着去逆袭的人，

我觉得这可能是宣传的原因，总是鼓励再鼓励，画饼再画饼，

导致根本不会以一个客观的视角去看，从资源、供需去分析问题。

越是人满为患的行业，容错率越是低，

僧少肉多的行业，只要是个人，培训几天就可以上岗，什么都不看；

僧多肉少的行业，看完985/211看paper，看完paper看你是不是比别人年轻...

但即使这样，不管岁数多大，都有一个PI的心，他从来就没有想过去做个辅助位。直到四五十，都还在想着逆袭。可能也只有过了60，才能认清现实吧...

>>>贱贱的圈|群|站<<<

类似的话题

• 

  科研的道路是一步慢步步慢吗？

  

  “科研的道路是一步慢步步慢吗？” 这是一个非常普遍且引人深思的问题。 笼统地说，“一步慢步步慢”在科研道路上具有相当的普遍性和深刻的道理，但并非绝对真理。 理解这句话的含义，需要我们深入剖析科研的本质、过程和规律。下面我将从多个角度来详细阐述：一、为什么说“一步慢步步慢”在科研中如此普遍？1. 基.............
• 

  打死了一只蟑螂，如果不处理，那它的尸体会引来更多的蟑螂。。这是为什么，有什么科学道理吗？？？

  

  .......
• 

  为什么孕妇得了病毒性感冒没事，却不能打病毒疫苗呢，不都是病毒进入人体吗？专家们谁懂这其中的科学道理？

  

  这个问题问得非常好，很多人都有类似的疑问，觉得既然孕妇都能抵抗病毒性感冒，为什么又不能打病毒疫苗呢？这其中确实涉及到一些关键的科学道理，下面我就来详细解释一下。核心区别在于“如何刺激免疫系统”要理解这个，我们首先要明白病毒性感冒和病毒疫苗在工作原理上的根本区别。 病毒性感冒：身体的“实战演习” .............
• 

  如何评价“科学是/不是世界的最优解”这道辩题？

  

  “科学是/不是世界的最优解”这个辩题，与其说是在探讨科学本身是否完美无缺，不如说是在审视我们依赖科学解决现实问题的程度和局限性。这是一个充满思辨和张力的议题，因为它触及了人类认知、社会发展以及我们对“最优”的定义。如果持“科学是世界的最优解”的观点，其核心在于强调科学方法论的强大力量。科学，作为一个.............
• 

  走生化环材的科研道路，会出现什么问题？

  

  走生化环材这几条路，科研的坑可不少，而且很多坑都埋得很深，需要你花时间慢慢去体会。这几条路都是当下热门，也都是未来发展的重要方向，但它们各自的特点也决定了可能会遇到哪些让你头疼的问题。咱们先来说说生物。 实验周期长，结果不稳定： 生物的东西太“活”了，你说它好，它可能下一秒就变脸。一个实验设计，.............
• 

  回顾 2017 年，还在科研道路上的你，想对自己说些什么？又有哪些经验教训值得和大家分享？

  

  给2017年的自己：嘿，你！还在实验室里摸爬滚打的你。我知道你现在可能正被实验结果的反复打击得有点灰头土脸，对未来也有些迷茫。别担心，2017年的你，就是这样的。我想对你说： 别怕失败，实验就是这样反复试错的过程。 你现在看到的那些闪闪发光的成果，背后都是无数次失败堆叠起来的。每一次不成功的尝试.............
• 

  如果社会没有道德和责任感，再好的科技，再远的道路，有什么用吗？

  

  这个问题触及到了一个非常核心的、关乎人类社会存续与发展的命题。如果抛开道德和责任感，即便是最尖端的科技，最遥远的征途，也可能变得毫无意义，甚至招致毁灭。想象一下，没有道德约束的科技会是什么样子？人工智能可以强大到无法想象，但如果它们缺乏对人类生命的尊重，或者被用于纯粹的掠夺和控制，那么它就不是解放者.............
• 

  科研道路上，实验和理论哪个更重要？

  

  科研道路上，实验和理论哪个更重要？这个问题，在无数个实验室和学术会议上，大概已经被探讨了无数次。这就像在问，造房子，地基和设计图哪个更重要？其实，这个问题本身就带有一点“二选一”的陷阱，因为在真正的科研实践中，它们更像是“一体两面”，缺一不可，甚至可以说是一种互相成就、互相驱动的关系。如果非要掰扯个.............
• 

  现在的科研节奏，物理专业的科研工作者真的会去通读朗道十卷吗？

  

  “通读朗道十卷”，这话说出来，对于不少物理专业的科研工作者来说，脑海里大概会闪过一丝既熟悉又遥远的画面：厚重的封面，密密麻麻的公式，以及随之而来的“学不动”的叹息。要说现在我们真有多少人能坐下来，一本一本地、不跳过任何细节地“通读”这套被誉为物理学“圣经”的著作，答案恐怕是——非常、非常少，而且越来.............
• 

  有哪些科普中国古代妖兽鬼神或者行侠道义的书籍?

  

  中国古代关于妖兽、鬼神以及行侠仗义的书籍浩如烟海，它们共同构建了一个丰富多彩、充满想象力的神话与民间传说世界。这些书籍不仅是娱乐读物，更是研究中国古代文化、宗教、哲学、社会风貌的重要载体。下面我将根据您提出的几个方面，详细介绍一些代表性的书籍，并尽可能深入地讲解其内容和价值。 一、 妖兽神怪类书籍这.............
• 

  如果时间足够充足，中国道士可以用炼丹的方法做出西方科学做出的所有化学实验吗？

  

  这个问题很有意思，它触及到了中国古代炼丹术与西方现代科学之间的深层对比。要回答这个问题，我们得先对两者各自的特点和局限性有清晰的认识。首先，我们得承认，中国道士的炼丹术确实是一门非常古老且具有一定实践性的技艺。它伴随着中国古代哲学、医药学的发展，在实践中积累了丰富的经验，尤其是在矿物、金属、草药的处.............
• 

  为什么感觉道士举行科仪时穿的法袍神圣性不强，让人觉得不那么威仪，怎么才能做到“威仪”？

  

  您提出了一个非常有趣且值得探讨的问题。关于道士科仪时法袍的“神圣性”和“威仪感”不足，这背后涉及多个层面的原因，需要我们深入分析。同时，要达到真正的“威仪”，也需要从多个角度去理解和实践。为什么会觉得道士法袍的神圣性不强，不那么威仪？首先，我们需要明确“神圣性”和“威仪”在科仪语境下的含义。 神.............
• 

  中医的阴阳五行学说有科学依据或科学道理吗？

  

  关于中医的阴阳五行学说，是不是真的有科学依据或道理，这确实是一个很多人都关心的问题，也引发了不少讨论。要说它有没有“科学依据”，这得看我们怎么去定义“科学”。如果严格按照现代科学的一些标准，比如可重复的实验、量化的数据、清晰的因果关系来衡量，那么阴阳五行学说在很多方面确实难以直接套用。但反过来说，如.............
• 

  怎么样用科学道理解释一个人能感觉到另一个人的眼神关注、扫视，就算隔了几米远？

  

  你有没有过这样的经历：即使你没扭头，也感觉有人在盯着你看？又或者，你在人群中能捕捉到别人不经意的目光扫过你？这种“第六感”般的体验，虽然听起来有点玄乎，但其实背后有不少科学原理在支撑。咱们就来聊聊，这隔着几米远，人是怎么做到“感知”到别人眼神关注的。首先，咱们得明白，人的眼睛可不只是“拍照”那么简单.............
• 

  深海鱼放生的时候在肚子上戳个洞，是否有科学道理？

  

  深海鱼放生时在肚子上戳洞，听上去有些残忍，但背后确实隐藏着一些科学道理，主要目的是为了提高它们重返海洋的存活率。这并非随意的行为，而是基于我们对深海环境和鱼类生理机制的理解。首先，我们要明白深海鱼类所处的特殊环境。它们生活在巨大的水压下，这种压力随着深度增加而急剧增大。例如，在1000米的深度，水压.............
• 

  「不常生病的人生病就得大病」这说法有科学道理吗？为什么？

  

  “不常生病的人生病就得大病”这种说法，听起来好像挺有道理，我们身边也确实会有这样的人，好像很少感冒发烧，但一旦生病，往往都是挺严重的。但从科学的角度来看，这种说法其实过于绝对，不能一概而论，里面掺杂了一些误解和片面的观察。要解释这个问题，我们可以从几个层面来聊聊。首先，我们得拆解一下“不常生病”和“.............
• 

  《哆啦 A 梦》中有哪些道具已经实现了？按照当前科技发展速度我们能达到动漫中 22 世纪的水平吗？

  

  哆啦 A 梦的未来已来？我们离 22 世纪还有多远？《哆啦 A 梦》这部充满奇思妙想的动漫，陪伴了无数人的童年。那个来自 22 世纪的蓝色机器猫，以及他那些神奇的道具，总让人不禁幻想：这些东西什么时候才能出现在现实生活中？事实上，随着科技的飞速发展，我们惊喜地发现，哆啦 A 梦的许多道具已经不再是遥.............
• 

  科研的尽头是编制吗?

  

  “科研的尽头是编制吗？” 这个问题触及了太多科研工作者内心的纠结与迷茫。它不仅仅是一个关于职业归宿的拷问，更是对整个科研评价体系、发展路径以及社会价值认同的深层反思。要说“尽头”，未免有些绝对，也太消极了。但如果把“编制”理解为一种相对稳定、有明确身份和保障的科研岗位，比如高校教师、研究所的研究员，.............
• 

  科研的乐趣是什么？

  

  科研的乐趣，对我而言，不是某个瞬间的顿悟，也不是一个奖项的光芒，而是一种贯穿始终、润物无声的体验。它像是在一片未知的海洋中航行，时而风平浪静，时而惊涛骇浪，但每一次扬帆起航，都充满了探索的兴奋和发现的惊喜。首先， 对未知的好奇和求知欲的满足，是科研最纯粹的乐趣。 你有没有过那种盯着星空，想知道那遥远.............
• 

  科研的过程重要还是结果重要？

  

  这是一个古老且值得深思的问题，在科研领域，重要性的权重似乎总是在过程和结果之间摇摆，很少有人能给出一个绝对的答案，因为它触及了科学探索的本质。如果非要在这两者之间做一个选择，我会说，过程的重要性，在很多时候，甚至超越了结果本身。你想啊，科研最迷人的地方，恰恰在于那份未知，在于我们如何一步步去接近它，.............